土钉墙分步开挖中挡土机理分析

土钉墙和由它派生出的复合支护方式在实际工程中广泛应用,但在理论上对它的挡土机理研究还不够。本文对均质土中的土钉墙,采用数值分析方法,探讨开挖过程中土钉、面层、土体三者的受力变化及土钉墙的稳定机理,得到了面层受到的总土压力是主动土压力的0．05倍等一些结论。     

基于激光雷达的建筑物轮廓信息识别提取研究

对于采用激光雷达扫描的建筑物进行点云重建的关键,在于建筑物轮廓信息的提取,并且要能够保证其精确度和完整性。文章提出了基于几何特征与语义描述的外轮廓信息改进识别方法,比较好地解决了目前建筑物轮廓提取中存在精度较低、后续处理麻烦的问题。最终建立了数学求解模型,并且以采集的单栋建筑物点云数据作为实验样本,进行了建筑物轮廓信息提取实验。结果表明,采用的改进方法不仅理论上能够实现,还大大提高了建筑物轮廓信息提取的清晰度,通过多次实验验证,此方法优越性明显。文中所述方法对点云数据分割,特别是建筑物与地面点的分割,建筑物的三维重建具有极大的意义。     

面向工控现场应用的边缘网关架构设计和性能评估

工业现场控制作为边缘网关的典型应用场景,是物联网与人工智能交叉学科的研究热点.在场景中,传感器的数据经过高速无线网络汇集至边缘网关,算法模块根据传感器数据向设备发送控制指令,完成控制闭环.与传统网关仅仅收集和转发数据相比,边缘计算网关还承担了数据加工和控制生成的重要功能,所以其安全与性能显得尤为重要.针对边缘网关中的安...     

基于彩色图像轮廓的深度图像修复方法

针对飞行时间相机获取的深度图像存在大量无效点的问题,提出了一种基于彩色图像轮廓的深度图像修复方法.该方法先通过无效点邻域内像素的值和高斯函数来确定该邻域的方差,结合无效点邻域内有效点个数和方差计算所有无效点的填充顺序,完成填充过程的优先级评估;再将彩色图像中目标物体轮廓投射到深度图像中,结合投影轮廓和欧式距离函数实现对...     

基于改进人工蜂群算法的主动悬架LQR控制器设计

针对主动悬架LQR控制策略中性能指标的权重系数依靠经验选取的不足,提出一种改进人工蜂群算法对LQR控制器的权重系数进行优化.对于标准人工蜂群算法存在的收敛速度慢、易陷入局部最优的缺点,在跟随蜂阶段引入三种解搜索策略,并对选择策略进行调整,从而更好地平衡所提出算法的全局搜索能力和局部搜索能力.在MATLAB/Simuli...     

DiffServ模型中主动队列管理研究

区分服务模型是现代大规模网络保证IP QoS的主要模型,该模型是当前互联网通讯性能方面研究的热点问题。在改进RIO-C算法的基础上,提出了一种适合于区分服务模型的主动队列管理算法-PFRIO（RIO based on Priority and Fair）。该算法提高了带宽分配的公平性,增强了网络对突发数据流的处理能力,有效改善了区分服务模型的总体性能。     

基于主动学习的自媒体网络舆情情绪预测方法

针对自媒体网络舆情情绪预测问题提出了一种基于主动学习的预测方法 SPM-AL(A Sentiment Prediction Method for Self-Media Online Public Opinion based on Active Learning,简称SPM-AL)。SPM-AL在数据预处理阶段基于TextRank算法提取关键词,基于FastText模型实现词嵌入;在模型构建阶段,从未标记的自媒体文本中选出具有代表性的文本进行专家标记,并借助逻辑回归分类来构建模型。基于实际数据集的结果表明：SPM-AL仅需标记14.21%的数据,模型的F₁值就可以达到86.23,并优于使用所有训练数据构建的模型。     

具有数据包丢失的网络控制系统主动容错控制

在保证稳定性的前提下,研究具有数据包丢失的网络控制系统主动容错控制问题.基于一类包含马尔可夫丢包过程的网络控制系统模型,考虑了执行器可能失效的情况.利用Lyapunov稳定性理论和线性矩阵不等式方法,获得了系统的保性能被动容错控制器.从控制性能的角度考虑,针对不同的执行器失效模式,得到了丢包网络环境下系统的主动客错控制器的设计方法.数值示例表明,该控制器设计方法是有效的.     

基于PCA变换扩散投影的人眼轮廓提取

提出一种PCA变换扩散投影的人眼轮廓提取方法(PCA transform scattering projection,PCATSP),即采用PCA投影对人眼的虹膜进行定位,经在人眼区域内对形状点进行变换后对所得参数进行扩散投影,并结合霍夫变换进行整体处理,从而实现更为鲁棒地提取人眼轮廓.实验中通过与可变形模板法相比较,结果表明PCATSP在平均形状参数误差及整体优化时间上更能精确地提取人眼轮廓,并取得令人满意的效果.     

基于K均值聚类和多核SVM的微钙化簇检测

考虑到乳腺微钙化簇样本分布不平衡以及特征的多样性,提出了基于K均值聚类的多核支持向量机.即首先将训练样本聚合成K类,对每类样本加不同的惩罚因子,以平衡样本分布不平衡.其次针对样本特征多样性,将核函数做组合,得到多核支持向量分类器.使用主动反馈学习的方法来得到稳定的训练样本.实验结果表明,本方法与单核SVM及多核SVM相比,检对率至少可以提高两个百分点.