Reaction pathway led by silicate structure transformation on decomposition of CaSiO_3 in alkali fusion process using NaOH

The mechanism of decomposition of calcium inosilicate(CaSiO_3) synthesized through chemical deposition method using analytical reagent NaSiO_3·9H_2O and CaCl_2 during the alkali fusion process using NaOH was investigated by Raman spectroscopy in situ,X-ray diffraction and Fourier transform infrared spectrometer(FTIR).The results show that the tetrahedral silica chains within CaSiO_3 are gradually disrupted and transformed into nesosilicate with the isolated SiO_4 tetrahedra at the beginning of the alkali fusion process.The three intermediates including Ca_2SiO_4,Na_2CaSiO_4 and Na_2SiO_3 appear simultaneously in the decomposition of CaSiO_3,while the final products are Ca(OH)_2 and Na_4SiO_4.It can be concluded that there exist two reaction pathways in the alkali fusion process of CaSiO_3:one is ion exchange,the other is in the main form of the framework structure change of silicate.The reaction pathway is led by silicate structure transformation in the alkali fusion process.

Formation Process of Magnetized Fusion Target on the YingGuang 1 Device

Magnetized target fusion is an alternative method to fulfill the goal of controlled fusion, which combines advan- tages of both magnetic confinement fusion and inertial confinement fusion since its parameter space lies between the two traditional ways. Field reversed configuration （FFtC） is a good candidate of magnetized targets due to its translatable, compressible, high /3 and high energy density properties. Dynamic formation process of high density FFtC is observed on the YingGuang 1 device for the first time in China. The evolution of a magnetic field is detected with magnetic probes, and the compression process can be clearly seen from images taken with a high-speed multi-frame CCD camera. The process is also studied with two-dimensional magneto hydrodynamic code MPF-2D theoretically, and the results agree well with the experiment. Combining the experimental data and the theoretical analysis, the length of the formed FRC is about 39 cm, the diameter is about 2-2. 7cm, the average density is 1.3× 1016 cm-3, and the average temperature is 137eV.

A New Approach to Software Development Fusion Process Model

There are several software process models that have been proposed and are based on task involved in developing and maintaining software product. The large number of software projects not meeting their expectation in terms of functionality, cost, delivery schedule and effective project management appears to be lacking. In this paper, we present a new software fusion process model, which depicts the essential phases of a software project from initiate stage until the product is retired. Fusion is component based software process model, where each component implements a problem solving model. This approach reduces the risk associated with cost and time, as these risks will be limited to a component only and ensure the overall quality of software system by considering the changing requirements of customer, risk assessment, identification, evaluation and composition of relative concerns at each phase of development process.

Analysis of Fusion Process Model—Case Study

Fusion Process Model is a software process model to enhance the software development process. Fusion process model have five fundamental phases and one fusion process controller to control and co-ordinate the overall development process. Fusion Process Model uses 3C-Model to generalize the process of solving the problem in each phase. 3C-Model, which helps in implementing component based development approach and provides firmer control over the software development process. Because of the component driven approach, the risk associated with cost and time is limited to component only and ensure the overall quality of software system, reduce the development cost and time by considering the changing requirements of customer, risk assessment, identification, evaluation and composition of relative concerns at each phase of development process. We have implemented Fusion Process Model to the design of a real world information system and evaluated this implementation with the initial project estimation.

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明:各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数:0.85,提取误差:1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数:0.79,提取误差:9.34%)提取效果最好;在低倒伏区域,均值纹理特征图像的ANN监督模型(OA:91.05%, Kappa系数:0.82,提取误差:8.20%)提取结果较好。本研究将DSM模型、植被指数、纹理特征与多光谱图像进行融合对比,并对多特征融合方法能否高精度有效提取小麦倒伏信息进行了探究,结果表明无人机多光谱遥感结合特征融合技术能有效提取小麦倒伏面积,提取效果优于单特征小麦倒伏图像。本研究结果可为助力小麦倒伏灾情调查数据的精确获取方法提供参考。

Image Processing on Geological Data in Vector Format and Multi-Source Spatial Data Fusion

The geological data are constructed in vector format in geographical information system (GIS) while other data such as remote sensing images, geographical data and geochemical data are saved in raster ones. This paper converts the vector data into 8 bit images according to their importance to mineralization each by programming. We can communicate the geological meaning with the raster images by this method. The paper also fuses geographical data and geochemical data with the programmed strata data. The result shows that image fusion can express different intensities effectively and visualize the structure characters in 2 dimensions. Furthermore, it also can produce optimized information from multi-source data and express them more directly.

MCM-ICE:联合独立编码和协同编码的多模态分类模型

多模态数据处理是一个重要的研究领域,它可以通过结合文本、图像等多种信息来提高模型性能.然而,由于不同模态之间的异构性以及信息融合的挑战,设计有效的多模态分类模型仍然是一个具有挑战性的问题.本文提出了一种新的多模态分类模型——MCM-ICE,它通过联合独立编码和协同编码策略来解决特征表示和特征融合的挑战.MCM-ICE在Fashion-Gen和Hateful Memes Challenge两个数据集上进行了实验,结果表明该模型在这两项任务中均优于现有的最先进方法.本文还探究了协同编码模块Transformer输出层的不同向量选取对结果的影响,结果表明选取[CLS]向量和去除[CLS]的向量的平均池化向量可以获得最佳结果.消融研究和探索性分析支持了MCM-ICE模型在处理多模态分类任务方面的有效性.

基于电流多特征融合的窄间隙P-GMAW摆动电弧传感焊缝跟踪方法

电弧传感是实现窄间隙焊接焊缝跟踪的主要方式之一。针对电弧传感稳定性差、可靠性低的问题,提出融合摆动周期内电流信息的多个统计学特征进行偏差提取的方法,克服单一数据特征容易受到电弧稳定性影响、导致传感精度下降的问题。首先,提取电流信号的多个时域特征,计算特征矩阵与偏差矢量相关性;然后,取相关性高的特征用主成分分析的方法进行融合,取前两个主成分作为观测数据;最后,基于多分类的支持向量机模型对其进行分类试验。试验结果表明最大误差为0.2 mm,0.1 mm以内的误差占93.75%。该方法对比传统方法精度有所提升,对比神经网络方法,所用训练样本少,训练过程更加简单。

针对冲击性故障信号的谱融合特征提取算法

利用盲解卷积方法在时域中进行故障信号特征提取时,常会出现多个信号混淆分离结果,但以往的研究中只强调了分离的部分,而很少对分离后的信号进行进一步的处理,给实际应用造成不便。这里在盲解卷积和谱融合的基础之上,使用核改进的模糊c均值聚类算法,针对机械故障信号的脉冲特性,提出一种针对冲击性故障信号处理的实用型算法。计算机仿真实验证实了该算法的有效性。此算法优化了以往的聚类筛选方法,可以有效排除反卷积后诸多无用信号的干扰,将故障脉冲信号的特征准确提取出来,能提高故障诊断的效率。

基于关键点检测方法的焊缝识别

为保证自动焊接的质量,提高焊缝识别的准确性和适应性,提出一种焊缝特征提取的关键点检测方法.基于卷积神经网络设计了焊缝特征提取网络,该网络通过卷积、池化操作提取焊缝特征.将来自深层的特征图进行上采样,最后将深层特征图和浅层特征图相融合,提高焊缝特征提取精度.输出焊缝图像的热力图来预测焊缝特征点位置,实现多种坡口焊缝的识别定位,且不需要非极大值抑制算法,提升了特征提取速度.采集不同的焊缝特征图像,进行网络模型训练.结果表明,焊缝特征点定位均方根误差为0.187 mm,网络模型在焊缝特征点识别任务中检测精度较高,而且适应性和泛化性较强,满足自动焊接的要求.

基于点云的多源数据融合技术

三维激光扫描技术是一门逆向工程应用技术,凭借其高速、全面且高自动化的特点,显示出了强大的不可替代性。三维点云数据有着其多样化、精度高、数据完整的优点。多源数据融合技术使不同设备获取的点云数据、影像数据、空载数据能够相互弥补,提高不同场景环境下的作业效率,完善数据的结构和精度质量,使空、地、水下三维数据的一体化成为可能。通过对不同射程多台三维激光扫描仪的数据进行相对精度分析、调整和融合,并对不同融合方法获取的多源融合数据进行精度验证,探索一种多源数据融合的方法,形成多源数据融合的通用技术流程。为多种载体三维激光扫描技术的数据和影像数据的融合方法研究奠定基础。

多源数据融合的高层建筑物三维建模研究

随着无人机的大规模普及,倾斜摄影测量技术应用越来越广泛,但是由于其技术特点,在数据采集过程中受角度、遮蔽等因素的影响,导致三维模型极易出现拉花、扭曲等问题。基于此,探讨了融合机载激光雷达(Light Laser Detection and Ranging,LiDAR)、地面数据采集和倾斜摄影技术的方法,以提高高层建筑物三维建模的精度和细节。机载LiDAR技术通过激光雷达扫描获取点云数据,提供建筑物的几何形状和细节信息,倾斜摄影技术可以提供建筑物纹理信息,与机载LiDAR技术结合可以提高建模的真实感和精度。点面三维激光扫描仪能够有效补充前两项技术的缺失,如补充细节数据。研究融合三种数据源的信息,综合利用它们的优势,为城市规划、建设和管理提供更准确、可靠的数据支持。

外测实时数据融合方法分析

针对目前任务模式复杂、测量装备种类多且跟踪能力不同的问题,充分利用汇集于中心的大量装备测量数据,改变原有的接力分段处理的方式,研究测元级和弹道级的实时融合处理方法,给出切实可行的数学模型和方法步骤,并模拟异常数据分别计算,分析两种方法的处理精度和适用情况。该方法已经在实时处理软件中使用,保障了多项任务的实时数据处理,较传统处理方式有明显提高。

航天复杂薄壁零件加工工艺知识图谱构建及其应用

针对航天复杂薄壁零件加工工艺数据结构化程度低、难以重用等问题,将知识图谱引入工艺设计领域,提出了一种典型的复杂薄壁零件加工工艺知识图谱构建方法。首先,自顶向下定义工艺知识层次结构,利用本体建模构建了模式层;其次,利用知识抽取、知识融合及本体关系建立的方法自底向上构建了数据层,通过Neo4j图数据库完成了模式层与数据层的映射,并实现了工艺知识的可视化表征和快速检索;然后,在构建完成的工艺知识图谱基础上,结合零件属性和特征拓扑关系的相似度实现了工艺路线推荐;最后,搭建了复杂薄壁零件加工工艺知识图谱可视化系统,并以框段类零件为例展示了工艺知识检索与工艺路线推荐功能。研究结果表明:对基于知识图谱和相似度计算的工艺路线推荐模型进行了500次测试,有94.7%的推荐列表中存在与目标零件相符的工艺路线。这证明了该工艺知识图谱的构建方法是可行的,并且其对工艺设计工作起到辅助决策作用,可以有效提高工艺查询和设计的效率。

证据方法视阈下大数据证据诉讼应用及正当程序保障

证据方法的作用在于通过从客观上揭示证据内含的信息内容,联接证据与刑事证明。大数据证据表现出独特的建构性与质素多样性特征,使得现有证据的证据方法无所适从,需要依托融合性证据方法为其诉讼应用提供可操作性指引。而在刑事诉讼中运用融合性证据方法,可能对现有诉讼构造构成挑战。对此,可以从证据方法的工具与程序二维属性出发,建构正当程序保障:在工具属性维度,发挥法官庭外调查的能动、兜底性作用;在程序属性维度,构造“对等”性权利保障,弱化微观权力。

多尺度融合图像去雾方法

图像去雾能够使视觉系统适应不同的天气状况.为克服传统暗通道先验方法会在物体边界区域形成光晕效应的问题,提出一种用于估计有雾图像透射率的多尺度融合算法.应用不同大小的最小值半径得到多尺度的透射率估计值,再根据局部区域像素具有类似的透射率值这一现象,对透射率图进行多尺度融合,选择小透射图区域中最亮的像素来计算大气光值,最后使用大气散射模型恢复清晰图像.分别从视觉效果和量化指标两个方面,对比所提方法与传统的基于先验和基于深度学习的去雾方法在进行图像去雾后的效果.结果发现,针对4种典型场景,采用本研究算法去雾后的重构图像能够保留更多的结构、细节和颜色信息,避免了过分增强和边缘部分的雾残留问题,视觉效果均优于对比方法;量化指标峰值信噪比和结构相似性均高于对比方法,分别为15.65和0.78.

海洋地球物理数据处理现状及展望

本文详细介绍了青岛海洋地质研究所地球物理数据处理技术的发展历程、技术现状和展望。介绍了目前主流的多波束高精度成像及声学信息提取技术、重磁数据处理及解释技术、浅水高分辨率浅地层剖面/单道地震数据处理技术、低信噪比小道距多道地震成像技术、长排列多道地震数据处理技术、水合物三维地震数据处理技术和地球物理反演与目标体识别技术等关键处理技术的现状,并对今后数据处理技术发展方向进行了展望。这些技术已成功运用于多项海洋基础地质调查、海岸带调查、深海地质调查、油气和水合物资源调查项目中,为海洋地质调查和研究提供了良好的支撑。

高精度智能断层预测技术及应用

利用断层敏感属性识别断层的精度和适用性有限,主要可识别主干大尺度断层。对于中、小尺度断层,由于欠缺足够的分辨率、连续性,预测的断层数量不准,如果仅依靠单一属性预测断层的可信度较低。此外,长期以来断层解释以人工为主,严重影响工作效率。为此,为了突破单一方法的极限,从而识别更多的断层,改善断层预测的分辨率和连续性,消除“双边界”效应,创建了高精度人工智能断层预测流程,以逐级提升断层解释精度和效率。首先,开展叠后地震资料预处理,提高原始地震数据的品质,为生成高精度断层属性建立基础;其次,进行人工智能断层预测,为了进一步提升预测精度,对人工智能预测结果进行“断层增强—骨架化—蚂蚁体”处理;再次,利用多属性融合丰富多尺度断层信息;最后,依托高精度断层预测结果,结合智能化技术提高断层解释效率。将高精度人工智能断层预测流程用于渤海湾盆地X区实际资料,预测结果表明,剖面正断层以阶梯状、“Y”式组合为主,大部分为SE倾向,与断陷同期形成。平面上断层优势方位为NE向,与近SN向次级断层构成“梳状”组合,表明该区发生伸展变形的同时,可能遭受左旋走滑作用。

一种改进多尺度融合的电动汽车充电口识别方法

针对无人自动充电桩工作过程中背景复杂导致电动汽车充电口识别精度低等问题,提出基于改进YOLOv5算法的一种电动汽车充电口识别方法。采用融入加权双向特征金字塔结构增强不同层级间的信息融合能力;引入GhostNet网络结构中的深度可分离卷积GhostConv,替代原模型中的特征提取网络中的普通卷积层,减小了模型的计算开销;主干网络中使用SENet结构增加感受野信息,提高模型对充电口特征的提取能力;同时改进模型损失函数,引入EIoU损失函数代替原始CIoU损失函数,提高边界框回归精度。实验结果表明:改进后的模型在自制的多样化电动汽车充电口数据集上相较于原始YOLOv5算法在模型体积上减小了6.94 MB,检测精度提升到94.75%。同时与目前主流的检测算法对比,检测精度与检测速度也具有一定的优越性,适用于复杂背景环境下的电动汽车充电口的目标检测。

基于贴文级特征融合的社交网络谣言检测方法

现有的谣言检测方法,对贴文语义和贴文发布者信息、贴文传播状态等社交网络属性之间的关联利用不足,导致检测性能受限。针对这一不足,提出一种基于贴文级特征融合的谣言检测模型PF-HAN。模型通过带注意力机制的双向长短期记忆网络(Bi-LSTM)生成各条贴文的语义表示,并与对应贴文的社交网络特征进行拼接以保留两者的对应关系。融合得到的贴文综合表示以序列形式输入分层注意力网络提取时序特征,生成最终的事件表示用于谣言判别。实验结果表明,模型在新浪微博和Twitter数据集中进行谣言检测任务时F1值达到0.956和0.740,且能以高准确率完成谣言早期检测任务。