基于贝叶斯框架的显著目标检测

图像和视频显著性检测在计算机视觉领域引起了极大的关注,广泛应用于物体分割、可疑物检测、图像检索等领域,在贝叶斯框架下,将人类视觉注意力理论中Bottom-Up模式被动感知与Top-Down模式主动检测按照时间先后顺序结合在一起,并结合像素的"Center-Surround"模型和核密度估计,提出一种能由粗到精逐步感知和获取视场中视觉显著性目标位置及尺度的实时显著目标检测算法,称其为基于贝叶斯框架的显著目标检测.通过在微软MSRA数据集上进行ROC和Precision-Recall测试,证明该算法取得比目前经典算法更好的效果.     

一种电气设备状态诊断方法

随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论(CRB)与支持向量机技术(SVM)为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.     

复合型第二种Weber方程边值问题的新解法

研究了复合型第二种Weber方程的一类边值问题,经变量替换转换为变型的Hermite方程边值问题.通过引入左(右)相似核函数,得到边值问题的左区间解可由左区间相似核函数和左边界条件的系数进行组装,右区间解可由左边界条件的系数和左引解函数、交界面条件的系数和右相似核函数进行组装,证明了复合型第二种Weber方程组边值问题的解式具有相似结构,由此提出了求解该类边值问题的一个新解法——相似构造法.     

丙烯在醇类溶液中的溶解过程热力学分析

用静态法测定了温度为30~60℃,压力为0.3~0.9 MPa时丙烯在醇水质量比分别为7∶3、8∶2、9∶1及1∶0的甲醇、异丙醇和仲丁醇水溶液中的溶解度数据。比较了丙烯在这3种醇水溶液(相同浓度)中的溶解度大小:仲丁醇>异丙醇>甲醇。此外,醇水溶液中醇的含量越大,丙烯的溶解度就越大。计算了丙烯在甲醇、异丙醇、仲丁醇三种醇水溶液中溶解过程的热力学函数值,主要是溶解焓和溶解熵,醇溶液浓度的增加对溶解焓的影响大于溶解熵。从溶解热力学函数、溶解度参数、缔合溶液的空腔假说等方面探讨了3种醇溶剂中溶解度差异的原因,解释了一些相关的溶解现象。丙烯溶解度关联的偏差及溶解度随醇浓度变化的“S”形曲线是由于醇水溶液明显偏离理想溶液所致。     

面向新能源消纳能力评估的年负荷序列建模及场景生成方法

全年负荷序列是开展中国省级电网新能源消纳能力评估的基础,文中提出了基于聚类分析和马尔可夫链技术的年负荷序列建模和场景生成方法。首先,通过自组织映射对历史负荷数据进行典型日聚类分析,并采用离散马尔可夫链描述不同典型日之间的状态转移特性。针对每类典型日,采用核密度估计和t-Copula函数构建日负荷特性指标的联合概率分布模型。然后,通过马尔可夫链蒙特卡洛随机抽样生成每日的典型日状态和日负荷特性指标。最后,通过构建日负荷序列优化模型,实现每日负荷序列的优化重构,直至生成全年负荷序列场景。算例基于中国某省级电网全年负荷数据进行测试,并利用所生成的负荷序列场景开展未来年度新能源消纳能力的评估,结果验证了所提方法的有效性及实用性。     

嵌入式Linux与现代模具数控加工技术(二)

在分析和讨论了嵌入式Linux技术在模具数控设备中的应用及其系统结构后，具体介绍了如何应用此技术，并进行系统的集成直到完成最后的产品。从嵌入式Linux内核的裁减、实时性模块的开发、图形用户界面的开发到设备驱动程序的编写，最后还就基于Linux技术的网络化制造技术进行了一定的研究。嵌入式Linux技术是各种模具加工数控设备中系统平台的一种较好的选择。     

基于配点型无网格法的金属挤压过程数值模拟

阐述了配点型无网格法的基本原理,及其用于求解偏微分方程的步骤和方法,对Al在挤压成形过程中的塑性变形情况进行了三维无网格法模拟。该方法避免了有限元法因网格畸变需要重新划分网格的问题,同时解决了伽辽金型无网格法计算效率低的问题。计算实例表明,配点型无网格法可以利用初始节点完成全部计算,得到与有限元法相吻合的结果,是模拟金属塑性变形过程的一种有效的新方法。     

CAS wavelet method for solving the fractional integro-differential equation with a weakly singular kernel

In this paper, a computational method for numerical solution of a class of integro-differential equations with a weakly singular kernel of fractional order which is based on Cos and Sin (CAS) wavelets and block pulse functions is introduced. Approximation of the arbitrary order weakly singular integral is also obtained. The fractional integro-differential equations with weakly singular kernel are transformed into a system of algebraic equations by using the operational matrix of fractional integration of CAS wavelets. The error analysis of CAS wavelets is given. Finally, the results of some numerical examples support the validity and applicability of the approach.     

Selecting linear algebra kernel composition using response time prediction

Numerical linear algebra libraries provide many kernels that can be composed to perform complex computations. For a given computation, there is typically a large number of functionally equivalent kernel compositions. Some of these compositions achieve better response times than others for particular data and when executed on a particular computer architecture. Previous research provides methods to enumerate (a subset of) these kernel compositions. In this work, we study the problem of determining the composition that yields the lowest response time. Our approach is based on a response time prediction for each candidate combination. While this prediction could in principle be obtained using analytical and/or empirical performance models, developing accurate such models is known to be challenging. Instead, we define a feature space that captures salient properties of kernel combinations and predict response time using supervised machine learning. We experiment with a standard set of machine learning algorithms and identify an effective algorithm for our kernel composition selection problem. Using this algorithm, our approach widely outperforms the strategy that would consist in always using the simplest kernel composition and is often close to the fastest kernel compositions among those evaluated. We quantify the potential benefit of our approach if it were to be implemented as part of an interactive computational tool. We find that although the potential benefit is substantial, a limiting factor is the kernel composition enumeration overhead. Copyright © 2014 John Wiley & Sons, Ltd.     

稀疏标签传播:一种鲁棒的领域适应学习方法

稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的稀疏标签传播领域适应学习(sparse label propagation domain adaptation learning,简称SLPDAL)算法.SLPDAL通过将目标领域数据进行稀疏重构,以实现源领域数据标签向目标领域平滑传播.具体来讲,SLPDAL算法分为3步:首先,基于领域间数据分布均值差最小化准则寻求一个优化的核空间,并将领域数据嵌入到该核空间;然后,在该嵌入核空间,基于l₁-范最小化准则计算各领域数据的核稀疏重构系数;最后,通过保留领域数据间核稀疏重构系数约束,实现源领域数据标签向目标领域的传播.最后,将SLPDAL算法推广到多核学习框架,提出一个SLPDAL多核学习模型.在鲁棒人脸识别、视频概念检测和文本分类等领域适应学习任务上进行比较实验,所提出的方法取得了优于或可比较的学习性能.