基于卷积神经网络的雷达点迹分类技术研究

雷达在探测目标过程中不可避免地会受到杂波影响,在信号处理检测时会产生杂波点迹,尤其是在杂波密集区,此类杂波点迹数量会更多.随着大数据的到来,人工智能技术获得突飞猛进的发展,以深度学习为代表的人工智能技术受到广泛关注.利用卷积神经网络对雷达点迹数据中的杂波与真实目标分类问题展开研究.首先在现有雷达点迹信息的基础上,进一步...     

顶管施工引起地面沉降分析和计算

预测和控制顶管施工引起的土层变形是城市环境土工学的一个重要研究课题.采用理论与经验相结合的方法,考虑施工应力引起的土体位移,对顶管施工引起地面横向沉降的经典理论方法Peck地面沉降槽理论公式进行了修正,使之更加符合工程实际.并通过工程实例进行了验证.     

结合实体关联标注器的中文命名实体识别模型

为了改善在字嵌入层中的字向量嵌入方式单一问题,提出一种结合实体关联标注器的中文命名实体识别模型.在标准命名实体识别模型之前,先利用句向量与句中实体词向量训练实体关联标注器,再将实体关联标注器产生的标记信息融入字嵌入层.最后,通过双向长短期记忆网络(Bi-directional Long Short-Term Memor...     

5自由度升挂车液压系统设计

为提高5自由度升挂车的挂装效率,设计了全新的液压系统,根据实际要求选型设计液压元件,并对液压系统升降机构进行压强损失、系统效率、系统发热及连续工作时间等性能验算,可为同类设备液压系统的开发提供参考。     

基于优化边界框回归的目标检测

目标检测是计算机视觉任务中的关键问题之一,而边界框回归是目标检测的重要步骤.现有方法认为交并比(IoU)损失有利于度量IoU,但仍然存在收敛速度慢和回归不准确的问题.此外,大规模的目标检测数据集尽可能地清晰定义真实边界框,但在标记边界框时仍然会引入偏差.本文基于CIoU损失和边界框回归Kullback-Leibler(...     

一种改进的RefineDet多尺度人脸检测方法

针对车站、商场等大型场所中客流量大、背景复杂等原因导致多尺度人脸检测精度低的问题,建立了一种基于RefineDet多层特征图融合的多尺度人脸检测方法。首先利用第一级网络进行特征提取并在不同尺度的特征图上粗略预估人脸位置;然后在第二级中通过特征金字塔网络将低层特征与高层特征融合,进一步增强小尺寸人脸的语义信息;最后,通过置信度和焦点损失函数对检测框进行二次抑制,达到边框的精确回归。实验中将人脸候选区域的宽高比只设置为1:1,以此来降低运算量并提高人脸检测精度。在Wider Face数据集上的实验结果表明,该方法能有效检测不同尺度的人脸,在Easy、Medium、Hard 3个子数据集上测试结果分别为93.4%、92%、84.4%的MAP,尤其对小尺寸人脸的检测精度有明显提高。     

双向中继系统中断概率下界优化及分集增益

主要研究了瑞利衰落信道下基于放大转发策略的双向中继系统的中断性能及分集性能。首先利用信源节点信噪比间的关系和调和不等式对信噪比的范围进行优化,得到新的中断概率下界,仿真结果表明Monte Carlo仿真得到的中断概率接近新得到的中断概率下界;同时证明了多中继存在时,基于最大最小互信息准则的双向中继系统仍然取得全分集增益且能够优化中断概率下界。     

一种基于CA-Net的脑肿瘤磁共振图像分割算法

磁共振影像是脑肿瘤疾病中常用的诊断工具,临床上的量化分析需要对影像结果进行分割得到肿瘤区域,但手动分割十分耗时且高度依赖于医生的临床经验。为此,本文提出一种基于深度学习的脑磁共振图像分割算法,解决了原网络无法有效提取关键特征的问题。该算法使用改进的有限对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization, CHALE)算法,对脑肿瘤磁共振影像进行图像增强后,将结果输入CA-Net网络对数据集初步分割,并将全注意力算法和U-net骨架结构结合(包括空间、通道和尺度注意力模块),实现对不同尺度的空间和通道的特征转换连接。模型应用混合损失函数提高分割精度。初步分割的结果可通过后处理进一步提高精度,得到最终的肿瘤区域。初步分割结果中,Dice指标可以达到88.40(±0.24)%,结合图像处理提高至89.21(±0.36)%,分割精度相较于其它算法有明显提高。     

沈海热电厂200MW供热机组分析

通过对ＣＣ１４０／Ｎ２００－１３０／５３５／５３５型汽轮机组热力系统的分析，分别得到凝汽工况和供热工况的效率，热效率和能量利用系数和各设备的损失系数；以此可知各设备的效率及工作的不完善性。