基于加速系数不变原则的失效机理一致性判别

为了解决加速退化试验中产品失效机理一致性判别难题,以Gamma退化模型为研究对象,提出了基于加速系数不变原则的失效机理一致性判别方法.在阐明失效机理一致性判别理论依据的基础上,引入加速系数不变原则推导出Gamma过程的参数在不同应力下应满足的变化规律,利用t统计量对参数一致性进行检验以判别失效机理是否一致.通过仿真试验和实例应用验证了所提的方法,研究结论显示所提方法具有良好的工程应用性.

AHP矩阵一致性判别和元素修正方法及其应用

在分析了AHP判断矩阵特点的基础上 ,给出了该矩阵一致性判别和元素修正的新方法及其元素的修正范围。

基于地理本体推理的多源数据一致性判别方法

针对早期图幅在绘制及存储时没有统一的标准,导致得到的图幅数据具有多种来源,在对不同时期的空间数据进行检测时,会由于表达方式及内容的不同导致判断错误。本文提出通过构建本体模型及将本体规则引入到对多源空间数据的一致性判别中,该方法以最新的国家标准对空间数据进行描述,使得对空间数据的定义及描述具有统一的标准,并针对不同标准构建的本体间的映射关系进行定义,降低了对同一空间数据的误判率。实验表明,将该方法应用到对图幅空间数据一致性判别中具有良好的效果。

加速退化机理一致性判别试验测试系统设计与实现

开发了具有数据采集、导出及处理功能的加速退化机理一致性判别试验测试系统。针对某型电阻器,以试验经费为限制条件、以提高加速退化模型参数估计准确度为目的,对加速退化机理一致性判别试验的样品量、试验时长进行优化,进而给出试验方案。根据所需测试的参数,设计实现了试验测试系统的软件和硬件部分。该系统具有测试精度高、自动化程度高、可测样品数量大、可测器件种类多等特点,为失效机理一致性分析及可靠性评估提供了数据基础。

基于唇重构与三维耦合CNN的多视角音唇一致性判别

针对传统音唇一致性判别方法主要对正面唇动视频进行处理,未考虑视频采集角度变化对结果的影响,且容易忽略唇动过程中的时空特性等不足,文中以唇部角度变化对一致性判别的影响为研究重心,结合三维卷积神经网络在非线性表示和时空维度特征提取上的优势,提出了基于正面唇重构与三维耦合卷积神经网络的多视角音唇一致性判别方法。该方法先通过在生成器中引入自映射损失来提高正面重建效果,并采用基于自映射监督循环一致性生成对抗网络(SMS-CycleGAN)的唇重构方法对多视角唇图进行角度分类及正面重构;然后设计两个异构三维卷积神经网络,分别用来描述音频和视频信号,并提取包含长时时空关联信息的三维卷积特征;最后引入对比损失函数作为音视频信号匹配的相关度鉴别度量,将音视频网络输出耦合到同一表示空间,并进行一致性判别。实验结果表明,文中方法能重建出更高质量的正面唇图,一致性判别性能优于多种不同类型的比较方法。

群体一致性寻求与判别方法

运用三角模糊数的概念根据个体加权向量，提出两种衡量个体间一致性的相似度量函数．根据第１种相似度量函数，构造个体、群体的一致性指标．在此基础上，给出群体一致性的定义，并运用个体指标提出由个体加权向量寻求群体加权向量的具体方法．根据第２种相似度量函数，给出了群体强、弱一致的充要条件．该条件为上述寻求方法提供了一个寻求的范围，减少群体一致性寻求的盲目性．

基于抽象的分层诊断技术应用研究

针对大型系统多故障诊断的复杂性,提出利用抽象技术进行结构优化,给出了分层诊断模型的离线构建方法。诊断推理时,为提高诊断效率采用由上至下的分层诊断策略,为克服一致性诊断解的不精确性引入定量知识,提出采用约束集判别系统部件的一致性。把此项诊断技术应用在某卫星热控系统,结果表明可以实现故障的实时诊断和精确定位。

一种基于LLM的高维时间序列数据异常检测方法

以国家重大建设项目稽察中的数据一致性判别问题为应用背景,针对时间序列型高维数据提出了一种基于局部线性映射(LocalLinearMapping,LLM)的数据变换方法,该方法将各高维数据点通过其相邻点的线性重构映射至低维空间,从而很好地保留了高维空间中各数据点与相邻数据点的相关性。基于LLM的映射特性,提出了三种异常指标,并将其应用于面向国家重大建设项目稽察数据一致性判别问题的高维时间序列数据异常检测中。数值计算表明,所提出的方法对时间序列异常检测具有很好的效果,适合于较大规模高维时间序列数据的异常检测应用。

重写归纳推理技术

本文采用Knuth-Bendix(KB)完备化和一致性判别这两种方法,讨论和总结重写归纳推理的实现技术。

基于形态学与不完全树形小波分解的图像纹理特征提取算法

针对不完全小波树形结构分解提取纹理特征仅对清晰度高的图像效果佳,运算速度慢的问题,提出基于形态学预处理的不完全小波树形分解快速提取图像纹理特征的算法。首先采用形态学高帽—低帽变换对图像进行预处理,去除图像噪声,增强对比度;在提取纹理特征时,采用一致性判别;对于一致性强的图像,只利用图像的一部分进行不完全小波树形结构分解提取出能量、方向性等纹理特征,提高了运算速度;最后使用双概率神经网络(DPNN)的方法自适应地对纹理图像进行识别。利用Brodatz纹理库进行了仿真实验,并将该算法应用到了现场拍摄的海水中藻类细胞图像的识别。实验结果表明,该算法特征提取和识别速度快,尤其对于清晰度不高、现场拍摄的纹理图像具有较好的效果。

卫星视频中目标的快速检测算法研究

随着视频卫星的不断发展,如何在卫星视频数据中准确和快速地进行目标检测逐渐成为一个研究热点.本文从两个方面改进了单阶段的目标检测网络.针对卫星图像中目标尺寸小、分辨率低的特点,利用反卷积操作丰富目标的上下文信息,同时将对应尺度的卷积特征组合成超参特征,丰富目标的细节特征;并提出图像特征多级网格化,将不同网格化的结果进行融合,提高模型的检测准确率.根据视频卫星对地凝视成像、场景移动缓慢的特点,设计出内容一致性判别网络,通过判别结果可以省略一些冗余的检测步骤,提升整体的检测效率.本实验使用"吉林一号"卫星视频数据,通过具体的实验结果分析,得出该系统对于对地凝视卫星视频中目标检测的准确率和速度都达到了较好的效果.

GPS测量控制网起算点的兼容性分析

本文介绍几种实用的GPS测量控制网的起算点兼容性分析方法,并通过实例对这些方法的应用进行了分析。

分类器评价指标MCC、CEN和ACC的比较研究

准确率ACC、Matthews相关系数MCC和混淆熵CEN是在多类问题上应用比较广泛的分类器评价指标,本文对这3种指标进行比较研究.使用6种常见的分类器对UCI数据库中12个基准数据集进行处理,分析了3种指标值变化趋势的关系,并从一致性和判别性角度对3种指标进行了比较,实验结果表明,CEN具有更好的性能.