故障现象矢量距离判别方法在收割机故障诊断中的应用

为了更快诊断收割机故障,实施故障预警,提升故障排除速度,应用基于故障现象的矢量距离判别方法,解决收割机因随机影响因素过多导致诊断困难的问题。通过研究收割机故障现象空间发现,每一种故障现象的出现均服从0~1分布,每种故障对应的故障现象矢量会自然形成以各自故障现象矢量期望为聚点的聚类,用系统聚类分析对原始故障现象进行分类,再用距离判别法对新加入故障现象确定其类别归属并将结果反馈到数据库,实现系统实时诊断经验的自学习。利用蒙特卡洛方法进行编程,证明了这种诊断方法实时性好、算法简单和诊断准确率高。     

基于8D锁存器的抢答器设计

本文介绍一种基于8D锁存器74LS373设计的能区分选手抢答是否犯规的数字抢答器,并详细阐述了其工作原理和硬件电路结构。通过测试结果表明,运用该方案设计的数字抢答器,具有结构简单、操作方便、易于实现、区分度高、实用性强等优点。     

某多塔楼商业综合体结构设计探讨

文章简述了某商业综合体从经济及技术角度考虑,确定基础方案与结构方案的过程。同时还系统的介绍了针对该项目结构的不规则性采取的技术措施和设计措施,对设计中的难点和重点,如地下室及裙房屋面不设缝,楼面开大洞,楼梯对主体结构的不利影响作了详细说明。该结构各项计算指标及设计措施均能很好满足规范要求,可供类似工程提供参考。     

基于主成分分析和支持向量机的矿井水源判别

针对传统支持向量机法判别矿井水源准确率较低的问题,选取7种水化学成分指标作为矿井水源判别的指标,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法建立PCA-SVM矿井水源判别模型。以山东盛泉矿业有限公司矿井太原组灰岩含水层和奥灰含水层的水化学特征中的27个样本进行训练和检验,并与传统的支持向量机模型结果进行比较,利用PCASVM模型对矿井水源进行判别,分类准确率由66.67%提高到83.40%。研究结果表明,利用PCA-SVM矿井水源判别模型能有效消除判别指标间的相关影响,判别率较高,引进主成分分析算法是必要的。     

边缘与区域不一致性引导下的图像拼接篡改检测网络

目的 针对已有图像拼接篡改检测方法中存在的真伪判断分类精度不高、拼接篡改区域定位不准确问题，本文设计了一种篡改边缘两侧和篡改区域内外不一致性引导下的重点关注篡改区域与篡改边缘的图像拼接篡改检测卷积神经网络。方法 图像内容在篡改过程中，拼接物体的边缘都会留下篡改痕迹，这是图像拼接篡改检测的重要线索。因此，本文设计了一条篡改边缘提取分支，通过学习拼接物体边缘两侧的不一致性，重点提取拼接篡改区域的边缘轮廓。考虑到篡改边缘像素点过少会导致网络难以收敛，提出一个边缘加粗策略，形成一个边缘加粗的"甜甜圈"，使得篡改边缘提取结果更具完整性。在不同图像采集过程中，所用相机设备和光线条件等因素不同，导致每幅图像包含的信息也不尽相同。对此，设计了一条篡改区域定位分支，重点学习来自不同图像拼接区域与周围区域之间不一致性的差异化特征，并将注意力机制引入图像拼接篡改检测的篡改区域定位分支，进一步提高对拼接篡改区域的学习关注程度。面向真伪判断设计了一条图像是否经过拼接篡改的二分类网络分支，不但可以快速有效地给出输入图像是否为篡改图像的判断结果，而且可以与上述两条分支的输出结果一起提供给用户，由用户结合视觉语义信息进行综合判断。结果 本文算法与已有的4个代表性方法在4个专业数据集上进行算法实验和性能比较。在真伪判断分类的精确度方面，在Dresden、COCO（common objects in context）、RAISE（a raw images dataset for digital image forensics）和IFS-TC（information forensics and security technical committee）数据集上分别提高了8.3%、4.6%、1.0%和1.0%；在篡改区域定位的准确度方面，F1评分与重叠度IOU（intersection over union）指标较已有方法分别提升了9.4%和8.6%。结论 本文算法将真伪判别分类、篡改区域定位和篡改边缘提取融合在一起，互相促进，较大提升了各分支任务的性能表现，在图像拼接篡改检测方面取得了优于已有方法的效果，为数字图像取证技术领域的研究工作拓展了思路。     

基于深度神经网络的煤矿突水水源判别分析

通过研究已有突水水源判别方法,发现其存在收敛速度慢和目标函数存在局部极小点的问题,导致判别准确率较低。为了提高突水水源判别的准确率,文章提出使用深度神经网络判别煤矿突水水源,选择突水水化学数据、矿化度、总硬度、碳酸硬度、非碳酸硬度、负硬度、总碱度和总酸度等指标属性作为判别因子,建立水源判别模型。通过对比实验,结果表明,DNN模型可以有效提高突水水源识别的准确率。     

基于卷积神经网络的ADHD的判别分析

提出了利用卷积神经网络(CNN)对儿童注意缺陷与多动症(ADHD)的功能性核磁共振图像(f MRI)进行特征分析,从而对ADHD患者进行判别分析。针对ADHD-200全球竞赛的三个数据库的f MRI数据,首先利用快速傅里叶变换将数据从时域转换到频域,并利用Fisher线性判别方法选择有效的频率信息,然后利用改进的卷积神经网络对选择频域数据进行特征学习,自动提取出有效的特征并进行分类。实验结果表明,提出的方法有助于ADHD患者的判别,为基于f MRI数据的ADHD研究提供了新的手段。     

抽水试验确定各向异性含水层参数的实例讨论

在进行抽水试验时,多将含水层看作为均质各向同性的,而事实上也有可能是各向异性的含水层,从而得到的含水层参数值不真实。该文分别以描述均质各向同性与各向异性情况下的非稳定流问题的解析解为基础,在满足直线图解法适用条件的情况下,分析了3组实际抽水试验数据,计算了两种情况下的含水层参数。经讨论表明:1)如果将各向异性情况下的含水层按各向同性处理,由各个观测孔s-t数据得到的弹性释水系数数值间会有较大的差别,据此提出了判断含水层是否为各向异性的初步方法;2)在利用直线图解法时,应当进行后检验,检查是否满足其适用条件。     

有机-无机联合矿井突水水源判别方法

溶解性有机质(Dissolved Organic Matter,DOM)在随地下水运移过程中,不同含水层水中DOM含量、类别、荧光强度等均存在较明显差异,因此结合无机水化学,开展了有机-无机联合的矿井突水水源判别方法研究,结果表明:地下水中无机组分浓度分布具有垂向分带性,利用pH、矿化度(TDS),HCO3,SO4等无机指标,可以判别浅部含水层和深部含水层水化学特征差异; DOM进入含水层后发生氧化还原反应强烈,其浓度(TOC含量和UV254)变化快、差异大,可以识别地表水与第四系水的水化学特征;第四系与白垩系含水层,以及覆岩破坏范围内的细分含水层,水中无机组分和有机组分含量非常接近,而荧光指纹技术灵敏度高,可以根据3DEEM光谱图分析DOM类型和荧光峰强度等差异,区分相邻含水层的水化学特征差异。陷落柱等地质异常体作为特殊的地质环境体,其内部水体中DOM相对丰富,其DOM含量和荧光指纹特征与奥灰水差异显著。将有机-无机联合开展不同含水层水化学特征分析,能够很好地区分不同水源,为矿井突水事故发生时快速判别水源提供科学依据。