摘要:目标检测是计算机视觉领域中的研究热点. 近年来, 目标检测的深度学习算法有突飞猛进的发展. 基于深度学习的目标检测算法大致可分为基于候选区域和基于回归两大类. 基于候选区域的目标检测算法精度高, 但是结构复杂, 检测速度较慢. 而基于回归的目标检测算法结构简单、检测速度快, 在实时目标检测领域有较高的应用价值, 然而检测精度相对略低. 本文总结了基于深度学习的目标检测主流算法, 并分析了相关算法的优缺点和应用场景. 最后根据深度学习的目标检测算法中存在的困难和挑战, 对未来的发展趋势做了思考和展望.

摘要:通过对语音识别技术的发展梳理, 简单介绍了语音识别的历史和应用现状, 并将传统语音识别的技术和当前的研究进展进行描述. 传统语音识别采用基于统计的方法, 采用声谱特征, 在GMM-HMM混合结构上进行训练和匹配. 当前的语音识别模型主要基于深度学习的方法, 采用CNN、RNN都可以有效的进行特征提取从而建立声学模型. 进一步的研究采用了端到端的技术, 避免了多个模型间的误差传导. 端到端技术主要有CTC技术和attention技术, 最新的模型和方法着重研究了attention技术, 并在尝试进行与CTC的融合以达到更好的效果. 最后结合作者自身的理解, 概括了语音识别当前所面临问题和未来发展方向.

摘要:实体关系抽取是信息抽取的关键任务之一, 是一种包含实体抽取和关系抽取的级联任务. 传统的实体关系抽取方式是将实体与关系抽取任务分离的Pipeline方式, 忽略了两个任务的内在联系, 导致关系抽取的效果严重依赖实体抽取, 容易引起误差的累积. 为了规避这种问题, 我们提出一种端到端的实体关系联合抽取模型, 通过自注意力机制学习单词特征, 基于句法依存图蕴含的依赖信息构建依存约束, 然后将约束信息融入图注意力网络来实现实体与关系的抽取. 通过在公共数据集NYT上进行实验证明了我们工作的先进性和显著性, 我们的模型在保持高精度的情况下, 召回率有了显著的提升, 比以往工作中的方法具有更好的抽取性能.

摘要:公司经过十多年的信息化建设, 信息系统已全面覆盖企业经营、电网运行和客户服务等业务领域及各层级应用, 为公司各项业务有效运转提供了有力支撑. 但现今仍缺乏一套统一的企业级数据资产管理体系. 为进一步提升数据在电网企业的价值, 本文提出了一套基于数据中台的企业级数据资产管理体系, 主要从数据质量提升优化、数据资产管理、数据共享服务构建3个方面对如何进行数据资产管理进行论述.

摘要:本文采用两种改进的算法: 基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSat TM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合. 融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高. 当应用两种方法对同一组数据进行处理时, AWP的性能参数优于HSV-WT. 这两种算法相对传统小波算法, 能克服对高频信息处理的缺陷, 突破待融合数据的分辨率比值限制, 实现分辨率之比非2ⁿ的数据融合.

摘要:在导光板生产时, 因生产治具温度过高, 不可避免地会出现黄化缺陷. 为提高黄化缺陷检测精度及效率, 在分析导光板及其黄化缺陷的光学特征基础上, 本文提出了基于机器视觉的导光板黄化缺陷检测方法: 首先, 将图像灰度转换, 用双边滤波器对图像平滑处理, 降低噪声影响; 其次, 对像素点邻域依次差值, 凸显导光板轮廓特征; 进而, 通过自适应的阈值填充算法与设置线段距离阈值, 完成导光板轮廓提取和3个导光板的分割; 最后, 根据导光板坐标生成矩形区域, 构建81维特征向量, 建立并训练SVM模型. 该方法在工业现场采集的导光板图像上进行了大量实验, 实验结果表明, 该算法运行效率高, 鲁棒性强, 在训练样本较少的情况下仍有较高的检测精度.

摘要:流线是流场可视化的主要方法之一, 而针对大规模流场的流线生成由于计算量大往往需要采用高性能计算机这样的并行计算环境结合并行化算法以实现计算加速. 在当前异构计算系统越来越普遍的情况下, 为了充分利用并行异构计算环境的计算能力, 实现更高效的并行流线生成, 本文采用了基于数据并行原语结合分布式消息通讯的技术架构, 设计了一套适用于异构集群的混合并行流线生成系统, 并在此基础上针对数据分块、数据冗余化及进程通讯策略等方面进行设计, 提出并实现了一套并行粒子追踪算法. 该系统被部署于国产超算平台上, 并针对大规模CFD流场模拟结果数据可视化应用开展了实验. 本文给出了相关实验结果, 分析了核心并行算法的速度性能、可扩展性以及负载均衡等方面情况, 说明了系统及算法的有效性和可扩展性.

摘要:随着基础软件国产化的浪潮, 麒麟操作系统已经应用于各个行业. 本文基于Qt提供的强大的C++ API框架, 开发运行于国产麒麟OS (Operating System)上的内核驱动程序学习系统, 弥补了麒麟OS环境下缺乏驱动程序学习软件的不足. 主要研究内核中几百个驱动程序的执行流程, Linux内核驱动程序的一般体系结构、内核驱动程序的详细分类、驱动程序配置与调试技术以及应用程序、内核、硬件、驱动程序之间的关系等驱动程序学习机理. 在实现过程中系统基于模块化设计思想, 采用分层实现软件架构. 具体实现网络请求、远程文件下载与上传、内核驱动程序一般架构、驱动程序详细分类、驱动程序学习机理、视频学习、具体驱动程序、系统设置(包括计算机系统信息和系统升级检测两个子模块)等8大模块. 最后采用交叉编译方式, 使其部署到X86、ARM、MIPS三种不同的架构平台的计算机上.

摘要:在基于机器视觉实现电机端盖裂纹缺陷检测过程中, 针对复杂背景下目标特征不明显的问题, 使用限制对比度的自适应直方图均衡化的方法加强目标特征. 针对机器视觉系统中训练数据量少且训练图片背景单一导致模型泛化性低的问题, 对比了Mosaic和CutMix数据增强方法, 并结合多种数据增强策略, 提出了系统的数据集构建方案. 针对使用YOLOv4进行单类检测和小目标检测时正负样本不平衡导致检测率低的问题, 提出了自适应多尺度焦点损失+CIoU损失的加权融合损失函数, 并通过实验得到最优超参数. 最后使用K-means算法初始化锚点框, 使模型更适应线状目标的预测. 结果表明, 该方法对于裂纹类别的检测达到了95.8%的平均精度(Average Precision, AP), 相较于改进前提升9.7%, 单张检测时间48 ms, 具有一定的工程应用价值.

摘要:在服饰鞋厂的加工生产过程中经常会出现断针现象, 残留在鞋子里的多余断针等金属异物会威胁人们的人身安全. 针对这一问题, 本文提出了一种基于深度学习的鞋底金属异物检测系统. 首先, 将鞋子依次放在传送带上送入检针机, 经过X光照射采集图像. 之后对采集到的图像进行预处理操作, 使金属异物变得清晰. 最后通过深度学习网络模型识别当前图像是否含有金属异物, 并检测异物所处位置. 实验结果表明, 经过图像预处理和微调标注框的做法, 能有效提高模型识别的精度. 本文提出模型的平均精度为97.6%, 该结果表明此模型可以有效检测遗留在各种鞋类中不同形状的金属异物, 具有很好的商业价值.

摘要:本文系统的论述了某型火炮战斗车火控系统综合评估设备的开发流程, 阐明了火控系统各单机设备精度评估数学模型的建立以及具体的计算方法. 在网络报文捕获、数值分析和数理统计理论基础上, 设计实现了具有设备报文捕获与保存、报文信息的解析与显示、报文数据的统计与分析功能的火炮战斗车火控系统综合评估设备. 该设备通过对录取报文的解析, 可反映出火控设备的故障信息、状态信息以及系统精度信息, 给战斗车火控系统的试验调试带来了极大的便利. 目前, 该设备已经应用于某型号战斗车的试验调试过程, 并取得了良好的效果.

摘要:针对当下生产线中由高级编程语言开发的上位机功能不明确、与OPC技术结合难的情况, 本文结合一般生产线的运行流程, 设计了一个基于OPC技术的上位机监控系统, 并在一条实际的装配线上进行了部署. 系统的通信部分以Qt和KEPServerEX结合的方式构建了高效的OPC通信机制, 功能部分则是将从服务端接收来的数据分别汇入存储、实时显示计算、报警处理、图表分析四个模块, 并在各个模块中进行相应的处理. 此外, 系统还包括工位校验、打标等控制模块, 用来实现客户端对PLC的控制操作. 实验结果证明, 该系统稳定性较高, 功能齐全, 可满足多数生产线中上位机软件的需求.

摘要:算法集成是研制建设综合性数据处理分析系统的一项重要内容. 本文基于临近空间科学实验支持系统研制实践, 针对面向科学研究需求的数据处理分析系统的算法集成问题, 设计了一种大型分布式系统中集成多种类、多版本、多功能算法的方法, 通过构建算法插件, 满足了此类科学实验支持系统并行开发、插件化调用、灵活扩展、更新迭代的要求. 采用该方法集成的系统部署在ZStack私有云平台上, 通过对临近空间科学实验中多种大气参数、原位探测参数、生态参数的计算分析实验验证了该方法的有效性.

摘要:针对多模态优化问题(MultiModal Optimization Problems, MMOPs)的求解, 提出了一种基于邻域低密度个体的差分进化算法. 该算法在每一代, 首先使用密度峰值聚类的方法求得每一个个体的密度, 然后, 将当前个体邻域范围内密度更低的个体作为变异算子的基向量, 随着种群的进化, 算法将会自动从探索阶段转化为收敛阶段, 进而平衡算法的探索与收敛能力. 将提出的算法应用于CEC2013多模态基准测试函数并进行仿真实验, 结果表明本文算法在评价指标峰值比和稳定性上与其它基于差分进化的多模态优化算法相比具有明显的优势, 并随着测试函数的维度与复杂性的增大, 优势就更加明显, 其性能优于许多现有的基于差分进化的多模态优化算法.

摘要:滚动轴承的运行状态对整机工作状态影响重大, 但目前其故障诊断方法存在依赖手工特征提取、鲁棒性不高等问题. 因此, 本文提出了一种基于改进的一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)集成的滚动轴承故障诊断方法(1D-CNN-LSTM). 首先, 利用改进的1D-CNN-LSTM模型对滚动轴承6种不同的工作状态进行了分类识别实验, 实验结果表明提出的分类模型能够以较快的速度识别出滚动轴承的不同状态, 平均识别准确率达99.83%; 其次, 将提出的模型与部分传统算法模型进行对比实验, 结果表明所提方法在测试精度方面有较大优势; 最后, 引入迁移学习测试模型的鲁棒性和泛化能力, 实验结果表明提出的改进模型在不同工况下有较好的适应性和高效性, 模型有较强的泛化能力, 具备工程应用的可行性.

摘要:如何将云客户端的大量虚拟机均匀的分配到云数据中心的物理主机上执行是一个关键问题. 提出了贪心算法优化云数据中心的虚拟机分配策略, 首先设计一个用于企业的云数据中心的工作场景, 该场景包括三层云计算系统结构, 包括用户层、云服务提供者层和云数据中心集合层. 用户层用来生成虚拟机的请求集; 云服务提供者层通过经典的装箱问题算法完成用户层的大量的虚拟机请求集到底层的云数据中心的分配. 然后建立虚拟机分配过程中各种约束因素的数学模型; 最后利用贪心算法优化云数据中心之间的虚拟机分配. 利用某个企业的大数据中心作为云端测试环境, 测试结果表明, 经典的最好适应算法Best-Fit-Algorithm具有比较的虚拟机分配效果, 云平台的能量消耗比较少, 该实验结果对于其他企业构造云数据中心有比较好参考价值.

摘要:为了更准确的估计混沌系统的未知参数, 提出了一种基于人工蜂群算法的混沌系统参数辨识方法, 该方法将混沌系统中参数估计转化为多维变量的函数优化问题, 利用搜索方程对多维空间变量进行充分搜索, 通过优化人工蜂群算法计算估计值与真值之间的均方差, 从而估计出混沌系统的参数. Lorenz混沌系统的参数辨识仿真实验结果表明了该方法的可行性, 并且算法收敛速度快, 估计精度高.

摘要:本文针对不同场景图像之间的转换问题, 提出了一种改进的生成对抗网络模型, 能够生成高质量的目标场景图像. 在生成目标图像过程中存在因为向下采样而丢失原图像空间位置信息的现象, 因此本文设计了一个包含跳跃连接和残差块的生成网络, 通过在网络中加入多个跳跃连接部分, 将图像的空间位置信息在网络中保持传递. 同时为提高训练过程中生成图像在结构上的稳定性, 引入SSIM图像结构相似指数, 作为结构重建损失, 以指导模型生成更优结构的目标图像. 此外, 为使得转换后的目标场景图像保留更多的色彩细节, 加入了身份保持损失, 明显增强了目标生成图像的色彩表现力. 实验结果表明, 本文所提的改进生成对抗网络模型能够在场景图像转换中得到有效地应用.

摘要:Kinect采集的点云存在点云数量大、点云位置有误差, 直接使用迭代最近点(ICP)算法对点云进行配准时效率低. 针对该问题, 提出一种基于特征点法向量夹角的改进点云配准算法. 首先使用体素栅格对Kinect采集的原始点云进行下采样, 精简点云数量, 并使用滤波器移除离群点. 然后使用SIFT算法提取目标点云与待配准点云公共部分的特征点, 通过计算特征点法向量之间的夹角调整点云位姿, 完成点云的初始配准. 最后使用ICP算法完成点云的精细配准. 实验结果表明, 该算法与传统ICP算法相比, 在保证点云配准精度的同时, 能够提高点云的配准效率, 具有较高的适用性和鲁棒性.

摘要:智能手机的日益普及给人们带来便捷的同时也带来了不少的隐患, 在一些特定的场景下需要对手机的使用进行监控和限制. 本文设计了一套手机使用状态监控系统, 先采用YOLOv3检测图像中的人体, 然后通过OpenPose姿态估计算法获得人体关节点, 再通过YOLOv3判断手部区域是否有手机, 最后通过神经网络分类器识别当前的手机使用状态. 系统的应用测试表明该方案具有良好的检测与识别效果, 能够满足相关场景的应用需求.

摘要:煤矿井下传送带在无煤或煤量较少的状态下长时间高速运转, 会耗费大量的电能. 为了节省井下传送带造成的电能损耗, 本文提出了一种边缘结构相似算法和YOLOv3结合的传送带空载判定方法. 通过边缘结构相似算法将结构特征和边缘特征相融合, 每相邻10帧比较图片的相似度, 连续比较3次判断传送带的运行状态. 若传送带运行, 则运用自适应锚框机制的YOLOv3模型, 检测传送带上的煤量, 最后判断传送带是否空载. 实验结果表明, 该方法可以有效准确的判断传送带的空载状态, 检测准确率达到96.85%.

摘要:针对词向量文本分类模型记忆能力弱, 缺少全局词特征信息等问题, 提出基于宽度和词向量特征的文本分类模型(WideText): 首先对文本进行清洗、分词、词元编码和定义词典等, 计算全局词元的词频-逆文档频度(TF-IDF)指标并将每条文本向量化, 将输入文本中的词通过编码映射到词嵌入矩阵中, 词向量特征经嵌入和平均叠加后, 和基于TF-IDF的文本向量特征进行拼接, 传入到输出层后计算属于每个分类的概率. 该模型在低维词向量的基础上结合了文本向量特征的表达能力, 具有良好的泛化和记忆能力. 实验结果表明, 在引入宽度特征后, WideText分类性能不仅较词向量文本分类模型有明显提升, 且略优于前馈神经网络分类器.

摘要:智能电网的快速发展给电网运行带来了新的挑战, 为适应智能电网快速响应的要求, 实现对电力负荷未来运行趋势的快速估计, 本文提出一种基于LSSVM模型的超短期电力负荷区间预测方法, 所提方法在点预测的基础上, 通过对样本数据的整体噪声方差进行估算来预测区间, 计算量小且大大减少了预测耗时. 在模型参数选取问题上, 首先使用Gamma Test噪声估计的参数确定方法确定最优的训练样本量和嵌入维数, 然后采用网格搜索的方法选择最优超参数, 使LSSVM模型在训练样本上的拟合误差逼近估计出的最小噪声. 为验证本文所提方法的有效性, 使用某电网的调度负荷数据进行了仿真实验, 其结果表明该方法不仅能够体现LSSVM简单快速的特点, 还通过对模型参数的优化使预测区间的准确性得到了保证.

摘要:中文关系抽取采用基于字符或基于词的神经网络, 现有的方法大多存在分词错误和歧义现象, 会不可避免的引入大量冗余和噪音, 从而影响关系抽取的结果. 为了解决这一问题, 本文提出了一种基于多粒度并结合语义信息的中文关系抽取模型. 在该模型中, 我们将词级别的信息合并进入字符级别的信息中, 从而避免句子分割时产生错误; 借助外部的语义信息对多义词进行建模, 来减轻多义词所产生的歧义现象; 并且采用字符级别和句子级别的双重注意力机制. 实验表明, 本文提出的模型能够有效提高中文关系抽取的准确率和召回率, 与其他基线模型相比, 具有更好的优越性和可解释性.

摘要:为了提高文学英译作品自动评价的水平, 引入基于机器学习的智能算法模型成为当前最有效的方法. 首先研究文学作品的翻译规则和特殊性, 建立基于变量特征的翻译评价指标体系; 然后利用Python语言平台, 英译文本经Stanford Parser、NLTK等工具包过滤预处理之后, 采取VSM向量空间模型获得特征编码和特征度, 再输入到Random-RF、Original-RF和AHP-RF算法模型中训练学习, 完成翻译质量评价与分析. 实验结果表明, 融合层次分析法、灰色关联法和随机森林算法的AHP-RF模型的分类效果优于其它2种, 同时人工译本相较于其它4种机器译本, 质量评分高、分类错误率小, 评价结果与实际翻译情况吻合.

摘要:随着计算机视觉近几年的发展, 相关工作者越来越侧重人工智能算法在电力安全管控系统的实际应用. 本文针对电力检修工作人员安全带规范问题, 基于Mask R-CNN算法提出了一种新型高空作业安全带低挂高用违规检测算法, 实时高效率完成作业者安全带违规检测问题. 针对安全带挂环违规现象的复杂性和场景多变性等问题, 本文提出实用于安全带检测和人体关键点信息相结合检测的Mask-Keypoints R-CNN新型高空作业安全带违规挂法的检测方法, 该算法基于人体关键点定位检测模块进行裁剪人体关键部位有用安全带数据集, 结合安全带检测模块进行判断作业人员违规情况, 算法本身具有很强的实用性和高效性, 并取得了较高的精确率.

摘要:随着我国环境监测技术的不断发展, 环境空气质量的网格化监测体系越来越受到相关工作人员的青睐, 为应对空气污染的网格化监测体系中的小型、微型监测站的空气质量预测问题, 本文提出了一种基于GCN和LSTM的空气质量预测模型. 首先利用GCN网络提取网格化监测体系中的小微型监测站之间的空间特征, 然后再使用LSTM提取时间特征, 最后使用线性回归层来综合时空特征并产生空气质量的预测结果. 为了验证本文提出的预测模型的性能, 我们使用了沈阳市浑南区的14个小微型监测站的空气质量监测数据进行实验. 实验结果显示, 基于GCN-LSTM的空气质量预测模型在空间关联较强的网格化监测中的小微型监测站上的预测结果的精度要优于单一的LSTM预测模型.

摘要:由于车联网中的节点多为快速移动的车辆, 因此节点的移动性使得车联网网络拓扑的结构变得更加复杂, 节点的分布范围变得更加广泛, 恶意节点对路由的潜在威胁也逐渐增加. 这些不确定因素都使车载节点间通讯的安全性与节点的空间信任值受到了的影响. 本文主要研究的内容是构建出一种基于反馈节点信任度的信任评估模型, 与经典的机会路由模型相结合, 提出一个优于现有、且更适合目前车联网复杂多变的环境所需要的可信路由模型, 进而提高节点间通信的安全性与准确性. 仿真实验结果表明: 各个路由模型的性能在不同预设值下差异明显. 其中FB-SF模型在提高数据传输准确度的同时尽可能的提高了恶意节点检测比.

摘要:为及时发现WSN节点故障隐患, 准确掌握WSN运行状态, 本文利用粗糙集理论属性约简算法(简称RS)对WSN节点故障属性进行约简, 以最优的故障属性决策表重构训练样本数据集, 作为极限学习机(Extreme Learning Machine, ELM)神经网络的输入, 建立一个数据驱动的WSN节点故障断模型. 采用乌鸦搜索算法(Crow Search Algorithm, CSA)优化 ELM 神经网络的输入权值和隐含层阀值, 改善网络参数随机生成带来的 ELM 模型输出不稳定、分类精度偏低的问题. 通过对 RS-GA-ELM模型进行仿真分析. 结果表明, RS-GA-ELM模型能够在可靠性不同的数据集中, 保持较高的故障诊断效率, 符合WSN节点故障诊断的需求.

摘要:为了更好的挖掘局部特征, 提升行人再识别的精度, 本文提出了一种利用水平池化提取局部特征的HPLF (Horizontal Pooling for Local Feature)算法, 在ResNet-50网络中对输入的联合数据集进行预处理, 提取特征, 对ResNet-50网络生成的特征图进行水平切割, 通过分割的特征图计算两两特征之间的距离, 再用难样本三元组损失(Triplet loss with Hard example mining, TriHard loss)来作为局部特征损失函数训练, 通过特征图计算全局距离, 通过难样本三元组损失来训练, 将这两个损失函数加上一个Softmax交叉熵损失函数, 联合起来作为总的损失函数进行参数修正. 实验结果表明: 在Market1501数据集中, mAP (mean Average Precision), Rank-1, Rank-5, Rank-10等性能指标上, HPLF算法比其他算法有3%左右的提升.

摘要:针对苗族图案的文化传承及设计应用问题, 提出基于可拓表征和神经网络的民族图案创新设计方法, 对苗族蜡染图案进行解构、映射和重构. 首先对苗族蜡染图案进行可拓表征, 运用发散树法构建设计生长阶段模型对苗族图案基元进行拓展分析. 其次基于感性工学对苗族蜡染图案进行感性意象分析, 提出一种面向图案构型、纹样语义和种类的图案解构方法, 构建图案特征要素解构空间和情感意象认知空间. 运用神经网络构建感性预测模型根据用户意象偏好推荐图案构型等设计要素, 对设计思维进行收敛, 并与线性回归预测模型进行对比验证其优势性. 最后根据神经网络感性预测模型推荐的特征要素应用形状文法对苗族蜡染图案进行细化设计. 以苗族蜡染图案为例, 验证该方法的可行性, 为其他民族图案的解构及创新设计提供参考.

摘要:从宏观角度研究基于关键词的网络舆情热度有助于相关机构把握目标群体的整体舆情动态, 从而实现精准施策, 提升舆论引导水平. 本文以新浪微博数据为例, 采用因子分析方法(Factor Analysis, FA), 挖掘舆情热度内在影响因素, 并通过改进Elman网络结构, 利用遗传算法(Genetic Algorithm, GA)优化初始参数来构建模型对网络舆情关键词热度进行分析预测. 实验结果表明, 所提出的方法相较于采用原始数据集和标准Elman网络的预测结果, 具有更高的预测精度, 可为相关研究提供决策支持.

摘要:空气质量指数(Air Quality Index, AQI)预测可以为人们日常生产活动以及空气污染治理工作提供指导. 针对空气质量指数预测模型受离群点影响较大的问题, 利用孤立森林算法对空气质量数据集进行离群点分析, 采用离群鲁棒极限学习机模型(ORELM)对空气质量指数进行预测, 并构建误差修正模块对模型预测误差进行修正. 最后, 以北京市空气质量数据作为研究对象, 分别利用ORELM模型以及极限学习机(ELM)模型进行预测, 并对ORELM模型预测结果进行误差修正. 实验结果表明: 离群鲁棒极限学习机对离群点数据集泛化性能更强, 误差修正模块能有效提高模型的预测精度.

摘要:准确合理的运营时段划分方案是制定地铁列车开行方案的前提和基础, 也是提高地铁运营效率的重要方式. 为了合理划分地铁运营时段, 本文构建时段客流特征向量以划分地铁运营时段. 以10 min为时间间隔对全日运营时段进行分段, 并根据时段内的客流变化特点构建各时段的特征向量. 并以此为基础采用K-means算法进行聚类, 同时以肘部法则、轮廓系数等聚类评估指标对结果进行评价, 以确定最优聚类数, 进而得到最优的运营时段划分方案. 最后以福州地铁一号线为例, 给出了该路线的运营时段划分方案, 验证了该方法的可行性.

摘要:水是我们人类赖以生存的必要元素之一, 水质的监测结果是进行水质量控制的依据. 在一个区域或者流域内就有很多水质监测点位, 随着人口增长、工业发展、土壤变更, 整个流域发生了很大的改变. 原来的点位就存在误选或者偏多、重复性的问题, 就需要采取一些措施, 尽量用少的点位全面的表现水质的分布, 节约人力, 物力. 为了解决这一问题, 本文所提出了一种将auto-encoder神经网络结合系统聚类的方法, 用auto-encoder对输入的样本进行特征选取, 将特征降维后而重新生成的新样本进行聚类, 达到了水质监测点位优化的目的. 实验表明, 相比于单独使用模糊聚类方法, 而不进行特征降维的方法, 此方法有一定的效果.

摘要:使用桩腿内切割方式进行导管架平台拆除过程中, 需对桩腿进行抽泥作业; 清淤泵作为桩腿内抽泥系统的关键设备, 其性能直接决定了清淤系统的工作效率. 为了获得抽泥系统中清淤泵的最优配置方案, 基于熵权-模糊层次分析法对清淤泵的性能进行综合评价. 建立清淤泵性能指标评价数学模型, 从5种性能相近的清淤泵中获得了最优选型方案. 研究结果表明: NSQ100-60-45 型清淤泵的综合评价权重最大, 性能更适合桩腿内抽泥作业. 文章建立的清淤泵性能评价模型具有较高的可靠性, 对抽泥系统中清淤泵方案选择具有指导意义.

摘要:针对视频理解中的时序难点以及传统方法计算量大的困难, 提出了一种带有时空模块的方法用于动作识别. 该方法采用残差网络作为框架, 加入时空模块提取图像以及时序信息, 并且加入RGB差值信息增强数据, 采用NetVLAD方法聚合所有的特征信息, 最后实现行为动作的分类. 实验结果表明, 基于时空模块的多模态方法具有较好的识别精度.