激光焊接裂纹磁光成像频域特征分析

为了研究旋转磁场激励下激光焊接裂纹磁光成像在频域内的特征, 采用对激光焊接裂纹磁光图像进行2维离散傅里叶变换的方法, 进行了理论分析和实验验证, 取得了旋转磁场不同励磁强度下激光焊接裂纹的频谱图数据。结合裂纹磁光图的空域特征, 对所获裂纹频谱图灰度值为255的点进行统计分析。结果表明, 激光焊接裂纹磁光图像的频域特征和空域特征有一定的对应关系; 在一个变化周期内(885帧磁光图), 对应频谱图上会出现先变小再变大、再变小再变大或相反的变化过程, 最终回到初始状态。这一结果验证了旋转磁场下裂纹磁光成像规律的正确性, 对激光焊接缺陷的无损检测是有帮助的。     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。     

社交网络中基于网络结构支撑模型的谣言传播研究

结合结构支撑理论，探究节点网络结构支持力的一些性质，提出了社交网络结构中的全网支持力和被支持力的总量一致性，并进一步提出计算节点支持力的方法。谣言作为特殊信息，在支持力不同节点之间的传播特性有所不同，借鉴随机游走模型中的PageRank计算方法，对不同节点支持力的谣言传播以及传播后的辟谣状况进行了仿真模拟，结果表明支持力不同的节点对于谣言传播和辟谣影响明显。     

信息化时代网络技术在广播电视工程技术中的运用与实践

在信息化时代当中,信息的传递更加快捷,各种信息的处理也更为迅速,同时互联网平台的构建以及大规模使用,直接促使各种新媒体形式的萌发,人们可以在互联网上更加便捷地获取各种影视资源,这就对于广播电视节目造成了巨大的冲击。如果广播电视节目不能够及时做出改变,调整战略布局,就会被时代的浪潮所击垮,被社会群体所遗弃。所以,广播电视节目必须要进行适当的改革,增强广播电视节目活力,更多地运用网络技术,更好地融入到信息化时代当中去,从而实现广播电视节目网络运用,扩展广播电视节目业务范围,增强广播电视节目的行业竞争力。