A new edge recognition technology based on the normalized vertical derivative of the total horizontal derivative for potential field data

Edge detection and enhancement techniques are commonly used in recognizing the edge of geologic bodies using potential field data. We present a new edge recognition technology based on the normalized vertical derivative of the total horizontal derivative which has the functions of both edge detection and enhancement techniques. First, we calculate the total horizontal derivative （THDR） of the potential-field data and then compute the n-order vertical derivative （VDRn） of the THDR. For the n-order vertical derivative, the peak value of total horizontal derivative （PTHDR） is obtained using a threshold value greater than 0. This PTHDR can be used for edge detection. Second, the PTHDR value is divided by the total horizontal derivative and normalized by the maximum value. Finally, we used different kinds of numerical models to verify the effectiveness and reliability of the new edge recognition technology.

Similarity measurement method of high-dimensional data based on normalized net lattice subspace

The performance of conventional similarity measurement methods is affected seriously by the curse of dimensionality of high-dimensional data.The reason is that data difference between sparse and noisy dimensionalities occupies a large proportion of the similarity,leading to the dissimilarities between any results.A similarity measurement method of high-dimensional data based on normalized net lattice subspace is proposed.The data range of each dimension is divided into several intervals,and the components in different dimensions are mapped onto the corresponding interval.Only the component in the same or adjacent interval is used to calculate the similarity.To validate this method,three data types are used,and seven common similarity measurement methods are compared.The experimental result indicates that the relative difference of the method is increasing with the dimensionality and is approximately two or three orders of magnitude higher than the conventional method.In addition,the similarity range of this method in different dimensions is [0,1],which is fit for similarity analysis after dimensionality reduction.

Optical-Elevation Data Co-Registration and Classification-Based Height Normalization for Building Detection in Stereo VHR Images

Building detection in very high resolution (VHR) images is crucial for mapping and analysing urban environments. Since buildings are elevated objects, elevation data need to be integrated with images for reliable detection. This process requires two critical steps: optical-elevation data co-registration and aboveground elevation calculation. These two steps are still challenging to some extent. Therefore, this paper introduces optical-elevation data co-registration and normalization techniques for generating a dataset that facilitates elevation-based building detection. For achieving accurate co-registration, a dense set of stereo-based elevations is generated and co-registered to their relevant image based on their corresponding image locations. To normalize these co-registered elevations, the bare-earth elevations are detected based on classification information of some terrain-level features after achieving the image co-registration. The developed method was executed and validated. After implementation, 80% overall-quality of detection result was achieved with 94% correct detection. Together, the developed techniques successfully facilitate the incorporation of stereo-based elevations for detecting buildings in VHR remote sensing images.

Bayesian Inference of Spatially Correlated Binary Data Using Skew-Normal Latent Variables with Application in Tooth Caries Analysis

The analysis of spatially correlated binary data observed on lattices is an interesting topic that catches the attention of many scholars of different scientific fields like epidemiology, medicine, agriculture, biology, geology and geography. To overcome the encountered difficulties upon fitting the autologistic regression model to analyze such data via Bayesian and/or Markov chain Monte Carlo (MCMC) techniques, the Gaussian latent variable model has been enrolled in the methodology. Assuming a normal distribution for the latent random variable may not be realistic and wrong, normal assumptions might cause bias in parameter estimates and affect the accuracy of results and inferences. Thus, it entails more flexible prior distributions for the latent variable in the spatial models. A review of the recent literature in spatial statistics shows that there is an increasing tendency in presenting models that are involving skew distributions, especially skew-normal ones. In this study, a skew-normal latent variable modeling was developed in Bayesian analysis of the spatially correlated binary data that were acquired on uncorrelated lattices. The proposed methodology was applied in inspecting spatial dependency and related factors of tooth caries occurrences in a sample of students of Yasuj University of Medical Sciences, Yasuj, Iran. The results indicated that the skew-normal latent variable model had validity and it made a decent criterion that fitted caries data.

正态随机仿射变换的图像数据增强方法

针对现有图像数据增强方法会生成大量无效冗余数据,导致训练数据质量降低和网络泛化性能减弱的问题,提出一种基于正态分布的随机仿射变换(random affine transformation based on normal distribution,NRAff)图像数据增强方法。NRAff的核心是设计一个正态随机仿射变换模块,在随机仿射变换中引入正态分布,使图像随机仿射变换幅度以原图像为中心呈正态分布形式输出,通过限制变换图像输出的分布范围,去除无效数据,获取更有效且具有正态分布特性的图像数据。NRAff方法仿照生物视觉感知系统的正态分布采样机制,使生成的图像分布接近生物视觉主观感知效果,突出目标感知的正态分布特性,使网络在变换的特征中学习不变的特征。该方法能够提高图像数据分布的一致性,使网络学习到更多有效的、潜在的仿射变换不变特征,提高网络抗过拟合能力。在图像分类数据集CIFAR10,CIFAR100,SVHN,Fashion-MNIST和Imagenette上,与当前先进的数据增强方法进行实验和对比分析,实验结果表明,提出的图像增强方法在分类准确率上均有不同程度的提升,验证了NRAff方法的有效性和普适性。

基于时空数据融合的塔吉克斯坦中高时空分辨率NDVI数据集(2010-2020)

归一化植被指数(Normalized Difference Vegetation Index,NDVI)是研究植被最常用的遥感指数之一。NDVI长时间序列数据对于植被变化研究有着重要的意义。然而由于传感器的限制,遥感数据的时间分辨率与空间分辨率不能兼顾,因此在目前广泛使用的NDVI数据产品中,高时空分辨率的数据还较为缺乏。本产品基于Cubist模型对MODIS数据与Landsat及哨兵等遥感数据进行时空数据融合,得到了塔吉克斯坦2010–2020年中高时空分辨率Landsat-MODIS融合数据,以及2020年中高时空分辨率Sentinel-MODIS融合数据。为保证数据的准确性和可靠性,本数据集从数据源的质控,模型训练优化,以及模型独立验证三个方面对数据产品进行质量控制,且取得了较好的验证效果。本数据集可反映塔吉克斯坦2010–2020年NDVI时空变化情况,可为该地区植被变化分析、生态环境监测等提供长时间序列数据支撑。

中亚地区2001-2020年250 m及2020年30 m分辨率植被生长季NDVI数据集

中亚地区是北半球最大的干旱和半干旱区,其生态环境十分脆弱,对全球气候变化的响应较为敏感。由于该区域的特殊地理位置,维护该区域生态系统的稳定对全球经济社会发展至关重要。植被具有重要的生态环境指示作用,其时空分布格局和变化趋势是评估区域生态状况的重要指标。归一化植被指数(Normalized Difference Vegetation Index,NDVI)作为研究植被最常用的遥感指数之一,能够表征植被的时空变化特征。本数据集利用MODIS13Q1产品生成了中亚地区2001–2020年长时间序列空间分辨率为250 m的生长季均值NDVI数据,并使用基于规则的分段回归Cubist算法,结合Landsat数据,融合得到了能够更好表征地物细节的30 m空间分辨率的2020年生长季均值NDVI数据。同时,本数据集从数据源的质控,模型训练优化,以及模型独立验证三个方面对数据产品进行质量控制,以确保数据的精度和可靠性。本数据集的生成为中亚地区植被动态变化和空间格局的分析提供了有力的数据支持。

基于YOLOv5s的织物缺陷实时检测算法

在织物工业化生产过程中,织物缺陷种类繁多,且包含大量小目标缺陷和极端宽高比的细长缺陷,这使得织物缺陷检测成为了一项具有挑战性的任务。针对这一问题,提出了一种改进的YOLOv5s算法。首先改进Mosaic数据增强方法,在丰富数据集的同时,削弱了原数据增强方法对部分织物缺陷类型检测的副作用,提升了小目标与极端宽高比瑕疵的检测能力。再改进批量归一化为代表性批量归一化,提升算法对纷繁多样的瑕疵实例的差异化特征表达并抑制噪声干扰;最后引入轻量化的坐标注意力,以精准的位置信息编码了特征的长距离依赖关系和通道依赖关系,增强算法对缺陷的定位能力。实验结果表明,本算法大幅提高了小目标与极端宽高比缺陷的检测能力,使得平均检测精度mAP达到81.3,相比原YOLOv5s提升了4.1%,检测速度为32.6 fps,完全满足实时性要求,本算法较好地平衡了检测精度与检测速度。

基于自注意力和门控循环神经网络的雷达回波外推算法研究

为提升现有神经网络对雷达回波序列的时、空特征提取能力,建立外推性能更优的时、空序列预测模型,开展雷达回波外推算法改进研究。基于深圳市气象局与中国香港天文台共同建立的雷达回波数据集,在数据处理层面,通过改进对雷达回波图像序列归一化的方法,提升了常用的5种时、空序列预测模型对强回波的预测水平;在模型算法层面,将两个联立的自注意力结构引入ST-LSTM结构,组成新的循环门控单元,并将这些循环门控单元进行堆叠,建立ST-SARNN模型。选用CSI和POD作为精度评价指标,进行模型对比分析得到:(1)改进的归一化方法提升了近几年内常用的5种时、空序列预测模型对强回波的预测水平。(2)加入自注意力的ST-SARNN模型对雷达回波的预测性能显著优于ConvLSTM、PredRNN和MIM等模型。改进的归一化方法能改变样本数据分布,并在一定程度上提升模型外推性能;自注意力结构能够有效挖掘雷达回波序列的时、空特征,进而改进神经网络的外推表现。

基于全连接神经网络的压铸件质量预测算法

目的针对复杂压铸制造过程中高精度监控和质量预测问题,构建全连接神经网络,以提高压铸件缺陷分类和预测的准确性及高效性。方法提出了一种基于全连接神经网络的算法,用于压铸件的质量预测。以汽车发动机下缸体为研究对象,先通过压铸岛采集关键工艺数据,后通过异常值处理和数据归一化进行数据预处理,再采用最小冗余和最大相关性的启发式算法(MRMR)进行特征处理,选出对压铸件质量影响较大的5个参数,该算法以3个压射速度、真空度、动模流量为输入层参数,以铸件质量为输出层参数。最后确定该算法的结构及各个参数,进行模型的训练与构建,并与不同算法进行性能比较。结果与传统的决策树、SVM算法相比,该算法在相同数据集的分类和预测性能方面均更优,表明全连接神经网络在预测压铸缺陷方面具有优势。结论该算法在实际应用中具有很大的潜力,证明全连接神经网络在预测能力和精度方面具有优势,可以为数据分类和预测提供更好的解决方案。

通过LabVIEW虚拟仪器技术研究随机误差的正态分布

本文以虚拟仪器技术LabVIEW为软件平台,结合NI-USB6009数据采集卡,对直流电压和信号发生器的正弦波信号分别进行测量和数据采集,对直流电压及正弦信号频率和幅值的测量结果进行统计研究,得到电压、正弦信号频率和幅值的统计结果为正态分布.对周期信号增加单个周期的采样数,可以减小频率测量的标准差,提高频率测量的准确度.该实验可以对学生开设为通过实际测量研究随机误差的正态分布规律的实验.

基于三维激光点云数据的电力电缆绝缘缺陷识别

针对电力电缆绝缘缺陷识别精准度较低的问题,提出一种基于三维激光点云数据的电力电缆绝缘缺陷识别方法。利用剪裁法增强原始三维激光点云数据,通过区域生长法与最小二乘法完整获取电缆绝缘材料的三维结构面信息。借助Canny边缘检测方法求解电缆绝缘表面缺陷与内部缺陷边缘信息,自动识别出电力电缆绝缘的缺陷位置及缺陷类别。结果表明,所提方法可以精准识别电缆绝缘表面的划痕缺陷、电缆外屏蔽表面起泡和孔洞缺陷,识别耗时短,鲁棒性较优,具有较高实际应用价值。

基于点云数据的大曲率工件表面法向计算方法研究

航空航天构件装配制孔时对垂直度有严格要求,采用机器人等自动设备制孔时,为保证垂直度需要对每一个制孔位置的法向进行在位测量。现有的工件表面法向测量方式难以适应大曲率工件表面的测量需求。通过线激光扫描,可以获得反映工件局部表面详细信息的点云数据,在此基础上提出一种大曲率工件表面法向计算方法。首先研究了通过主成分分析(PCA)对局部点云数据进行平面拟合获得曲面法向的方法,然后选取了若干典型曲率,通过仿真生成点云数据,并分析了法向拟合误差的变化规律。通过试验验证了上述方法的有效性,结果表明,当点云选择范围在12mm以下时,直径为50mm的圆柱试验件的法向拟合误差可以保证在0.219°以下。

基于GMM-Ada-LASSO模型的高维过程统计质量监控方法

针对高维数据往往不服从正态分布导致统计监控模型识别精度低、监控效率差的问题,文章提出一种基于高斯混合模型的变量选择控制图方法。首先,利用高斯混合模型将高维过程分解成若干个服从正态分布的子分布;然后,运用Adaptive LASSO算法识别潜在异常变量;最后,构建多元EWMA控制图实现高维过程统计质量监控。通过仿真实验,在六种不同情形下对所提方法的监控性能进行测试。结果表明,与传统MEW⁃MA和VS-MEWMA控制图相比,所提监控方法对非正态数据具有较强的稳健性,对高维过程具有良好的监控性能。

Pretreating and normalizing metabolomics data for statistical analysis

Metabolomics as a research field and a set of techniques is to study the entire small molecules in biological samples.Metabolomics is emerging as a powerful tool generally for pre-cision medicine.Particularly,integration of microbiome and metabolome has revealed the mechanism and functionality of microbiome in human health and disease.However,metabo-lomics data are very complicated.Preprocessing/pretreating and normalizing procedures on metabolomics data are usually required before statistical analysis.In this review article,we comprehensively review various methods that are used to preprocess and pretreat metabolo-mics data,including MS-based data and NMR-based data preprocessing,dealing with zero and/or missing values and detecting outliers,data normalization,data centering and scaling,data transformation.We discuss the advantages and limitations of each method.The choice for a suitable preprocessing method is determined by the biological hypothesis,the characteristics of the data set,and the selected statistical data analysis method.We then provide the perspective of their applications in the microbiome and metabolome research.

一种新的估计非高斯分布含水层渗透系数场的方法

集合卡尔曼滤波(ensemble Kalman filter,EnKF)是最流行的数据同化方法之一。然而,在处理非高斯问题时,EnKF存在局限性。为了解决非高斯问题并准确描述含水介质连通性,将正态分数变换(normal-score transformation,NST)与多重数据同化集合平滑器(ensemble smoother with multiple data assimilation,ES-MDA)相结合,提出NS-ES-MDA方法。通过对比实验,验证了NS-ES-MDA方法估计非高斯分布含水层渗透系数场的有效性。相较于重启正态分数集合卡尔曼滤波器(restart normal-score ensemble Kalman filter,rNS-EnKF)方法,NS-ES-MDA在吸收相同数据后,参数估计精度提升约34%,计算效率提升约35%。此外,NS-ES-MDA方法受“异参同效”现象的影响较小,具有较强的更新能力,能够保障得到较准确的参数估计值。研究可为非高斯分布含水层参数估计提供一种有效的求解方法。

滚珠丝杠滚道法向截面测量系统

为了实现滚珠丝杠滚道法向截面的快速、精确和无损检测,建立基于光学测微计的滚珠丝杠滚道法向截面测量系统。基于滚珠丝杠滚道法向截面测量原理设计了检测装置,对原有滚道法向截面数据处理算法进行优化,提出了角度划分圆弧方法、圆弧数据均匀化方法。对检测装置中传感器安装误差、水平移动平台直线度误差、传感器误差进行分析,并进行误差补偿。最后,通过实验验证检测装置和优化后的算法组成的整个检测系统的精度。实验结果表明:算法优化后检测系统测得的滚道法向截面参数,随着划分圆弧的角度增加最终收敛。算法优化后检测系统测得的圆弧半径和接触角与厂家提供的误差最大值分别为3.6μm和19′31″,相对算法优化前提升率分别为64.36%和53.46%;测得的圆弧半径和接触角标准偏差最大值分别为1.56μm和2′41″,相对算法优化前提升率分别为22.77%和56.67;测得的圆弧半径和接触角的A类不确定度最大值分别为0.63μm和1′6″,相对于算法优化前分别降低56%和70%。滚道法向截面检测系统的精度、重复性和不确定度均满足测量要求。

基于改进GAN的路面病害图像数据增强

路面病害数据具有丰富的空间信息且具备的特征信息关联性较高,针对现有的图像数据增强方法难以有效捕获此类信息的问题,提出了一种改进的生成对抗网络(CLSGAN),用于路面病害数据增强.首先,为了避免出现模式崩塌,保证生成图像的多样性,引入新损失项,重新构建了生成器的目标函数.其次,融合CAE的编码结构,使模型能获取真实图片的空间潜在信息,用于强化生成器对于图像空间信息的学习,提高模型的收敛速度与生成质量.最后,构建了轻量级的残差投影-扩展-投影-扩展模块(RPEPX)并引入谱归一化,进一步提升生成图像的质量并保证模型训练时的稳定性.实验在新建立的CSGP数据集上进行,结果表示CLSGAN对生成路面裂缝与凹陷图像各个评价指标FID,SSIM,PSNR都有较大的提升.最后利用Yolov5s检测网络验证文中方法的先进性,结果表明在小样本数据集的情况下,相对于传统数据增强方法,所提方法使检测结果达到最优.

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于元学习的无数据模型压缩

针对现有深度学习无数据蒸馏框架下,数据合成效率低下以及蒸馏模型性能不足的问题,提出一种基于元学习的快速数据合成方法。通过批量标准化层的平均值和方差,及动量自适应调整,提取可重用特征,对特定任务执行少量更新,达到提高数据合成效率的目的;通过提出同异构教师鉴别器提取双采样知识,解决数据样本多样性与泛化性问题;改进传统知识蒸馏损失,采用学生自恢复蒸馏,通过一个生成块,提高模型性能。实验结果表明,提出方法优于现有无数据蒸馏方法。