3DSARBuSim 1.0:人造建筑高分辨星载SAR三维成像仿真数据集

层析合成孔径雷达(Tomographic Synthetic Aperture Radar, TomoSAR)成像技术可有效解决陡峭地形叠掩恢复难题,因此成为城市测绘技术的研究热点之一。基于公开数据集的评估是TomoSAR算法研究与系统论证的必要过程,但目前存在的公开数据集缺乏相应的地物模型真值,无法对算法进行定量验证。为解决这一问题,并进一步推动TomoSAR技术的发展,该文首先提出一种基于射线追踪的先进星载雷达模拟器(Ray Tracing Space Borne Radar Advanced Simulator, RT-SBRAS),相较过往方法,该模拟器可快速稳定地模拟复杂建筑物星载SAR图像。基于此,构建了人造建筑物高分辨SAR三维成像仿真(3D SAR Building Simulation, 3DSARBuSim)数据集的1.0版本,其中包含8个典型建筑物场景的双频段多航过全链路仿真数据。最后给出正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法和双频OMP算法在所提数据集上的验证实验,该数据集可对算法进行清晰、准确的定量比较。

基于双空间搜索的频繁项挖掘方法

1引言 1998年Roberto J.和Bayardo Jr.[7]利用自底向上搜索和项目集排序的方法建立了一种挖掘长型频繁项的Max-Miner算法;Lin D.和Z.Kedem[6]提出了一种双向钳形搜索Pincer-Search方法,利用自底向上搜索产生的非频繁项集来约束和修剪自顶向下方向的最大候选频繁项集,候选频繁项集来自于Apriori方法.这两种方法虽然细节有所不同,但修剪最大频繁项的思想类似.

S-粗集与数据挖掘单位圆特征

给出单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)的结构。单向S-粗集与单向S-粗集对偶是改进Z.Pawlak粗集得到的,单向S-粗集与单向S-粗集对偶具有动态特性。给出单向S-粗集、单向S-粗集对偶与Z.Pawlak粗集的关系。S-粗集具有三类形式:单向S-粗集、单向S-粗集对偶、双向S-粗集,利用单向S-粗集、单向S-粗集对偶,给出数据内挖掘、数据外挖掘概念,给出数据内挖掘的外同心圆定理、数据外挖掘的内同心圆定理,并给出其应用。S-粗集是粗集理论与应用研究的新分支。

一种基于双ν支持向量机的异常入侵检测方法

针对实际网络入侵检测中经常遇到的有标定的不均衡数据集,实现了一种基于双ν支持向量机的异常入侵检测方法,其基本思想是对具有不同数目的样本类别赋予不同的惩罚因子,从而使两种类别的分类错误率趋于平衡。基于1999 KDD不均衡数据集的实验表明,该算法与常规的两分类SVM算法相比,在保持低的误警率的同时,显著提高了对攻击记录的检测率,但对正常样本的检测率略有降低,因此适用于对攻击记录检测更敏感的场合。

基于特征融合的双模态低辨识度目标识别

针对单一彩色相机对低辨识度目标识别准确率低的问题,提出了一种利用彩色相机和红外热成像仪同时检测自动驾驶目标的方案。为了同时提取彩色图像的颜色特征与红外图像的温度特征,在单模态YOLOv3网络基础上改进网络结构得到双模态YOLOv3神经网络,并设计四种特征融合对比实验以确定最佳融合方案;建立双模态数据集同步采集系统,采集彩色图像与红外图像对并用于双模态网络的训练与测试;使用未经网络训练的验证集得到4种双模态特征融合模型的平均精度值与损失值。实验结果表明,在训练30次后,该双模态网络模型的平均精度值最高可达59.42%。

一种有效的频繁项双空间挖掘方法

给出了一种有效的频繁项双空间挖掘方法,充分利用事务数据库的二元特性,通过双空间映射把数据库的项目维和事务维联系在一起,提高了频繁项集的挖掘效率。计算机实验数据表明,双空间搜索挖掘方法对频繁项的数据挖掘是非常有效的,与传统的Apriori方法相比,新方法对数据扩散率和频繁项长短(最小支持度变化)均不敏感,挖掘效率提高很多。

单向S-粗集对偶与数据筛选-过滤的扩展应用

S-粗集(singular rough sets)是对Z.Pawlak粗集的改进,单向S-粗集对偶(dual of one direction sin-gular rough sets)是S-粗集的基本形式之一。利用单向S-粗集对偶,给出数据属性,数据筛选-过滤概念,数据筛选-过滤序定理,合成数据筛选-过滤定理,及数据筛选-过滤准则。利用这些结果,给出应用。单向S-粗集对偶是动态数据筛选-过滤研究的一个新工具。

基于概率切片累积特征的轴承双向传感器信息融合故障诊断

针对采集的轴承振动信号易受环境的影响而导致存在许多不确定性因素的现实情况,采用一种基于概率切片累积特征的轴承双向传感器信息融合故障诊断方法实现对轴承故障的定性分析。首先利用概率盒理论(P-box)将来自水平和垂直方向传感器的时域信号分别进行概率盒建模,从而减小认知不确定性带来的消极影响并充分提取多方位振动信号中故障信息;然后提取模型概率切片累积特征输入到构建的双通道并行卷积神经网络(PCNN)自适应训练,在此基础上通过在网络的全连接层之前添加一个融合层进行双向特征信息融合;最后利用归一化指数函数实现故障部位的辨识。某铁路局机务段轮对轴承数据分析结果表明,所采用方法在应对故障程度不均衡数据集时仍具有较高的准确性和稳定性,且在不同噪声条件下具有一定的鲁棒性。

基于S-粗集的粗数据规律识别

利用S-粗集,给出粗数据的概念,粗数据具有动态特性;给出粗数据规律生成;提出粗数据规律生成定理,粗数据规律还原定理;给出粗数据规律识别准则与可分辨定理;给出粗数据规律的应用。

双套LKJ数据同屏对比显示装置的开发研制

LKJ数据的准确性是决定列车安全运行的基本保障,与之相应的数据检验也成为一个重要的项目;本系统采用了集成化设计,将两套便携式LKJ2000型调试装置及工业控制计算机集成在一起,在能够完成监控装置模拟的基础上,内置了工业控制计算机使之集成工作;可以在本系统上对新旧两套监控记录装置的数据进行同步运行和对比,能快速发现监控地面数据修改时的错误,对修改后的地面数据进行验证。

一种双模导引头目标检测的模糊数据融合算法

本文利用模糊集合来描述传感器的检测率和虚警率,提出了一种双传感器目标检测的模糊数据融合算法,并将其应用于双模复合导引头的目标检测,仿真结果表明算法合理。

数据中心柴油发电机组并机主控冗余监控系统的设计

数据中心柴油发电机组并机主控冗余监控系统,由双PLC、UPS电源、工业光电转换器、机组控制器、HMI等硬件以及相关程序组态控制软件组成,系统采用双PLC冗余监控方式,可实现对备用电源控制系统中市电状态、柴油发电机组状态、进线柜状态、母排状态和馈线柜状态等设备的监测以及柴油发电机组、馈线柜等设备的控制,保证整个柴发控制系统正常运行,同时系统预留有标准的Modbus TCP-IP通讯接口,通过工业光电转换器以光纤/网线为传输介质,可将控制系统中的所有变量传输至20km以外的电力监控系统或者动环监控系统等,供用户远程管理。

大型数据中心柴发作备用电源系统型式探讨

规范规定A级数据中心应由双重电源供电并配备用电源,在实际工程建设中一些大型A级数据中心综合考虑投资建设周期与投产收益时间等因素,常会采取分模块建设和分阶段投产的方式,投产期可能会很长。如果每个模块和阶段都采用"双电源+冗余备用电源"的供电型式,不仅投资成本会成倍增加,还会造成备用电源的大量闲置。从柴油发电机组在大型数据中心作备用电源的型式进行探讨,提出一种既能保证供电可靠性又可降低投资建设成本的供电型式,并结合工程案例讨论这种架构的工作模式及特点。