城市实景模型结构化线面特征重构方法

为了改善城市实景模型边缘模糊,提出了一种曲率引导的结构化线面特征重构方法。根据曲率特征将网格分割为平面、可展凹、可展凸以及不可展曲面4类,在平面分割结果内提取平面,在可展凹和可展凸分割结果内提取直线,对过度弯曲的不可展区域进行保留,最终形成包含几何特征的复合网格模型。结果表明,结合曲率信息预先设置几何特征的潜在范围,使得结构化线面特征更可靠,同时保证城市实景中复杂的树结构不被错误地提取为平面。

考虑PWM波形特征的纳米晶磁心损耗模型的研究及验证

磁心损耗精确预测对于电力电子变压器的优化设计至关重要。然而,传统的磁心损耗模型在复杂激励下适用性较差,尤其对于占空比可调、高次谐波含量丰富的PWM波磁心损耗预测,计算精度显著下降。基于Jordan损耗分离模型,建立了一种考虑PWM波形特征的磁心损耗计算方法。首先,该方法根据激励波形特征,推导出相应的波形系数及等效频率来计算PWM波激励下的动态涡流损耗,将Jordan模型的适用范围从正弦拓展到PWM波激励下的磁心损耗计算;然后,分析了不同占空比激励下激励波形有效频率及高次谐波含量变化对损耗系数的影响,并对其进行数学表征,实现了整个占空比范围内磁心损耗的精确预测;最后,搭建了高频非正弦激励下软磁材料磁特性测量平台,针对1K107B纳米晶材料,测量了两种典型PWM波激励下的损耗数据。实验结果表明,所建立的磁心损耗模型具有较高的计算精度,相比于传统的Steinmetz改进公式,整体精度提高了25%。

基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响。为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型。研究结果表明:经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高。不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R_(v)^(2)/R_(c)^(2)为0.955,具有良好的鲁棒性。研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路。

融合时频空间特征的土石坝地震易损性分析改进MLP模型研究

针对现有地震易损性分析中采用的峰值加速度、峰值速度等地震动指标未能充分反映地震动复杂的时频空间特征,且现有基于对数空间线性函数关系假设的地震需求模型难以揭示地震动指标与地震响应间复杂非线性关系的问题,提出一种融合时频空间特征的土石坝地震易损性改进多层感知机(Multi Layer Perceptron,MLP)模型。该模型利用胶囊网络(Capsule Network,CapsNet)能够充分捕捉和表征目标特征空间位置分布的优势,从地震动小波时频图中提取反映地震动时频空间分布的深层特征,并以特征拼接的方式与既有特征进行融合,构建地震动融合指标;进一步地,采用树形Parzen优化算法(Tree structured Parzen Estimator,TPE)对MLP的神经元数量、学习率等超参数进行优化,提出基于TPE-MLP的土石坝地震需求模型,以反映地震动融合指标与地震响应间的复杂非线性关系,进而实现土石坝地震易损性的可靠分析。案例分析表明,相比于既有地震动指标,基于地震动时频空间特征融合指标的土石坝地震需求模型的MAE降低了40.5%,表明了所提模型的可靠性和优越性。

融合内外部特征水印的模型保护方案

针对经典模型水印技术在保护模型所有权过程中存在鲁棒性差、提取率低等问题,融合白、黑盒水印优势,提出了一种特征嵌入的模型保护方案。按照香农熵大小进行数据集样本划分的策略,将数据集样本划分为良性样本、风格迁移样本、关键密钥样本;利用风格迁移样本集对模型嵌入外部特征,将关键密钥样本标签嵌入模型内部特征;通过训练二元分类器并利用掩码梯度下降方法修改极少量参数让模型产生特定输出来综合判断模型是否被窃取。实验结果表明,所提方案用较小开销保证了水印的高保真度,在标签查询、知识蒸馏等攻击下仍具有较高稳定性,且能规避恶意检测风险。

基于特征匹配度与异类子模型融合的安全性评估方法

机器学习模型的好坏影响预测精度、输入与输出结果的拟合情况。在复杂系统中,使用单一模型评估系统安全性问题时容易受数据量、数据格式、模型结构以及环境干扰等因素影响,使得这个模型在解决某个问题的能力上比较出色,而在解决其他问题时,结果却不尽如人意。针对上述问题,提出一种基于特征匹配度和异类子模型融合的安全性评估方法。首先,按照采样数据的输出值划分不同规模的数据集并构建子模型;其次,通过计算每个新数据对于这些子模型的匹配度,进而得到每个子模型的权重;最后,根据权重大小融合所有子模型的子输出得到最终的多模型融合结果。所提方法对山东省济宁市霄云煤矿采掘数据集进行研究,实验结果表明,该方法与多样本单模型、少样本单模型和传统多模型方法相比,在以330/70的比例来构建子模型的情况下均方根误差(RMSE)分别降低了15.13%、51.67%和12.46%,该方法充分集成各子模型所能提供的有效信息,减少和分散单一模型的预测误差,以提高模型的预测精度和泛化能力。

基于Bayes时空模型分析HIV/AIDS晚发现的时空分布特征及其影响因素

【目的】旨在分析兰州市HIV/AIDS晚发现的时空聚集性特征及相关影响因素,明确兰州市HIV/AIDS晚发现高风险地区和时间趋势,为兰州市因地制宜地制定HIV/AIDS防治策略措施提供参考依据。【方法】选择兰州市2011-2018年间新报告的成年HIV/AIDS病例作为研究对象,研究中所需的数据资料来自兰州市疾病预防控制中心和兰州市统计年鉴。采用Bayes时空模型分析HIV/AIDS晚发现相对风险(RR)的时空分布特征及其影响因素。【结果】2011-2018年间兰州市新报告的HIV/AIDS病例共计1984例,其中HIV/AIDS晚发现者有982例(49.5%),平均年龄为39.67岁,男性占90.9%。老年人和女性HIV/AIDS病例中晚发现的比例更高;城关区(51.1%)、安宁区(50.3%)和榆中县(51.9%)具有高于平均水平的HIV/AIDS晚发现比例;2011-2018年间兰州市总体的晚发现比例呈波动上升趋势。Bayes时空模型分析结果显示,兰州市HIV/AIDS晚发现风险在2011-2015年间波动变化,而在2015年后迅速上升,其RR(95%CI)从1.01(0.84,1.23)上升到1.11(0.77,1.97);红古区和三个县的晚发现风险变化趋势与兰州市的总体变化趋势相似,而城关区和七里河区的晚发现风险呈下降趋势;晚发现相对风险大于1的区县包括:永登县(RR=1.07,95%CI:0.55,1.96)、西固区(RR=1.04,95%CI:0.67,1.49)、城关区(RR=2.41,95%CI:0.85,6.16)和七里河区(RR=2.03,95%CI:1.10,3.27)。冷热点分析结果显示城关区和七里河区为热点区。影响因素分析结果显示,随着人均GDP(RR=0.65,95%CI:0.35,0.90)和HIV/AIDS病例中的男性比例(RR=0.53,95%CI:0.19,0.92)的增高,HIV/AIDS晚发现的相对风险越低;而人口密度(RR=1.35,95%CI:1.01,1.81)越大,晚发现风险越高。【结论】兰州市的HIV/AIDS晚发现风险呈上升趋势,并且存在明显的地区差异特征;人均GDP、HIV/AIDS中男性比例和人口密度是HIV/AIDS晚发现的影响因素。因此,对于晚发现风险高和存在相关风险因素的区县,应重视并制定有针对性的HIV筛查和防治服务,降低HIV/AIDS晚发现比例和风险。

烤后烟叶不同部位高光谱特征分析及判别模型构建

利用高光谱(400~1700 nm)成像技术扫描得到3个部位(上B、中C、下X)烤后烟叶的高光谱图像,并提取其高光谱数据。采用相关性分析、主成分分析及方差分析研究了3个部位烟叶的高光谱特征,并构建5种识别烟叶部位的判别模型(SVM、KNN、RF、LightGBM和XGBoost)。结果表明,3个部位烟叶的光谱反射率为C>X>B(400~750 nm),B>C>X(750~1400 nm),C>B≈X(1400~1700 nm)。3个部位烟叶的高光谱数据存在较强相关性,总体上可见光以及近红外波段在各自区域内相关性较强,而两者之间相关性较弱。共提取得到7个特征值大于1的主成分,方差累计贡献率接近1.00。3个部位烟叶的光谱反射率在450~550 nm和750~1400 nm区域相互之间存在明显差异,中部叶在550~850 nm和1400~1700nm分别与上、下部叶具有明显差异,上部叶在400~450 nm分别与中、下部叶差异明显,下部叶在680 nm附近分别与上、中部叶差异显著。SVM判别不同部位烟叶的表现最好,准确率、精确率、召回率和F1分数均达95%以上,LightGBM表现居中,各项指标在90%~95%,RF、KNN和XGBoost相对较差,各项指标在90%以下。

基于视觉的草莓品质特征提取与评价模型

为提高草莓分选效率、增加草莓品质评价方法的数据区分度,提出一种基于视觉的草莓品质评价模型。以行业标准的草莓品质传统评价方法为基础,通过图像处理方法提取草莓颜色、尺寸和形状,从而对草莓的成熟度、缺陷、质量和形状特征进行量化,实现对草莓的等级评价和规格评价。进一步采用熵权法,引入权重因子,建立草莓品质综合评价模型,实现对草莓品质的自动分级。设计草莓品质分选装置,验证该模型的有效性。测试结果表明,草莓等级和规格自动分级准确率分别达96.7%和98.4%,品质综合分级准确率达到96.3%,草莓分选成功率达到95.3%,每幅草莓图像品质分级平均耗时37 ms,每颗草莓分选平均耗时0.87 s。研究为基于机械手的草莓自动分选提供参考。

一种基于目标与背景特征分离模型的高光谱目标检测修正算法

高光谱图像立方体数据可以提供成像场景中地物在可见光和近红外波长范围内的空间信息和地物属性诊断的光谱特征信息,在目标检测与识别方面拥有得天独厚的天然优势。然而,基于高光谱图像数据的目标检测也存在一定缺陷,如经典的高光谱目标检测算法仅利用光谱维度信息检测目标,检测模型要么对背景高维特征矩阵构建的准确度不足,要么对背景先验光谱特征的完备性要求较高,导致算法对不同复杂度的检测场景适应性不强。因此,基于计算复杂度较低、参数需求量较少且检测性能较为优异的经典多目标检测算法—多目标约束能量最小化(MCEM),提出了一种基于目标与背景环境特征分离模型的高光谱目标检测修正算法(R-MCEM)。首先,设计了一个与目标形状、尺寸相近的逐像元移动运算窗口,依次计算窗口中的每个像元与窗口内其他像元的光谱距离之和D1,像元与各类目标的光谱距离之和D2。其次,采用获得D1/D2最小值的像元替换窗口内的所有像元值。然后,自左向右、自上而下逐像元移动窗口,重复窗口内每一个像元与目标、背景像元的光谱距离运算,并确定窗口内与背景相似度最高、与目标相似度最低的像元。直到移动运算窗口遍历整个高光谱图像,大幅提升了基于目标与背景环境特征分离的背景高维特征矩阵准确度。分别设计了基于实测高光谱图像数据和模拟图像数据的修正检测算法性能验证试验,并采用三维操作特征曲线(3D ROC)结合目标与背景分离度(SDBT)开展修正算法的检测精度评估。试验结果表明,提出的修正算法有效减少了虚警率,提高了检测精度。基于实测数据的检测精度、目标与背景分离度由MCEM算法的0.937 7、 0.57提升到R-MCEM的0.993 5、 0.67,基于模拟数据的亚像元检测能力由MCEM的20%丰度提升到R-MCEM的15%丰度。

基于香农熵代表性特征和投票机制的三维模型分类

目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题,且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题,该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先,通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征,在特征提取网络中引入通道注意力机制;然后,针对Softmax函数输出的视图判别性特征,使用香农熵来选择代表性特征,从而避免多视图特征冗余;最后,基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明:该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%,分类性能突出。

青年临床科学家胜任特征模型研究

目的:探索构建医院青年临床科学家胜任特征模型和评价指标体系。方法:采用文献分析法收集胜任资质作为行为事件访谈的预备资料,采用行为事件访谈法、问卷调查法构建临床科学家的胜任特征模型,采用探索性因子分析对胜任特征模型进行维度划分,采用主成分分析对模型的权重进行计算。结果:本研究构建了包含自我意识、抗压求进、坚持共赢3个维度、34项胜任资质的胜任特征模型。结论:自我审视与评估、职业生涯规划意识、进取心是评价临床科学家胜任特征权重最高的3项资质。

卸荷损伤泥岩应力松弛特征及本构模型研究

软弱岩体开挖卸荷形成的损伤对其支护加固后的应力松弛特性影响不可忽视。以红层泥岩为研究对象,开展了不同卸荷损伤程度泥岩的单轴应力松弛破坏试验,研究了不同应变水平及卸荷损伤程度对泥岩松弛特性的影响规律。结果表明:卸荷损伤泥岩在破坏前后的分级应力松弛试验中应力曲线均表现为不完全松弛,应力松弛曲线主要包含减速及稳定松弛两阶段,且各级应变水平下松弛量和松弛时间均随卸荷损伤程度增加呈线性增大趋势。基于分数阶微积分理论,选取R-L分数阶弹黏性元件(F元件),提出考虑黏滞系数时变特征的弹黏性时变元件(FT元件),然后引入卸荷损伤程度因子,提出考虑卸荷损伤的分数阶弹黏性时变元件(UFT元件),最后将该元件引入传统Burgers模型,建立了基于分数阶的非线性松弛本构模型。基于不同分数阶元件的理论本构模型计算值与试验数据对比表明,基于UFT元件的松弛本构模型具有更高的精确性,且不同应力水平及卸荷损伤程度下的模型理论计算成果与试验数据均较吻合,表明该松弛本构模型能够精确地描述卸荷损伤泥岩松弛特征。

特征分解模式下的系列化零件模型重构方法

具有相似结构特征的系列化零件模型,为进行高效地零件变更以适应不断变化的设计要求,提出基于特征分解的思想实现模型重构。通过完善布尔分割环组成实现模型分解,将模型解析为特征体的布尔组合;建立模型加权属性邻接图,分割出特征子图,获得分割块与模型整体的几何拓扑关系,以此表征模型分割元素之间的联系;通过判断分割环分割的优先级,从分解过程逆向推导,将分割得到的面壳恢复成特征体,构建基于模型设计历史的有向图表征建模过程;基于几何约束和定位约束实现模型参数化重构。经实例验证,当在满足几何和定位约束前提下对零件模型进行重构时,该方法能够实现系列化零件模型的快速变更。

使用有限数据推求土壤水分特征曲线VG模型的参数

【目的】使用一种简易方法和有限数据来获取土壤水分特征曲线VG模型的参数。【方法】选择了黑土、褐土、黄绵土、红壤和紫色土5种地带性土壤,实测了土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH)),并以θ_(43%RH)为残余含水率(θ_(r)),推导VG模型的参数。将推导出的参数带入到VG模型中,进行了土壤水分特征曲线的预报,并与实测的土壤含水率进行了比较。【结果】该方法能较好地模拟褐土的土壤水分特征曲线,模拟值和测定值的残差一般在0.01 cm^(3)/cm^(3)以内;也可以较好的模拟黄绵土和红壤在0.33~15 bar的土壤含水率,残差一般在±0.01 cm^(3)/cm^(3)以内;但黑土的模拟结果相对较差,在低于0.33 bar时,残差为负,在-0.03 cm^(3)/cm^(3)以内,而在0.33~15 bar,残差为正,达到0.04 cm^(3)/cm^(3);紫色土的模拟结果最差,在低于0.33 bar时,残差为负,达到了-0.07 cm^(3)/cm^(3);但在0.33~15 bar,情况有所改善,残差在0.03 cm^(3)/cm^(3)以内。通过配对t检验,认为模拟值和测定值无显著差异,二者的相关系数(r)为0.990。造成模拟值和测定值差异的原因可能是采样时紫色土密度较低,土壤中有较多的大孔隙,而黑土可能因有机质含量较高具有较好的结构性导致持水能力较强。【结论】采用土壤饱和含水率(θ_(s))、0.33 bar土壤含水率(θ_(0.33 bar))、最大吸湿水(θ_(97%RH))和空气相对湿度为43%时的土壤吸湿水(θ_(43%RH))推导的VG模型参数,可以较好地预报土壤水分特征曲线。但对土壤密度较低、存在大孔隙的土壤,及有机质量较高或结构性较好的土壤,可能会导致部分模拟值和测定值产生较明显的差异。前者可能会影响低吸力段的模拟结果(<0.33 bar),后者则可能影响土壤有效含水率段的模拟结果(0.33~15bar)。

创伤性颅脑损伤输血预测模型的特征加权选择方法研究

目的:通过构建的特征加权方法筛选出最佳特征子集,构建创伤性颅脑损伤输血机器学习预测模型。方法:通过对临床输血多维数据的异常值与缺失值处理、特征方差与相关性系数计算、特征评分归一化与特征分数加权相加和基于相关性的特征选择(CFS),建立单病种输血大数据的特征加权选择方法,并筛选出最佳特征子集,采用XGBoost算法模型验证特征子集的应用性能。结果:本研究建立了创伤性颅脑损伤输血大数据的特征加权选择方法,通过对医院3579例颅脑创伤患者临床输血大数据纳入的46个特征进行筛选,最终纳入16个特征作为最佳特征子集。XGBoost算法模型预测结果显示特征加权选择的特征子集构建的模型的准确率、ROC曲线下面积、召回率和F1值均高于卡方算法、随机森林和逻辑回归特征选择。结论:特征加权选择方法可有效提取临床输血多维数据中的重要特征,可提升临床输血模型预测准确性,为构建输血预测机器学习模型和人工智能开发提供支持。

便携天然放射性模型组合系统均匀性辐射特征

无人机航空放射性测量技术的应用,提出无人机载伽马能谱仪现场校准的需求。原有固定于机场的“航空放射性测量模型标准装置”不宜应用于现场校准,需研制便携式标准装置,并根据无人机载伽马谱仪特点开展相应的校准方法研究。为此新研建了“便携天然放射性模型组合系统”。为确认模型组合产生伽马辐射场的均匀性,对采用6个小模块组合摆放形成的天然辐射场在垂向和水平方向的辐射特征进行测试。测试结果表明:在辐射场中心点上方50~120 cm范围内,MAP-U、MAP-Th和Map-M模型辐射场变化在5%以内,MAP-K模型由于受天然钾含量及探测器对^(40)K灵敏度限制,其变化较大,但其垂向辐射场是均匀的;水平方向均呈现以中心为原点的均匀散射分布:与中心位置相比,在100 cm×100 cm范围内的变化大致在5%以内,在200 cm×200 cm范围内的变化大致在20%以内,在300 cm×300 cm范围内的变化大致在35%以内。在辐射场中心300 cm×300 cm范围内,任意一点周边50 cm范围内的变化在5%以内。其辐射特征满足相关校准规范中计量标准均匀性的要求,可以用于无人机航放测量系统的现场校准。

基于特征样本的变参数模型估计方法研究

文章基于特征样本采样方法,通过对特征样本的重新组合,设计了一种新的变参数模型估计方法,实现经济社会问题中小样本情况下的变参数估计。该方法根据采样顺序将特征样本重组为时间序列各期的样本,通过分期回归实现各期的变参数估计,并对估计结果进行显著性和拟合度检验。该方法简便易行,且符合贝叶斯原理和蒙特卡罗原理,为变参数模型的估计提供了一种新的思路。

基于多元语义特征和图卷积神经网络的短文本分类模型

在互联网和社交媒体迅猛发展的背景下,网络中出现了大量的短文本数据,这些数据在舆情监控、情感分析和新闻分类等自然语言处理领域展现出了非常高的经济和学术价值.但短文本数据固有的特征给短文本分类带来了不小的挑战,如文本稀疏和缺乏丰富的上下文语义等.针对这些问题,提出了一种结合多元语义特征和图卷积神经网络(GCN)的短文本分类模型,该模型通过哈尔滨工业大学的语言技术平台获取短文本的多种语义特征,并将这些语义特征同短文本一起构建一个多元异构图,然后将其作为GCN的输入,利用GCN学习短文本更深层特征,最后通过Softmax函数获取每个类别的概率分布,进而实现短文本分类.试验结果表明,本模型在短文本分类的F1评分上比传统单一模型提高了4%.

文创创意要素的视觉特征模型

目的为解决文创产品在设计过程中,创意要素的视觉形式表达难以规范化、体系化,以及较为主观的问题。方法以三星堆面具为例,利用索绪尔符号学理论对文物的视觉特征建立“所指”和“能指”的分类归纳点,将“所指”归纳为文化内涵、审美特质、社会背景;将“能指”归纳为形态特征、色彩特征、材质特征、肌理特征和纹样特征,提出视觉特征模型。结果建立对“能指”中五大特征的提取方法,构建文创创意的视觉特征模型与设计流程,使用KANO模型验证用户需求,并使用本文所提出的视觉特征模型进行三星堆面具系列文创的设计实践。结论本文中文创创意要素的视觉特征模型概括了文创产品的设计过程,将创意要素通过形态特征、色彩特征、材质特征、肌理特征和纹样特征进行概括、演绎和表达,并可将此模型作为后续文创产品设计过程中的设计方法,进而推动文化的传承。