应用局部自适应阈值方法检测圆形标志点

利用圆形标志点的几何和灰度特征,在图像中搜索具有符合该特征描述的区域,对圆形标志点进行粗定位.对粗定位区域的扩展区域使用最大类间方差阈值分割法分割出圆形标志点轮廓,并对像素轮廓进行最小二乘拟合,计算出圆形标志点的中心坐标及拟合轮廓各参数,根据该参数筛选保留所需标志点中心坐标.结果表明:该方法使用局部的大津阈值检测圆形标志点,能够避免全局阈值的缺陷,提高标志点检测的检出率;采用最小二乘椭圆拟合提取标志点中心,能够达到亚像素级精度.     

大数据时代的车牌汉字识别

在大数据时代, 交通信息成为网络数据量最大的数据来源之一, 智能交通成为必然需求. 车牌识别是智能交通的基础, 可广泛应用于车库管理、交通监控等工程中, 然而识别的准确率还有待加强, 已有算法对于字母、数字的识别准确率都非常高, 而对于中国特有的汉字识别却效果不佳. 提出用受限玻尔兹曼机组成的深信度网络算法来识别车牌字符, 大大提升了汉字识别的准确率, 使准确率达到99.44%.     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

无箱摇臂式针刺机设计分析

目前,国内很多企业已开始研发无箱摇臂式针刺机,无箱摇臂式针刺机可以达到更高的针刺频率,可靠性也有很大提高。本文介绍了无箱摇臂式针刺机主传动机构和双摇臂导向机构,并对设计中容易出现的平衡、振动、定量给油润滑等问题进行分析与解决。     

关于三代汽车轮穀轴承外圈沟道磨床上下料的改进

三代汽车轮毂轴承外圈沟道磨床上下料时间较长,延长了机床的加工节拍,在磨削速度不能显著提高的环境下,只能减少非加工时间来提高效率,分析了原上下料存在的不足,详细介绍改进后的上下料结构及使用方法,实践证明改进后的上下料具有良好的稳定性、高效性,减少了机床的加工节拍,能够显著提高机床加工效率。     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

基于多特征融合的中文评论情感分类算法

为解决情感分类中词间的语义关系难以表达和分析的问题,提出了一种基于词向量(word representation)和支持向量机(support vector machine)的情感分类算法,对电子商务在线评论的情感分类问题进行研究.首先使用word2vec聚类相似特征,然后使用word2vec和SVM对情感数据进行训练和分类,并分别使用基于词特征和基于词性标注的方法进行特征选择.在京东评论数据上进行的实验结果表明,与现有方法相比,分类准确率和召回率得到了提高.     

美国致密油开发关键技术

 中国致密油储量丰富, 但目前国内的致密油开发技术还处于探索阶段。美国的致密油开发技术在全球致密油开发技术中最为成熟, 具有非常重要的借鉴意义。从美国致密油开发过程分析看, 可以发现水平井技术和水力压裂技术是推动致密油成功开发的关键, 而与之相配套的技术工艺与工具, 包括水平井布井方式、旋转导向工具、行走式钻机、分级/分段改造工艺及工具等, 是致密油开发技术最重要的组成部分。通过对美国致密油钻井及水力压裂的相关关键技术的认识, 对其开发过程中钻井工艺、配套工具及钻井设备和压裂工艺、分段改造工具及压裂施工参数进行了总结。对比目前中美致密油开发技术, 认为加强国际间技术合作及相关技术的自主研发, 是推动国内致密油高效开发的关键。     

超大能力超细全尾砂长距离自流输送临界流速ELM预测

 为准确预测司家营铁矿超大能力超细全尾砂浆体长距离管道自流输送的临界流速,对比传统的BP 神经网络、支持向量机(SVM),建立了以管道直径、物料平均粒径、浆体体重和体积浓度为输入因子,临界流速为输出因子的极限学习机(ELM)预测新模型。研究结果表明,ELM 模型与SVM 模型的相对误差均控制在5%以内,远低于BP 神经网络模型的9.56%。由于隐层节点参数均随机选取且无需调节,使得ELM 算法在隐层节点数为110 和200 时,训练时间仅为0.02 s 和0.05 s,远少于同节点状态SVM 模型的0.04 s 和0.095 s,且隐含节点数越多,训练时间差距越大,运算效率越高。     

具位移时滞反馈机床颤振系统的 稳定性和分支分析

研究了具位移时滞反馈机床颤振系统模型.从对系统线性化方程的特征方程根的分布分析入手,讨论了系统平衡点的稳定性,确定了系统的线性稳定性区域,发现当系统中的时滞经过一系列临界值时,系统经历了Hopf分支.然后,利用中心流形理论和规范型方法分析了分支周期解的稳定性和Hopf分支的分支方向.最后,数值模拟验证了理论结果.