基于自注意力语义分割的航空发动机孔探图像检测

针对传统语义分割模型对于航空发动机孔探图像内损伤的检测存在小尺度或高相似度损伤易被漏检误判的问题,提出了一种基于自注意力语义分割(SA-SS)模型的航空发动机孔探图像检测方法。基于语义分割模型DeepLabv3+的总体架构,采用轻量级MobileNetV2替代原始的Xception作为主干特征提取网络,利用扩张—提取—压缩的结构进行特征提取,以减少模型计算量。基于多层级联结构,改进原始DeepLabv3+的空洞空间金字塔池化结构,使特征图保有更丰富的特征信息。在模型内融合一种自注意力机制,建立全局像素的内部相关性,加强对细节特征的注意力。改进原始DeepLabv3+的解码层,将多尺度空间融合方法引入低层特征提取,融合多个跃层特征。实验结果表明:与传统DeepLabv3+、SegNet-ResNet等方法相比,SA-SS模型的平均交并比和平均像素精确度最大分别提升了4.10%和3.92%,训练时间和平均检测速度最大分别改善了24.43%和5.11帧/s。

挖掘最大频繁模式的新方法

由于其内在的计算复杂性 ,挖掘密集型数据集的频繁模式完全集非常困难 ,解决方案之一是挖掘最大频繁模式集 .该文在频繁模式完全集挖掘算法OpportuneProject基础上 ,提出了挖掘最大频繁模式的新算法MOP .它采用宽度与深度优先相结合的混合搜索策略 ,能恰当地选择不同的支持集表示和投影方法 ,将闭合性剪裁和一般性剪裁相结合 ,并适时前窥 ,实现搜索与剪裁效率最优化 .实验表明 ,MOP效率是MaxMiner的 2～ 8倍 ,比MAFIA高 2个数量级以上 .

基于开源框架的高质量J2EE应用架构

在分析大量高质量开源框架的优缺点基础上,提出分层解耦、一个框架管理一个应用层次思想,并通过筛选、整合、扩展多个开源框架和对比多个具体整合模式,提出优秀的J2EE应用架构(Struts+Spring+Hibernate),并利用此架构实际开发了一个高质量的J2EE应用。实践证明,利用整合的架框易于大规模的开发与管理,且开发的系统具用重复代码少、可扩展性和可维护性强等优点。

挖掘闭合模式的高性能算法

频繁闭合模式集惟一确定频繁模式完全集并且尺寸小得多,然而挖掘频繁闭合模式仍然是时间与存储开销很大的任务.提出一种高性能算法来解决这一难题.采用复合型频繁模式树来组织频繁模式集,存储开销较小.通过集成深度与宽度优先策略,伺机选择基于数组或基于树的模式支持子集表示形式,启发式运用非过滤虚拟投影或过滤型投影,实现复合型频繁模式树的快速生成.局部和全局剪裁方法有效地缩小了搜索空间.通过树生成与剪裁代价的平衡实现时间效率与可伸缩性最大化.实验表明,该算法时间效率比其他算法高5倍到3个数量级,空间可伸缩性最佳.它可以进一步应用到无冗余关联规则发现、序列分析等许多数据挖掘问题.

基于协同决策的多航站楼停机位实时分配算法

针对多航站楼机场停机位实时指派问题,提出了基于协同决策并考虑航空公司时隙交换公平性的机位实时指派算法。该算法将多航站楼资源的可共享性考虑到指派算法中,以最小延误费用原则为约束,采用混合集合规划进行指派模型的建立与求解。该算法在保证多航站楼停机位资源有效共享的前提下,充分实现了航空公司时隙交换的公平性,并且使延误引起的多方成本最小化。算例说明:本文提出的算法可以有效解决多航站楼的机位实时分配问题。

关联规则挖掘技术研究的新进展

在数据库中发现频繁模式和关联规则是数据挖掘领域的最基本、最重要的问题。自从Agrawal的开创性工作以来,有关研究从未停止过。然而由于其内在的计算复杂性,这一问题并未完全解决。本文对关联规则的基本概念和类型、重要挖掘算法、特别是近年来相关研究的新进展做了全面综述与深入分析,并指出了未来的研究方向。

基于剪枝和去噪的航空发动机故障图像识别与预测

航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%~10%,在检测效率上提高6%~20%。

多维多层关联规则有效挖掘的新算法

提出根据信息熵划分属性值区间或集合、自动生成与人机交互相结合确定层次结构的方法,将多维多层多数据类型问题转化为受约束的一维单层布尔型问题.在此基础上,对直接生成频繁模式的FPT Gen算法进行了扩展,实现了有效挖掘多维多层关联规则的新算法MDML FPT Gen,其效率与可伸缩性均优于经典方法.

挖掘空间关联规则的前缀树算法设计与实现

空间关联规则挖掘是在空间数据库中进行知识发现的一类重要问题 .为此提出了挖掘空间关联规则的二阶段策略 ,通过多轮次单层布尔型关联规则挖掘 ,自顶向下逐步细化空间谓词的粒度 ,从而空间谓词的计算量大大减少 .同时 ,设计了一种基于前缀树的单层布尔型关联规则挖掘算法 (FPT- Generate) ,不需要反复扫描数据库 ,不产生候选模式集 ,并在关键优化技术上取得了突破 .实验表明 ,以 FPT- Generate为挖掘引擎的空间关联规则发现系统的时间效率与空间可伸缩性远远优于以经典算法 Apriori为引擎的系统 .

CDM机制下基于多航站楼运行模式的机场停机位实时分配算法

将多航站楼资源共享和航空公司时隙可互换作为前提,建立多方(机场、航空公司和旅客)最小延误费用原则,采用混合集合规划(MSP)进行建模与求解.该模型不仅能保证多航站楼停机位资源的有效共享,而且能充分优化油耗成本以及航班波扰动引起的旅客中转等待成本.实例表明,文中所提出的指派算法能有效地解决多航站楼模式下的机位实时分配问题.

移动式数据挖掘平台模型

本文提出了一种移动式网络海量数据挖掘平台,给出了数据挖掘任务的形式化描述,详细讨论了平台的体系结构、工作原理与流程。该平台克服了传统网络计算模式的缺陷,支持对异质、分散数据源和知识源的挖掘和检索,具有开放性、可伸缩性、灵活性、可扩展性、健壮性。

基于多阶段特征的人群疏散控制仿真研究

发生突发事件时,在人群密度较小情况下,人群速度和疏散效果是线性关系,然而当人群密度较大时,人群速度和疏散效果是非线性关系。传统的方法针对的是密度较小、平稳的人流密度变化进行疏散控制。当密度较大时,疏散速度不能过快,一旦踩踏事件发生,模型的稳定性被破坏。为解决上述问题,提出了基于突变理论和社会力修正模型的密度较大情况下的人群疏散方法。上述方法定义了速度变化系数和视角变化系数,能有效修正社会力模型,使得疏散模型与实际情况更贴切。通过对首都机场典型场景下的计算,分析和讨论了4类人群的疏散控制问题。结果表明人群疏散包括高效疏散、产生人员踩踏的疏散两个阶段。仿真结果与首都机场的应急救援演练数据相吻合,能够为大型公共场所的人群疏散提供指导。

生物信息集成研究综述

随着计算机和生物技术的发展,生物信息集成已经成为一个重要的研究领域.在当前的实际应用中,分析设计生物信息集成系统已成为生物信息学领域的研究热点.本文讨论了生物信息集成所采用的主要方法,分析了著名的生物信息集成系统,并对将来的研究主题进行了展望.

基于智能文档技术的合同管理系统解决方案

该文分析当前主流的合同管理系统解决方案存在的缺陷,提出以处理文档为核心的信息系统开发的新思路,在阐述智能文档技术的基础上,讨论基于这一新技术的系统解决方案和用户主导开发模式,结合某环保工程公司的应用给出设计案例,对于企业信息化建设具有指导意义.

大数据中效用挖掘的快速单阶段算法

现有数据挖掘算法的缺点是在挖掘大数据时会出现大量候选模式，从而造成可伸缩性瓶颈，个别算法虽然不生成候选模式，但是计算代价高昂，缺乏有效剪裁，运行效率存在瓶颈。为此，提出一个全新的单阶段不生成候选模式的数据挖掘算法，其创新性有3点：一是基于前缀生长的模式枚举和基于效用上限值评估的剪裁策略；二是基于稀疏矩阵和虚拟投影的效用信息表达；三是节省存储空间的深度优先搜索方法。大量实验表明．新算法的时间效率比现有算法高5倍以上，并且内存使用量比现有算法少20％～60％，可伸缩性高。

云键—值数据仓库的并行数据集成方法研究

分析了云键—值数据库的特点,提出了基于云键—值模型的信息集成模型。根据该模型提出了并行化数据集成方法。首先根据数据源的依赖关系确定集成活动的优先级;然后根据该优先级结合MapReduce算法实现数据的并行集成;最后通过实验结果表明,提出的方法能更好地支持云数据仓库中的数据集成。

信息集成系统中的模式融合问题研究

将模式融合分为模式映射、主键-外键融合和用户自定义的完整性融合3个部分。模式映射将关系模式或其他模式映射为对象代理模式类,主键-外键映射采用新的模式融合算法,充分考虑对象代理模型的特点。提出了一个新的操作Merge来解决用户自定义的模式融合。该操作克服了其他模型的用户自定义模式限制难于融合的问题。在Smalltalk环境中实现了基于对象代理模型的模式融合系统,并给出应用实例。

基于航班延误的机场滑行道停机位分配模型研究

针对缺少滑行道停机位一体化分配,在传统研究的基础上引入了延误这个前提条件,并且选择旅客满意度以及航空公司运行成本作为限制条件,建立了滑行道-停机位一体化分配模型.由于单一的基因算法和蚁群算法在进行滑行道-停机位一体化分配时都无法求解,而基因算法的全局寻优能力和蚁群算法对局部求解的优势可以使分配变得简单,所以提出了基因蚁群算法.使用某机场的运行数据进行仿真验证.结果表明:提出的方法能够更好地进行滑行道-停机位一体化分配.

航空发动机静电传感器温度漂移特性分析

高稳定性的传感器是传感器设计追求的目标,其中温漂是影响设计传感器性能稳定性的主要因素。采用ARIMAGARCH模型对传感器温度的线性和非线性漂移进行了建模,找出温度漂移数据的变化规律。对于线性漂移,滞后1阶的样本自相关系数大于2倍标准差,说明该温漂序列具有短期相关性。对于非线性漂移,残差平方的自相关系数2阶截尾,偏自相关系数1阶截尾,说明具有ARCH效应。研究结果表明,在不影响信度的情况下,提出的模型能够更加精确的预测置信区间,表明长时间的高温实验对传感器稳定性造成的影响能够控制在合理范围内。

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命(RUL)预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题,提出了一个新的多阶段航空发动机RUL预测模型,包括超统计理论、突变点检测、无迹卡尔曼滤波(UKF)与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波(BS-MSF)算法。首先,该算法采用超统计理论进行突变点检测,将航空发动机的健康数据划分为多个退化阶段;其次,应用UKF对融合的时变参数进行滤波处理;最后,通过非线性拟合对发动机RUL进行预测,实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差,能更准确地预测发动机的RUL,预测精度比单阶段方法提高5.5%。