统计模式识别的研究

模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入（神经网络和支持向量机方法）也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.     

数字建筑之文化符码浅析

从数字时代演化和人类行为学角度出发，简述了数字设计的概念以及文化符码的观念理论，以文化符码三层说对某数字设计的实例进行了分析，从文化符码解读了数字设计创作的方法论。     

基于YT0-101总线的PC与单片机通信系统的研究

在对YT0—101通信接口电路及其通信协议研究的基础上，探讨了PC机与8051单片机之间进行etech—bus串口通信软件和硬件设计的原理及方法，给出了单片机与YTO—101总线的部分接口程序。     

称谓语的选用与社会身份关系之表达

称谓语是发话人用来称呼交际对方的用语。但其功能远不止于此，称谓语是社会关系在语言中的表现，它不单纯是语言的称谓系统本身。称谓语的选用能为整个交际活动定下基调，能清楚地反映出交际双方之间的社会关系和他们的社会地位。     

非对称极化散射矩阵的目标识别方法研究

本文针对单基地测量时线性目标的极化散射矩阵为非对称这一实际情况．根据散射矩阵理论将其进行了对称性修正，在此基础之上，利用本征极化作为雷达目标极化特性的表征并进一步提取了目标的极化特征，同时对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

数字图像测量技术及在隧道室内模型试验中的应用

首先按照数字图像技术分析基本原理差异,对数字图像相关（DIC）、粒子图像测速（PIV）等二维数字图像测量方法在隧道模型试验中的应用现状、技术发展以及基本原理进行梳理。进一步,对三维测量方法的原理及在隧道模型试验中的应用潜力进行分析。最后,通过黄土地层盾构隧道的掘进模拟试验,对数字图像测量技术在隧道模型试验中的应用进行示范。结果表明：DIC、数字照相变形量测（DPDM）等非接触测量方法以照片上点的相关性判断各点的位移,使用场景更偏向于室内试验道路、桥梁、隧道、基础、河坝、钢结构、钢混结构等土建结构的变形监测中;而PIV分析可测量流体中流动的大小和方向,被广泛运用于浆液、泥石流、喷泉等流体运动的研究中。此外,基于黄土地层盾构隧道室内模型试验方案发现,低含水率黄土地层盾构掘进8环管片距离时,围岩的扰动范围为盾构掘进中轴线两侧1 D（管片外径）左右和盾构上方1 D范围内。     

基于网格映射技术的弹性密封垫孔洞设计研究

针对密封橡胶在压缩情况下易发生翘边而严重影响管片接缝防水效果的问题,基于ABAQUS/Standard中的网格映射技术,建立了超弹性橡胶密封垫的压缩数值模型,对7种不同开孔形状、开孔率、孔洞排列方式的密封垫开展轴向压缩数值模拟。结果表明：在整个压缩数值模拟过程中,弹性橡胶密封垫接触面应力呈现两端大、中间小的多峰值W形分布;闭合孔为圆角三角形的密封垫相较于其他开孔形状的密封垫,平均接触应力最大值提升86.8%;开孔率为0.294的密封垫相较于其他开孔率的密封垫,平均接触应力最大值提升92.6%;错孔排列的密封垫相较于对孔排列的密封垫,平均接触应力最大值提升25.2%;相较于敞开孔构型变化,闭合孔构型变化对接触应力的影响更大,两者同一工况下平均接触应力最大可相差85.2%。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

抗深度取证的多粒度融合图像修复网络

数字图像的真伪判别是图像安全领域中的基础问题,因数字媒体极易被攻击篡改,针对图像的取证技术得到了广泛的研究.另一方面,对图像篡改反取证技术的研究,不仅追求更逼真的图像篡改操作,也从相反的方向促进了取证技术的发展.图像修复作为基础的图像篡改操作,一直是国内外学者的研究热点.针对被修复篡改后的图像会被深度取证网络取证的问题,提出了一种抗深度取证的多粒度融合图像修复(multi-granularity fusion-based image inpainting network resistant to deep forensics,MGFR)网络.MGFR网络包括编解码器、多粒度生成模块以及多粒度注意力模块.首先,输入的破损图像被编码器编码成深度特征,深度特征通过多粒度生成模块生成3个不同粒度中间特征;然后,采用多粒度注意力模块来计算不同粒度中间特征之间的相关性并将其融合;最后,融合特征通过解码器生成输出结果.另外,所提出的MGFR网络被重建损失、模式噪声损失、深度取证损失以及对抗损失联合监督.研究结果显示,所提出的MGFR网络在拥有较好的修复性能的同时能成功规避深度取证网络的取证.     

蛋白质组学技术在动物科学中的研究进展

蛋白质组学在后基因组时代以其独特的角度和重要的作用已成为生命科学领域研究的热点内容。动物科学作为生命科学的一个重要分支,其相关研究对人类的生活有着重要意义。为了系统地了解和展望蛋白质组学技术在动物科学中的研究进展,综述了蛋白质组学的概念及其相关技术,归纳和评析了近年来蛋白质组学在动物繁殖、营养、遗传育种和疾病防治方面的研究现状。