无人机测绘技术在砂船量方中的应用

无人机作为一种新型的空中平台,可携带高精度数码成像设备,实现低空近地、多角度、高分辨率观测,在基础测绘、灾害应急处理等领域得到了广泛应用。本文将无人机测绘技术应用于砂船量方,将无人机采集的砂船影像经摄影测量解算生成的密集点云来计算砂船载砂量。试验结果表明,该方法与三维激光扫描测量精度相当,可有效解决传统作业方法中存在的劳动强度大、作业效率低、测量精度差等问题,为工程项目管理提供了准确的数据基础和有力的技术支撑。

散货船的水尺计量和激光量方探讨

针对传统砂船人工量方用时长,计算困难,需要平仓等问题,现时采用水尺计量及三维激光测量技术进行砂船量方的新工艺,解决目前砂船人工量方存在的一系列难题。通过在某吹填造地项目砂船量方及利用水尺计量中的应用验证,结果表明:水尺计量可信度较高,船舶激光量方存在误差。本文拟通过对水尺计量和三维激光测量技术进行研究及应用,为后续类似工程提供借鉴意义,并以此抛砖引玉,为行业的发展提供一点启示。

背包式激光扫描仪在块石量方中的应用

传统水上量方作业人数多,工作量大,效率低,存在诸多精度受限因素。为提高整体工作效率,减小外业人员工作强度,将"基于三维激光扫描技术的运砂船方量自动计算及应用平台开发研究"关键技术引入抛石量方领域,通过对若干条运石船进行块石量方测试,验证该技术可以精确、快速的获取运石船的块石方量。同时,为工程管理和成本盈亏提供了有利的数据保障及技术支撑。

基于改进YOLOv8的轻量化小麦病害检测方法

为提高小麦病害检测精度,实现将模型方便快速部署到移动端,该研究提出了一种基于改进YOLOv8的轻量化小麦病害检测方法。首先,使用PP-LCNet模型替换YOLOv8网络结构的骨干网络,并在骨干网络层引入深度可分离卷积(depthwise separable convolution, DepthSepConv)结构,减少模型参数量,提升模型检测性能;其次,在颈部网络部分添加全局注意力机制(global attention mechanism, GAM)模块,强化特征中语义信息和位置信息,提高模型特征融合能力;然后,引入轻量级通用上采样内容感知重组(content-aware reassembly of features,CARAFE)模块,提高模型对重要特征的提取能力;最后,使用Wise-IoU(weighted interpolation of sequential evidence for intersection over union)边界损失函数代替原损失函数,提升网络边界框回归性能和对小目标病害的检测效果。试验结果表明,对于大田环境下所采集的小麦病害数据集,改进后模型的参数量及模型大小相比原YOLOv8n基线模型分别降低了12.5%和11.3%,同时精确度(precision)及平均精度均值(mean average precision,m AP)相较于原模型分别提高了4.5和1.9个百分点,优于其他对比目标检测算法,可为小麦病害检测无人机等移动端检测装备的部署和应用提供参考。

砂船量方的无人机低空摄影测量试验分析

针对传统作业方法存在的外业工作量大、人员需求多等问题,提出了一种以无人机(unmanned aerial vehicle,UAV)低空摄影测量技术为基础,通过获取砂船影像进而生成密集点云来计算砂船载砂量的方法。通过试验验证表明,该方法精度优于4%,可满足砂船量方的精度要求;相对于传统方法,该方法效率高、成本低,具有应用推广价值。

基于改进卡方统计量的藏文文本表示方法

藏文文本表示是将非结构化的藏文文本转换为计算机能够处理的数据形式,是藏文文本分类、文本聚类等领域特征抽取的前提。传统的藏文文本表示方法较少考虑特征项之间的关联度,容易造成语义损失。为此,结合向量空间模型,提出一种新的藏文文本表示方法。提取文本中词频统计TF-IDF值较高的部分词项作为对比词项,对藏文文本进行断句处理,以每个句子作为一个语境主题,利用卡方统计量计算文本中词项与对比词项的关联程度。实验结果表明,与传统的向量空间模型相比,该方法能更准确地表示藏文文本。

基于卡方统计量的属性约简新方法

近年来粗糙集数据分析已经成为定性数据分析的一个常用方法,而信息系统的属性约简是粗糙集理论的一个基本问题。粗糙集方法虽然不需要数据之外的其它信息,但所得结果同时也缺乏统计证据。文中运用非参数统计的思想研究了信息系统的属性约简问题,首先将原始信息系统整理成任意两个属性子集之间的列联表,然后给出了基于卡方统计量的属性相关性的一个新度量,基于此度量给出了信息系统属性约简的新方法。数值例子说明了该方法的可行性和有效性。

基于卡方统计量的藏文新闻网页关键词提取方法

藏文文本关键词在文本聚类/分类、自动摘要、信息检索等领域具有重要地位,然而当前互联网上的藏文新闻网页几乎没有提供关键词。并且许多已有的关键词自动提取算法都需要建立在人工标注的训练集之上,扩展性不强。关键词是文本中主题关联度凝聚度较高的词,因此该文将卡方统计量进行改进,运用词与词推荐的思想进行关键词抽取。通过藏文新闻网页实验结果表明,该文的方法优于融入位置信息的TF/IDF。

基于卡方统计量的非参数轮廓变点识别研究

为了研究轮廓监控中的变点识别问题,以非参数轮廓数据为研究对象,对单变点问题进行了研究。首先计算出所有轮廓线的卡方统计值,再运用多元T2统计量,将统计量值最大值作为样本变异的广义似然比检验统计量,据此来找到轮廓线的变点。通过大量仿真与论证表明所提出的方法在识别变点位置和稳定性方面具有优异的性能。将该方法应用于京津冀地区空气质量指数的变点识别,识别结果可以很好地解释京津冀地区空气质量指数的时间特征。

基于混合卡方统计量与逻辑回归的文本情感分析

针对文本情感分析中基于卡方统计量的特征提取方法容易忽略单个文本词频,导致文本分类准确率较低的问题,提出一种基于混合卡方统计量的特征提取方法。通过增加特征频率、逆文档频率和负相关性指标,选出集中在某个特定类别中的特征词,从而减少特征负相关性的干扰。采用基于随机梯度下降的逻辑回归方法进行文本情感分类,并利用模拟退火原理自适应选择步长,解决随机梯度下降算法中步长难以确定的问题。实验结果表明,与基于卡方统计量的特征提取方法相比,该方法具有更高的文本情感分类质量。

复方醋酸钠林格注射液中无水葡萄糖含量测定方法的建立及葡萄糖转化现象的探讨

目的建立复方醋酸钠林格注射液中无水葡萄糖含量测定方法,并针对方法建立中发现的葡萄糖转化问题开展研究。方法采用氨基硅烷键合硅胶为填充剂的色谱柱;以乙腈-水-氨水(体积比75∶25∶0.1)为流动相;示差折光检测器检测;流速为1.0 mL/min,柱温和检测池温度均为40℃。结果无水葡萄糖浓度在0.4125~8.249 mg/mL范围内线性关系良好(r=1.0000),定量限为101μg/L,平均回收率为100.5%,RSD为0.5%,采用该测定法发现样品中少量葡萄糖转化为果糖。结论建立的方法简单、准确、灵敏度高,不受葡萄糖转化现象的干扰,适用于复方醋酸钠林格注射液中无水葡萄糖的含量测定。

方石英的含量对氧化硅陶瓷型芯性能的影响

以石英玻璃粉为基体,方石英为矿化剂,陶瓷铸造蜡为增塑剂,利用热压注法制备了氧化硅陶瓷型芯,研究了方石英添加量对氧化硅陶瓷型芯性能的影响。研究结果表明:随着方石英添加量的增加,陶瓷型芯样品中石英玻璃析晶含量先增大后减小,样品的收缩率及高温挠度逐渐减小,高温强度先增加后减小,显气孔率随方石英添加量的增加逐渐增大。经验证,在烧结温度为1200℃下,方石英的最佳添加量为5%时,氧化硅陶瓷型芯的综合性能最好。

基于单核苷酸多态性筛选的品种鉴定方法

针对基因序列数据集中的高维小样本和样本不平衡问题,提出基于单核苷酸多态性筛选的品种鉴定方法。首先,利用改进的卡方统计量对预处理后的基因序列数据进行卡方值的计算,通过比较卡方值的大小筛选出单核苷酸多态性(SNP)位点;其次,使用变体的过采样技术Variant-SMOTE(Variant Synthetic Minority Over-sampling TEchnique)平衡样本,以所有类别中的最大样本数量为基准,将剩余的其他少数类样本扩充至基准量,再将得到的矩阵输入K近邻(KNN)训练模型;最后,将该模型应用于10个水稻亚种的基因序列数据中迭代10次,取最高、最低的一组数据和平均值与2020-2023年提出的6种方法进行对比实验。实验结果表明,所提模型可以有效地选取出重要度排名前1%的位点作为SNP位点,即可以有效地从3139562个位点中选出31396个高信息量位点用于品种鉴定,鉴定的准确率达到了85.21%。相较于2020-2023年提出的6种方法,所提模型在水稻亚种鉴定中具有最好的鉴定效果,准确率比最低的方法chi-square+random forest提高了120%,比最高的方法chisquare+SMOTE+KNN和ReliefF+SVM提高了11.01%。所提方法虽然较对比方法更耗时,但在保留高信息量SNP的基础上减少了用于品种鉴定的位点数,降低了品种鉴定的成本。

基于方差的CHI特征选择方法

通过分析特征词与类别间的相关性,在原有的卡方特征选择的方法上增加三个调节参数,使选出的特征词集中分布在某一类,且在某一类中尽可能地均匀分布,并使特征词在某一类中出现的次数尽可能地多。通过实验对比改进前后的卡方特征选择方法,基于方差的卡方统计(Var-CHI)方法使得查全率和查准率都得到了明显的提高。

基于改进卡方统计的微博特征提取方法

通过对微博文本特征信息的分析与研究,提出一种基于改进卡方统计的微博特征提取方法。扩充微博信息分类特征,在传统的卡方统计量的基础上,引入了频度等因素,改进特征选择方法;在传统的特征项权值计算的基础上,提出了新的改进卡方统计量的方法,改进权重计算效果。对上述方法利用经典KNN和SVM算法进行了测试,实验结果表明该方法提高了微博信息分类的准确率。

基于二进制烟花算法的特征选择方法

文本分类中的特征选择方法对分类性能有重要的影响。烟花算法是一种解决优化问题的群体智能优化方法,而特征选择的本质是离散空间的优化组合问题。本文采用二进制编码方式,将烟花算法应用到特征选择上,通过改进二进制烟花算法及其参数设置,从而达到提高分类性能的目的。实验数据使用中英文两种语料库,其中英文数据使用路透社的21578经典文本分类语料库(Reuters21578)的R8单标签语料集;中文数据使用复旦语料库,每种语料库随机抽取训练文本和测试文本各为1800篇。分别使用KNN、SVM分类器在预选维数为300维、600维、900维、1200维、2000维、3000维、4000维、5000维、10000维中进行实验。结果表明:采用二进制烟花算法对特征词选择进行优化后,其效果优于传统的特征选择方法,且具有良好的稳定性。

中文文本分类中基于和声搜索算法的特征选择方法

特征选择是中文文本分类过程的重要预处理环节，特征选择效果直接影响文本的分类准确率。传统的特征选择方法有CHI、IG等，在其他分类预处理环节和分类算法确定的条件下，通过这些传统特征选择方法很难大幅度提高文本分类的准确率。因此，本文在传统特征选择方法的基础上提出一种新的特征选择方法，该方法利用传统的特征选择方法对原始特征进行预选，在此基础上使用和声搜索算法以二进制编码形式对预选特征进行优选，选择与否分别编码为1和0。与此同时，以分类准确率作为个体的适应度，在和声库的初始化中设定一个前半解分量为1、后半解分量为0的初始解向量，以此提高初始和声库中解的适应度。使用搜狗语料库、复旦语料库、中山大学资讯管理学院智能信息处理实验室提供的语料库，每个语料库提取的训练文本和测试文本分别为1800篇和900篇。分别使用KNN、朴素贝叶斯、SVM分类器在预选维数为300维、600维、1200维中进行实验。结果表明，对比传统的特征选择方法，采用二进制和声搜索算法进行特征优选后，其分类准确率均得到提高。

用于连续属性离散化的RSE-Chi2方法

为解决基于卡方统计量离散化方法在处理未知数据特性时的参数难确定问题,提出了一种基于粗糙集方法的自动离散化方法.该方法根据粗糙集理论对知识不确定性和属性重要性的分析,利用粗糙集方法处理数据不需要先验知识的特点,以基于最小描述长度原理的决策系统信息熵作为离散化过程的评价函数,并由属性断点平均重要性确定多连续属性的离散化顺序,构建了自动的离散化方法RSEChi2.实例测试表明,该方法性能良好,能根据样本数据本身的特性,自动协调拟合和预报精度,不需要先验设定显著性水平和不一致率等参数,离散化结果更为精简,所建决策树分类模型具有较好的预报性能.

一种新的维吾尔文文本分类特征选择方法

针对传统卡方统计量方法对特征项的频数和类别分布考虑不足的缺陷,提出了一种结合余弦相似度的卡方统计量特征选择方法。该方法首先使用均值词频-逆文档频率表示特征项,通过引入一个调整公式来平衡类间选取的特征项数,从而对传统卡方统计量方法进行修正,然后结合余弦相似度进一步消除噪声文本。在收集的维吾尔文数据集上进行实验论证。实验结果表明:改进的卡方统计量方法具有较好的鲁棒性,且分类性能优于传统的卡方统计量方法。