基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

基于目标序列分析的智能监控多目标自动检测跟踪

针对道路交通监控场景，提出并实现了一个多目标自动检测与跟踪系统． 首先通过高斯混合模型的运动 信息提取方法得到目标运动信息，并分析了目标信息的连续多帧历史信息， 估计目标区域信息在连续多帧中的统 一性，进而通过信息融合的方式得到了目标检测结果． 然后提出了监控场景下多目标的跟踪与管理策略， 根据目标 检测结果，对场景中的多个目标同时进行跟踪．最后， 根据目标的不同状态将目标划分为新出现目标、被更新目标 和被跟踪目标等不同的类别，提高目标跟踪的准确性．     

基于深度学习的建筑物识别

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90. 8%,通过与其他模型比较分析,该模型具有较好的识别效果。     

基于重心法和层次分析法的高校快递智能柜选址布局问题研究

针对高校快递智能柜选址问题，提出了重心法联合层次分析法的综合选址方法。该方法首先运用重心法确定智能快递柜的备选位置，再结合层次分析法从备选位置中确定最优选址。以广州某高校为例，对联合选址方法进行了实际应用。结果表明，该方法计算过程简便、实用，在校园自提柜选址决策方面有较高的科学性和可行性，可以为各大高校快递智能柜选址提供参考。     

海底观测网络数据管理系统设计

针对海底观测网数据管理的需求，建立了数据管理系统的功能模型，设计了数据通信、设备管理、故障诊断及数据质量控制等关键技术的相关实现算法。综合运用Socket网络编程、MySQL数据库技术，依据模块化的设计思想，开发了海底观测网数据管理系统。海试结果表明，该系统实现了对海底观测网的实时数据采集、状态监控、数据分类存储和数据共享等功能，具有长期运行稳定可靠、可扩展性强的优点。     

大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

糖尿病足部辅具研究进展

 糖尿病足是糖尿病患者最严重的并发症之一。设计合理的足部辅具可有效实现糖尿病患者足底高压区域卸载和足底压力分布优化，有助于降低足溃疡发生率和复发率、延缓足溃疡恶化和截肢周期。综述了糖尿病足部的评估方法、足部辅具的设计原则、制作技术以及临床应用效果，分析发现研究主要以糖尿病足部形状与破损情况为依据，通过结构设计、材料组合等实现降低足底压力峰值、保护足部的目的。然而，目前的糖尿病足部辅具仍需进一步结合足部生理参数监测、主动防护等功能，以更实时、准确地监测糖尿病足部健康水平，更智能、有效地维护足部健康。关键词糖尿病足；足部辅具；压力卸载；智能辅具     

QT工艺对一种B-Nb低碳贝氏体钢 组织及强韧性的影响

通过室温拉伸、摆锤冲击、光学及扫描电镜研究了QT(淬火+回火)工艺对实验钢晶界比例、晶粒尺寸、碳化物析出情况及强韧性的影响，并对其变体的分布及组合方式进行了分析.结果表明:随着回火温度的升高，实验钢强度逐渐降低，塑性逐渐提高;450T和500T钢断口为准解理型断裂，贝氏体板条间析出的碳化物及较低比例的大角度晶界使得冲击韧性较差;而600T和650T钢断口为韧窝断裂，组织中大角度晶界的比例增加，有效地阻碍了裂纹的扩展.变体分析表明，450T钢变体组合方式介于Bain group和CP(close packed)group之间，而600T钢变体之间呈现较明显的CP组合方式，同一CP group内的变体取向差较大，偏折了裂纹传播路径，提高了低温韧性.     

数控机床故障分析与可靠性评价技术的研究

针对传统数控机床可靠性建模时只考虑故障间隔时间而忽略故障性质的现象，提出兼顾机械故障和电气故障的混合威布尔分布模型，进而提高模型准确度.利用最大似然法来确定混合威布尔分布模型参数，用皮尔逊相关系数来确定数控机床各故障时间之间的关系.并通过K-S方法对模型进行检验， 最后确定其符合混合威布尔分布，并运用可靠性评定方法得出数控机床的平均无故障时间.     

基于退化特征相似性的航空发动机寿命预测

针对航空发动机结构复杂、性能退化参数众多、寿命预测精度低等问题,提出了一种基于退化特征相似性的寿命预测方法。首先通过基于Relief算法的退化特征筛选、基于主成分分析(principal component analysis,PCA)的特征提取和基于核函数的特征平滑,提取低维正交多变量退化特征;然后进行特征的相似性匹配,寻找与当前样本特征片段最相似的一组历史样本中的特征片段集合,将这些片段对应的RUL信息融合并采用密度加权方法得到当前样本的寿命预测估计值;最后通〖JP2〗过美国国家航空航天局(national aeronautics and space administration,NASA)提供的航空涡轮扇发动机仿真数据集验证了该方法的有效性,其寿命预测性能高于现有几种代表性方法。