基于FA-LN-BiGRU的机械设备剩余寿命区间预测方法

针对数据驱动融合模型存在前后模型不匹配、关键信息丢失等问题,提出了一种端对端的预测方法,即基于特征注意力机制的对数正态分布和双向门控循环单元融合(feature attention-lognorm-bidirectional gated recurrent unit,简称FA-LN-BiGRU)的剩余寿命区间预测方法。首先,利用特征注意力机制从多维度、非线性和大规模的传感器信号中提取出关键特征向量;其次,采用BiGRU网络从前向和后向2个方向对注意力加权特征的时变特性进行建模学习,并通过最大似然估计损失函数来训练网络参数,获得网络隐含状态输出向量的概率分布;最后,计算出基于对数正态分布的概率密度函数,实现设备剩余寿命(remaining useful life,简称RUL)不确定性的衡量。分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够深入挖掘性能退化信息,有效提高机械设备剩余寿命点预测和区间预测的准确度和可靠性。

Kalman滤波算法在海洋钻机中控制信号的优化

海洋钻机由于其应用的特殊性,对控制信号的稳定程度及控制精度有更高的要求。针对海洋钻机电控系统中信号受噪声干扰大的情况,提出一种基于Kalman滤波算法的PID控制信号优化方式,控制过程中信号是多维且非平稳输出,利用Matlab/Simulink软件仿真PID传递函数并整定参数,利用传递控制信号的输出作为Kalman滤波算法线性观测方程的输入,运行正态分布融合模型,建立海洋钻机控制信号的干扰高斯白噪声的模型,对稳定信号及噪声观测值进行加权平均更新迭代计算,以便于获取最小方差估计值,从而得到降噪的信号。实验仿真表明,与传统的PID信号输出相比较,系统具备更强的抗干扰能力和更好的鲁棒性。

基于归一化方差的多分辨率图像融合方法

针对遥感多光谱图像空间分辨率较低的问题,论文提出了一种基于归一化方差的多分辨率图像融合方法。该方法首先对图像进行二维小波变换,然后根据高频小波系数的均值和方差来定义图像局部灰度相关矩,从而得到包含更多信息和有效特征的融合图像。试验结果证明融合图像在保留地物光谱信息和提高空间细节表现能力上都具有很好的效果。

基于GMM-UBM和GLDS-SVM的英文发音错误检测方法

将语种和说话人识别的方法应用到英语发音错误检测系统,提出一种基于广义线性区分序列支持向量机(Generalized linear dis-criminant sequence based SVM,GLDS-SVM)的发音错误检测方法.主要创新点为:1)提出一种基于状态拼接的特征规整方案,增强SVM对发音特征的建模能力;2)提出一种基于多模型融合的模型训练策略,该策略可以更加充分地利用训练数据,并在一定程度上解决了由于真实发音错误数据缺乏造成的正负样本不均衡的问题;3)将GLDS-SVM与基于通用背景模型GMM(Universal background modelsbased GMM,GMM-UBM)的方法进行融合,以进一步提高发音检错性能.GLDS-SVM和GMM-UBM的融合系统在仿真测试集和真实测试集上的等错误率(Equal error rate,EER)分别达到9.92%和16.35%.同时,GLDS-SVM在模型占用空间和运算速度方面均比传统径向基函数(Radial basic function,RBF)核方法具有明显优势.

多源地学信息在土地荒漠化遥感分类中的应用研究

土地荒漠化是当今全球面临的重大环境问题之一 ,它的发生、发展及其逆转是气候、环境和人类社会经济活动综合作用的结果 .荒漠化土地分类是土地荒漠化研究中至关重要的一个环节 ,由于地形粗糙度和植被覆盖率对土地荒漠化具有重要的影响 ,但遥感图象很难对地表地形粗糙度进行定量描述 ,因此引入了数字高程模型(DEM)对研究区地形粗糙度进行表达和采用植被指数 (NDVI)对地面植被覆盖率进行描述 ,并对由DEM生成的地面坡度 (SLOPE)图象、植被指数图象与原始遥感图象进行了信息融合 ,从而大大丰富了遥感图象的荒漠化信息 .通过对融合图象的n 维散度分析 ,不同类型、不同程度的土地荒漠化样本的分离度大幅度提高 .分类结果也证明 ,信息融合可大大提高分类精度 .

多算法融合虹膜识别中的规范化模型比较研究

虹膜识别易受环境影响,利用多算法融合识别提高复杂应用环境下虹膜识别可靠性是一种非常有效的途径。本文针对多算法融合虹膜识别中的关键步骤——规范化模型选择做了比较性研究。首先搭建多算法融合虹膜识别平台,对常见的三种规范化模型在UBIRIS虹膜库中做了比较测试,实验结果证明双sigmoid函数指数模型性能最优。本文研究可对多算法融合的研究提供理论参考。

大数据背景下常态化疫情精准防控机制研究

在总结和提炼疫情大数据的来源及特点的基础上,讨论了疫情大数据的组织以及多维信息碰撞的涉疫人群锁定思路。以日照市多部门联合推出的公众健康动态监测系统为例,探讨了公共场所人员快速分流的技术及思路;以入境人员无缝流转为例,提出了信息流先行的人流与信息流协同机制。针对疫情防控中谎报瞒报涉疫信息的现象,提出了社区参与的人员落脚点真实性验证机制;探讨了智慧社区科技围合的疫情精准防控机制。

4种遥感数据时空融合模型生成高分辨率归一化植被指数的对比分析

【目的】针对时空融合方法在遥感植被状况调查及动态变化监测中的应用,比对时空自适应反射率融合模型(STARFM)、增强型时空自适应反射率融合模型(ESTARFM)、回归拟合空间滤波和残差补偿模型(Fit-FC)和规则集回归树融合模型(RPRTM)等4种时空融合模型对归一化植被指数(NDVI)的融合效果。【方法】以三江源地区2块具有差异性地表特征的区域为研究样地,采用上述4种时空融合方法,融合空间分辨率30 m的Landsat 8影像和250 m时间步长16 d的MODIS NDVI数据,生成步长为16 d的30 m空间分辨率的NDVI数据。基于Landsat NDVI影像通过定性的目视判别和定量的统计分析来评价不同融合模型结果的空间特征模拟效果,并以真实的MODIS NDVI时间动态为参考,分析了不同融合方法对地表植被动态特征的拟合效果。【结果】(1)关于空间特征的捕捉,在地表覆盖状况较复杂的区域,RPRTM融合效果最佳(R2=0.82);而对于输入影像差异较大的区域,ESTARFM融合效果最佳(R2=0.95)。(2)关于时间动态的捕捉,RPRTM针对不同的植被型均取得了最佳效果(R2为0.97~0.99)。(3)相对于模型输入数据的时空可比性,地表异质性对STARFM和ESTARFM融合效果的影响更大。【结论】4种时空融合模型能有效用于生成高时空分辨率的NDVI数据,不同模型其融合效果各有不同,RPRTM在复杂地表区域与模拟植被生长动态变化中均有较好表现。

基于特征融合的文物碎片模型检索

基于特征的模型检索是计算机视觉领域的一个重要研究方向,主要包括特征提取和模型检索两个方面,其中特征的鲁棒性对模型检索结果起决定性作用。由于已有检索算法存在局部特征有效性较低的问题,该文提出一种基于特征融合的兵马俑碎片模型检索算法。针对兵马俑碎片的三维点云数据模型,首先计算点的主曲率和法向夹角,并对其加权融合;然后基于该融合特征构造特征匹配算法,通过对融合特征的匹配实现碎片模型检索。实验中,对50个兵马俑的1036个碎片进行了检索,结果表明该算法可以有效提高碎片的检索精度,避免算法陷入局部极值。因此,该基于特征融合的三维模型检索算法是一种有效的兵马俑碎片检索方法。

基于多预测模型融合的电力变压器安全预判

为解决传统分析措施未能将多源异类的数据信息纳入电网设备故障征兆分析及基于小样本单一算法难以较好应对多种故障类型设备诊断的问题,构建一种不同类型电网设备相关数据的统一化、标准化方法。采用卡方分布算法通过对数据相关性挖掘进行特定故障类型征兆集的选择,以避免层次分析法、格林兰验证等故障征兆集分析方法存在人工经验干扰。构建了一种多算法融合决策方法来避免单一算法决策的弊端。通过实例验证了对电力设备的单一故障类型寻找故障征兆集比针对设备选择故障征兆集具有更好的简约效果与预判准确率。实例还验证了所提融合算法效果好于单一算法。

基于多特征融合的运动阴影去除算法

对视频监控中的运动阴影问题进行了研究,提出一种颜色特征、归一化向量距离、亮度比值相融合的阴影去除方法。首先,通过混合高斯模型建立背景图像,利用背景差分法分离运动区域。然后,采用串行处理方法检测运动区域中的阴影像素。在RGB颜色空间下根据颜色一致性特征消除阴影之后,根据运动区域的归一化向量距离分布直方图进一步检测阴影像素。最后,针对阴影检测过程中存在的误检问题,建立像素的光照模型,计算阴影像素与背景像素的亮度比值,并根据置信区间排除误检的前景像素。实验结果表明,该方法能够克服单特征方法的局限性,在多个真实场景下能有效检测与去除阴影,适应性强,鲁棒性好,处理时间适中。

“一个坚持、四个融合”的生物学师范生培养模式的研究

本研究在调查研究的基础上,提出“坚持寓思想政治教育于专业教学”,通过“理论学习与实践训练融合、案例学习与技能培养融合、校外教学与校内教学融合、线上学习与线下学习融合”的“一个坚持、四个融合”培养模式;构建新时代下,符合社会需求和师范生身心发展特点的,创新型生物学师范生的培养模式。

图片风格融合及快速迁移

通过卷积神经网络对不同图片的内容和风格进行融合,可生成风格多样化的图片。这不但为影视制作提供了丰富的素材,更有利于图像修复和图像增强。针对这类问题,前人曾提出一些算法,但很难在时间和空间方面都达到很好的效果。这里提出一种基于TensorFlow(将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统)的条件归一化网络来支持多风格融合及图片快速迁移,多风格可共用一个网络模型,这大大减少了算法耗时,并缓解了模型存储耗费空间大的问题,节省了计算机资源。时间上优于传统迁移算法三个数量级,空间上25种风格可共用一个模型。同时,更大程度地保留了内容图的语义特征,具有更好的视觉效果。

基于改进Libra-RCNN的输电线路绝缘子识别

针对无人机航拍输电线路识别绝缘子的定位精度和稳定性较差等问题,提出一种基于ASFF金字塔网络的Libra-RCNN绝缘子检测模型。首先,使用FRN归一化层替代原BN层,消除归一化层对训练批次大小依赖,增加模型学习效率;然后在Libra-RCNN算法金字塔中引入ASFF网络结构,有效解决特征金字塔内部不一致问题;最后借助GIoU交并比替代原IoU交并比,更好精确绝缘子位置。在Insulators_Datasets绝缘子数据集中,改进Libra-RCNN模型平均准确率达94.10%,召回率达97.51%;相较原Libra-RCNN模型分别提高2.23%、2.61%,表明所提算法能稳定、有效地识别绝缘子。