重要水库水源地生态服务价值评估 ——以株树桥水库为例

以长沙市重要饮用水水源地株树桥水库水源地为研究对象,采用基于单位面积价值当量因子和中间物质转换价值量,评估研究区域生态服务总价值,计算出株树桥水库水源地生态服务总价值分别为44.49亿、76.69亿元/a,通过比较2种评估方法的计算结果,提出提升和改善水库水源地生态服务价值的措施,为水库水源地的生态补偿机制优化、生态保护、经济建设等提供参考。     

面向大规模嵌入式设备固件的自动化分析方法

设计了一种面向大规模嵌入式设备固件的自动化分析方法,该方法能够对固件进行自动化分析,提取其文件系统、操作系统、中央处理器指令架构等关键信息.针对固件解码成功的自动化判定难题,提出了一种基于分类回归树的固件解码状态检测算法,并选取收集的6 160个固件和固件自动化解码后得到的1 823个可反汇编二进制文件作为样本进行实验.实验结果表明,该算法相对其他分类器具有更好的分类效果,其分类准确率、召回率均在96％以上.     

利用虚拟传感器的巡视器机械臂碰撞检测算法

为提高传统AABB树碰撞检测的精度和效率,提出一种基于虚拟传感器的月面巡视器机械臂碰撞检测算法.建立月面巡视器机械臂的逆运动学解算模型;对地面环境点云数据进行Delaunay三角化,采用多叉树代替二叉树作为AABB树储存环境点云三角面集;利用虚拟传感器简化巡视器机械臂结构模型,通过虚拟传感器遍历AABB树中的环境点云三角面集进行碰撞检测,避免机械臂与环境发生干涉.月面巡视器就位探测任务内场实验表明:基于虚拟传感器的月面巡视器碰撞检测算法使碰撞检测精度在1 mm内,碰撞检测时间降低至10 s内.基于虚拟传感器的碰撞检测算法具有高效性和可行性.     

具有不确定数据的XML数据编码设计

为了解决模糊数据对XML文档中各元素造成的内容和结构上的改变,使得XML数据模型中的不确定信息能够被有效地管理,提出了一种基于前缀编码的四元组编码方案.在语法分析器XML Schema中,根据模糊数据的特征,利用增加的元素对XML文档中的模糊元素进行约束,进而为每一个元素建立一个四元组,其参数由文档号、遍历序号、元素模糊性及组内标志符构成.通过大量的实验对比分析,验证了该编码方案的有效性,其更适用于具有较低XML树高度的XML文档.     

适用于广域测量系统的实时数据寻址红黑树算法

随着广域测量系统(Wide Area Measurement System,WAMS)的迅速发展,目前其数据主站的单站相量测量单元(Phasor Measurement Unit,PMU)的海量接入带来了一些规模化后的相关效率问题。主站实时数据通过层次化结构等方法在宏观上缓解了大量数据点的寻址效率问题,但在微观局部上当某一层次具有大量平行数据点时(如在含大量设备的站点或距离较长的线路上)的寻址时间飙升问题突出。本文对这种情况下的寻址操作提出了一种基于改进的红黑树数据结构组织和查询数据点的寻址算法RBA(Red-Black Tree Addressing Algrithm),并论证了其在此情况下的可行性以及对数据更新和搜索操作时间的大幅优化效果。实验和实际工程应用数据表明,RBA算法使平行节点搜索寻址效率大幅度提高,基本解决了WAMS系统在大量同层数据点下寻址时间过于滞后引起的同步周期速率延迟等问题。     

一种基于人工标签数据的行为识别模型迁移方法

针对通用模型对新用户行为识别准确率的问题,给出一种基于人工标签数据的模型迁移方法。对新用户采集少量带标签数据,经过带通滤波、特征提取和归一化预处理,将其加入到通用模型训练集中。对更新后的训练集进行重新训练,以所得模型与通用模型对新用户数据识别准确率的差值作为迁移必要性度量阈值,利用K-均值算法以及由底至顶的决策树子节点属性平均值替代法,对模型进行迁移。实验结果显示,与原通用模型相比,由所给方法迁移学习得到的个性化模型的识别准确率有明显提高。     

失效树模型在弧形钢闸门可靠性评估中的应用

针对影响弧形钢闸门可靠性的因素存在较大不确定性,本文引入失效树分析方法,建立了弧形钢闸门结构体系可靠性评估模型。该模型根据弧形钢闸门自身结构原因及运行条件,确定了影响弧形钢闸门可靠性的最小割集。通过对最小割集事件概率计算,得到弧形钢闸门可靠运行的概率,在理想条件下换算得到弧形钢闸门的可靠度指标,从而实现对弧形钢闸门可靠性评估。实例计算结果表明:某二级水电站弧形钢闸门可靠度指标为3.09,与极限状态值相比,认为是较为安全的;该计算结果得出的结论与该弧形闸门安全检测结论较为吻合,一定程度上验证了评估方法的正确性和实用性。     

基于改进变异树的工控协议模糊测试用例生成方法

针对现有应用层工控协议在模糊测试过程中用例冗余度高、测试效率低和随机性强等问题,提出一种基于改进变异树的测试用例生成方法。该方法将协议样本数据序列进行树结构化,同时提取协议规约中字段优先级信息,并利用其有效地控制树中各节点属性值的变异程度,从而达到降低测试成本、提高测试效率以及增大发掘漏洞几率的目的。实验结果表明,该测试用例生成方法对提高协议模糊测试性能具有显著的优化效果和漏洞检测能力。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.