成层式防护结构爆炸填塞效应研究

成层式结构爆炸效应试验中,爆炸填塞效应会影响下部结构层的动力响应和毁伤效果,如何分析并充分考虑爆炸填塞效应规律成为爆炸试验必须重视的问题。为研究成层式结构的爆炸填塞效应,利用数值模拟方法重点分析了炸药柱在遮弹层中外露、浅埋等爆炸作用下分配层的爆炸成坑、应力峰值以及支撑结构层的应力和变形等参数的变化规律,阐明了爆炸填塞效应原因及变化趋势,并给出了相关填塞系数与比例埋深的关系表格。结果表明：当遮弹层厚度较小时,炸药在遮弹层内发生抛掷爆炸,随着炸药柱在遮弹层内埋深的增加,分配层中爆炸成坑直径、成坑深度快速增加,结构层顶面应力峰值快速增大,爆炸填塞效应显著增大;当遮弹层厚度较大时,炸药在遮弹层内发生近似封闭爆炸,虽然遮弹层厚度继续增加,但爆炸填塞效应趋于稳定。     

基于YOLOv5的伪装数据增广方法研究

数据作为深度学习的驱动力,对于模型的训练至关重要。为解决自然伪装数据集样本数量不足的问题,提出一种基于纹理置乱的数据增广方法,可有效扩充数据集样本数量。首先,根据目标像素多少动态选择置乱尺度,然后,将目标区域按置乱尺度切分为若干纹理块,最后将这些纹理块的排列顺序进行置乱。实验证明,使用基于纹理空间置乱的数据增广方法生成的数据保留了模型学习伪装目标的语义特征,同时增加了样本的多样性。在YOLOv5s模型上使用扩充的数据集进行训练,模型的检测性能提升了2.4个百分点,与传统数据增广方法相比,所提方法取得了更好的效果。     

基于用户评价的查询串与搜索结果特征权重计算

提出了利用大量用户评价结果来进行特征权重的计算方法,用于解决搜索引擎中查询串与搜索结果的相似度分析。该方法完全利用用户对搜索结果的“潜在评价”来进行。用户对输入查询串所做的点击反映了其内部的关联性,该文提出的方法可获取这种关联性,对该问题建立了数学模型,利用EM算法解决了特征权重的计算。由于模型的函数比较复杂,难于计算其收敛性,因此,使用了模拟退火算法作为EM算法的补充,用于验证算法的收敛性。实验使用百度搜索引擎在竞价广告上进行,提取的测试数据样本为100个广告和144 132个query,获得的数据结果显示,所有特征收敛到全局最优解,抽样部分数据获得检索相似准确率为93.32%,召回率为87.43%。