冲击速度及骨料率对混凝土动强度的影响研究

混凝土结构抗爆炸冲击能力研究具有很重要的军事防护意义.国内外学者已对混凝土动强度的提高机理进行了大量研究,但大多探讨单个因素对混凝土动强度的影响,缺乏对多因素耦合作用下混凝土动强度规律的研究,并且对混凝土抗压动强度和抗拉动强度间的关系研究也较少.通过霍普金森压杆试验仪的单轴压缩试验和巴西圆盘劈裂试验,测定了不同骨料率和冲击速度下混凝土的抗压动强度和抗拉动强度,再对试验结果进行研究分析,得到混凝土动强度的理论表达式,并将混凝土抗拉抗压动强度进行了对比分析.结果表明:混凝土抗压动强度与混凝土骨料率和冲击速度呈正相关,且随着混凝土骨料率的增大,冲击速度越小,混凝土抗压动强度增加幅度越大,受动载时,混凝土抗压动强度提高幅值大于抗拉动强度提高幅值.

基于空频域特征提取的小样本图像分类算法

小样本学习的目的是使用极少的样本训练模型,并在有限的数据集上构建一种有效的模型,以实现对新样本的准确预测。关于小样本图像分类的研究大多只从空域的角度去提取图像的特征进行学习,且在计算相似性分数时采用单一的度量模式,极大地降低了图像分类的准确性。为此,提出了一种基于空频域特征提取的小样本图像分类算法网络(FENet),从空域和频域角度出发,提取图像特征,并结合图像到图像的度量与图像到类的度量方式,引入干扰因子,提高模型的鲁棒性和泛化性。在CUB-200-2011、Stanford-Cars、Stanford-Dogs 3个数据集上进行了大量的实验,结果表明,FENet在一定程度上能提升小样本图像分类的准确性。

二阶各向异性高斯导数滤波器的斑点检测算法

针对目前斑点检测算法对斑点进行定位和描述斑点形状的能力不足等问题,提出了一种基于多尺度二阶各向异性高斯方向导数滤波器的斑点检测算法。二阶各向异性高斯方向导数(SOAGDD)可以很好的提取不同方向的图像信息,并且可以很好的应对噪声干扰,采用多尺度二阶各向异性高斯方向导数滤波器对输入图像进行平滑处理,对处理后图像进行区域极值计算。实验证明提出的方法在兴趣点检测的定位、检测到的兴趣点的形状描述和图像匹配方面具有优越性。

石头河水库含沙量模拟及分层取水方案研究

石头河水库对于保障关中城市群高质量发展具有重要意义。为解决汛期水库浊度较高的问题,在分析石头河水库分层取水必要性的基础上,采用MIKE3软件对某次洪水过程中库区和坝前不同高度的含沙量进行模拟研究,初步提出叠梁门式、活动式及新建放水塔三种分层取水方案,以最大化综合效益,进一步提升供水质量,并为同类项目提供理论和实践指导。

基于人体语义分割重构的虚拟试衣网络

近年来,虚拟试衣在网上购物中发挥重要作用,其商业价值被广泛关注。基于图像的虚拟试衣旨在将目标衣物准确形变,并合成到目标人物图像上。而实现衣服准确形变的关键在于如何确定衣服图像的形变位置和形变程度。针对该问题,提出一种基于人体语义分割重构的虚拟试衣网络。在虚拟试衣前,首先利用仿射变换将目标衣物预对齐到目标人体的相应位置;然后重构目标人体的语义分割数据,预测虚拟试衣成功后的语义分布;最后根据新的语义分割计算形变参数,并形变衣物图像以自适应补充缺失姿态信息的方式合成到目标人体上。实验表明,该方法可以取得更好、更真实的虚拟试衣结果。

电感耦合等离子体发射光谱法快速测定土壤中有效钼的含量

钼是作物生长所需要的一种必要元素,本文采用草酸-草酸胺浸提剂提取土壤中的有效钼,并使用电感耦合等离子体发射光谱法(ICP-OES)对土壤样品及土壤标准物质中的有效钼进行了测定且计算了方法的检出限与定量限,该方法准确、快捷、重现性好,可对土壤中的有效钼进行快速测定。

改进深度卷积生成式对抗网络的文本生成图像

针对深度卷积生成式对抗网络(DCGAN)模型高维文本输入表示的稀疏性导致以文本为条件生成的图像结构缺失和图像不真实的问题,提出了一种改进深度卷积生成式对抗网络模型CA-DCGAN。采用深度卷积网络和循环文本编码器对输入的文本进行编码,得到文本的特征向量表示。引入条件增强(CA)模型,通过文本特征向量的均值和协方差矩阵产生附加的条件变量,代替原来的高维文本特征向量。将条件变量与随机噪声结合作为生成器的输入,并在生成器的损失中额外加入KL损失正则化项,避免模型训练过拟合,使模型可以更好的收敛,在判别器中使用谱约束(SN)层,防止其梯度下降太快造成生成器与判别器不平衡训练而发生模式崩溃的问题。实验验证结果表明:所提模型在Oxford-102-flowers和CUB-200数据集上生成的图像质量较alignDRAW、GAN-CLS、GAN-INT-CLS、StackGAN(64×64)、StackGAN-v1(64×64)模型更好且接近于真实样本,初始得分值最低分别提高了10.9%和5.6%,最高分别提高了41.4%和37.5%,FID值最低分别降低了11.4%和8.4%,最高分别降低了43.9%和42.5%,进一步表明了所提模型的有效性。

“双一流”背景下学位点建设机制研究

为了实现国家建设“双一流”大学的宏伟目标,培养出专业一流高水平人才,需结合时代需求和当代研究生毕业需求对高校学位点建设机制进行研究。本文分析了学位点建设科学的基本特征与学位点的建设机制,深入探讨了专业学位点建设的科学发展规律,提出了学位点建设意见:学位点科学发展必须以学位点建设的本质特点的完整认识为基础,必须以发展完善学位点建设的本质特点为根本方向,必须把握和推进学位点发展规律的有效体现和高速运行。

基于自适应特征融合的小样本细粒度图像分类

现有的小样本学习算法未能充分提取细粒度图像的特征,导致细粒度图像分类准确率较低。为了更好地对基于度量的小样本细粒度图像分类算法中提取的特征进行建模,提出了一种基于自适应特征融合的小样本细粒度图像分类算法。在特征提取网络上设计了一种自适应特征融合嵌入网络,可以同时提取深层的强语义特征和浅层的位置结构特征,并使用自适应算法和注意力机制提取关键特征。在训练特征提取网络上采用单图训练和多图训练方法先后训练,在提取样本特征的同时关注样本之间的联系。为了使得同一类的特征向量在特征空间中的距离更加接近,不同类的特征向量的距离更大,对所提取的特征向量做特征分布转换、正交三角分解和归一化处理。提出的算法与其他9种算法进行实验对比,在多个细粒度数据集上评估了5 way 1 shot的准确率和5 way 5 shot的准确率。在Stanford Dogs数据集上的准确率提升了5.27和2.90个百分点,在Stanford Cars数据集上的准确率提升了3.29和4.23个百分点,在CUB-200数据集上的5 way 1 shot的准确率只比DLG略低0.82个百分点,但是5 way5 shot上提升了1.55个百分点。

改进Chan-Vese模型的电力设备红外图像分割算法

针对电力设备在线监测系统中红外图像分割效果差,速度慢等问题,提出一种改进的Chan-Vese模型的红外图像分割算法。首先,通过引入边缘能量项,一方面增强模型的局部控制能力,另一方面有效抑制了轮廓偏移。其次,利用径向基函数取代了传统的长度正则项,简化了计算。然后,通过引入内部能量项省去初始化过程,节省了算法的运行时间。经实验验证,Dice重合率(Dice similarity coefficient,DSC)平均值为0.9808,错误分割率(ratio of segmentation error,RSE)平均值为0.025,算法运行时间比其他模型总体平均值低66.8%。改进后的Chan-Vese模型分割算法的Dice重合率和错误分割率等均优于GAC-CV、CV-RSF、区域型水平集和Multiphase-CV模型分割算法。

国际原油价格变动对我国农产品价格波动的影响

随着全球一体化进程的加快,国际原油价格变动对我国农产品价格的影响越发明显。本文采用2002年1月-2013年6月的月度数据,运用VAR(向量自回归)模型,实证分析了国际原油价格变动对我国农产品价格波动的影响。研究发现,国际原油价格与我国农产品价格存在着长期稳定关系;运用国际原油价格预测我国农产品价格的最佳滞后期为两个月,即本期农产品价格的决定因素为前两个月的国际原油价格和我国农产品价格;国际原油价格对我国农产品价格的影响系数虽然较小但显著;使用VAR模型得到的我国农产品价格预测值与真实值相差只有1%左右。

基于验证性因子分析的农户收入质量研究

文章通过对收入质量概念的分析,根据4省1 420份农户调查数据,采用结构方程模型,对收入质量体系进行二阶验证性因子分析,探究了收入质量体系的合理性以及各维度与收入质量的关系。研究表明,收入质量与其各维度之间的路径系数均显著,说明收入质量由收入的充足性、结构性、稳定性、成本性和知识性构成,其体系构建正确合理。其中,收入的充足性对收入质量的影响最大,影响能力达到0.781。收入的稳定性、结构性、成本性和知识性影响程度依次降低,影响能力分别为0.541,0.472,0.288和0.259。收入的成本性负向影响收入质量,其他维度为正向影响。因此,在关注农户收入数量的同时,应重视收入质量的其他维度。

基于神经网络的电子邮件分类与过滤

现在电子邮件的应用非常广泛,已经成为人们生活中一种重要的通讯手段,但各种各样的垃圾邮件也是令我们十分困扰的问题,给出了一种电子邮件的分类过滤方法。电子邮件作为一种半结构化的文档,电子邮件信息包含了固定的语法部分和一定长度的可变文本部分,同时处理这两部分以得到更高的准确度。首先对邮件进行文本处理,得到特征向量;然后使用基于神经网络的方法对邮件进行分类过滤得到邮件分类器;最后通过实验验证分类器的有效性。

基于注意力机制与图网络的多目标跟踪

在基于检测的多目标跟踪算法中,为了获取更具鉴别性的特征以及解决复杂场景下目标的频繁带来的目标丢失以及身份切换问题,提出了一种基于注意力机制与图网络的多目标跟踪算法。算法利用Resnet-34-CBAM网络作为外观特征提取网络,分别将相邻帧的外观特征、位置信息利用特征融合网络进行融合,将获得的融合特征与运动特征分别使用不同更新策略的图网络进行更新,分别获得融合特征与运动特征相似度,使用超参数将两种相似度结合,进而获得相邻帧目标之间的相似度。最终使用匈牙利算法完成关联实现跟踪任务。最后在MOT17数据集进行实验,相较MOTDT算法,MOTA指标提升2.7%,MOTP指标提升6.4%,IDF1指标提升5.9%。实验结果证明,提出的基于图网络与注意力机制的多目标跟踪算法可以有效提高多目标跟踪的整体性能,并有效降低身份切换。

基于多边形顶点单应映射的多摄像机前景融合实时运动目标检测

采用多摄像机多平面单应前景映射融合的方法可以减小目标遮挡所造成的影响并提高目标检测的准确性和可靠性。采用传统的前景图单应变换是一个图像级的运算,需要将前景图中的全部像素逐一投影到参考视角中。为了消除透视效应产生空洞区域,还需根据分辨率较高的参考视角反映射的方法确定前景投影图。由于计算量较大,处理无法应用到实时目标检测中。该文提出了一种前景轮廓多边形顶点映射的方法,首先对在单摄像机中检测出的前景进行多边形逼近,只对前景多边形的顶点进行单应映射,最后在参考视角中根据映射顶点进行前景重构,提高前景映射的运算速度以满足多摄像机前景融合实时目标检测。实验中,多边形顶点法与传统法、轮廓法、矩形框法进行了比较。实验表明,重构的前景映射图不仅可以有效地逼近图像级单应变换的前景映射图,而且在运动目标大小不同的情况下,多摄像机前景融合目标检测的运算速度可以分别提高约12和69倍。

工程教育专业认证背景下《通信原理》实验教学的探索与实践

工程教育专业认证是近年来国内高等工程教育面临的一项重要工作.《通信原理》是一门原理性强,抽象概念多的电子及通信专业的核心课程.为了在工程教育专业认证背景下,解决该课程的实验环节中的诸多问题,并进一步培养学生解决"复杂工程问题"的能力,本文提出了一系列的实验教学改革措施,从实验教学内容、教学模式、考核评价方式这三个方面进行了探究,并列出了知识点与课程目标对应分值对应的关系,并在近三年教学过程中持续改进,希望能够为通信原理实验教学改革提供帮助.

基于变权集对-可拓耦合模型的脚手架安全评价

脚手架安全评价是建筑工程安全管理的重要部分,为准确判断脚手架工程安全等级和等级转变趋势,建立了脚手架变权集对-可拓耦合评价模型。通过变权理论对指标的常权权重进行修正,考虑了评价指标值的水平组态对指标权重的影响;将集对分析和可拓理论相结合,建立了脚手架集对-可拓耦合评价模型,运用三分原理对可拓集合论域进行划分,有效地刻画了评价指标的不确定性并克服了评价中的不相容问题。将该模型应用于某脚手架工程,结果显示:脚手架工程安全等级为Ⅱ级,但略有偏向级的趋势。与传统脚手架安全评估方法相比,评估结果更精确,同时也验证了模型的可行性。

高光谱图像基于像素结构的改进PCA算法

主成分分析法(PCA)作为一种常用的降维算法,被广泛的应用到如高光谱图像处理等需要进行大量数据处理的应用中。PCA的主要目的是利用正交变换,将具有相关性的高维数据的分量转换为线性不相关的新的成分变量,但当矩阵维数超过百万时候会造成严重的计算困难问题。本文针对PCA运算中协方差矩阵计算过程中内存调度的问题,提出了一种基于像素结构的改进的协方差矩阵计算方法,可以在确保与常规PCA具有相同性能的同时有效地降低计算所需的存储器规模。实验中分别采用传统PCA算法和改进算法对高光谱图像数据进行特征提取后利用支持向量机(SVM)进行分类,对比结果验证了改进算法的有效性和可靠性。

河谷形状对沥青混凝土心墙坝变形特性的影响

将河谷形状与堆石材料的力学特性联系起来,定义了河谷宽度系数、河谷边坡陡缓系数和河谷非对称系数等3个动态参数来描述河谷形状。利用新定义的河谷形状参数研究其对沥青混凝土心墙坝变形特性的影响,结果表明:河谷宽度直接影响沥青混凝土心墙底部应力拱效应的强弱,河谷宽度系数越小,狭窄河谷地形导致的应力拱效应越明显,从而可能诱发心墙水力劈裂;河谷边坡的陡缓影响沥青混凝土心墙两侧拉应力的分布规律和量值大小,河谷边坡陡缓系数增大,沥青混凝土心墙左右两侧的拉应力区范围变小但量值增大;沥青混凝土心墙两侧的沉降差随河谷非对称系数的增大而明显增加,据此初步给出了区分河谷对称性的界限值;河谷形状对沥青混凝土心墙坝的三向位移均会产生一定约束作用,河谷宽度对坝体位移的影响最为显著。

基于循环神经网络变体和卷积神经网络的文本分类方法

针对长文本在文本分类时提取语义关键特征难度大,分类效果差等问题,建立基于循环神经网络变体和卷积神经网络(BGRU-CNN)的混合模型,实现中文长文本的准确分类。首先,通过PV-DM模型将文本表示为句向量,并将其作为神经网络的输入;然后,建立BGRU-CNN模型,经双向门控循环单元(B-GRU)实现文本的序列信息表示,利用卷积神经网络(CNN)提取文本的关键特征,通过Softmax分类器实现文本的准确分类;最后,经SogouC和THUCNews中文语料集测试,文本分类准确率分别达到89.87%和94.65%。测试结果表明,循环层提取的文本序列特征通过卷积层得到了进一步优化,文本的分类性能得到了提高。