基于复杂网络理论的飞行冲突关键点识别

针对目前空域内航空器防相撞风险骤增,飞行安全态势不容乐观的现状,现有的飞行冲突探测方法难以把握如此复杂的空中冲突态势,不利于航空管制员对空域的飞行安全态势情况进行准确掌控。提出一种基于复杂网络理论的飞行冲突关键点识别方法。首先基于航空器机载防相撞系统（ACAS）保护区模型构建飞行冲突态势网络模型,在此基础上,采用复杂网络理论中的节点度中心性、接近中心性以及PageRank指标结合AHP方法对空域飞行冲突态势网络中所有节点的冲突等级进行评估,找出威胁等级较高的关键航空器及关键位置。仿真结果表明,通过建立飞行冲突态势网络可以合理划分空域内的安全态势等级,同时根据复杂网络节点重要度评价指标能够对存在严重冲突安全威胁的航空器进行有效识别,协助航空管制员全面掌握空域内飞行安全态势。     

基于时间序列InSAR技术的川东红层滑坡识别及变形规律

针对川东红层滑坡典型易发区域,采用小基线集(SBAS)时间序列的InSAR(interferometry synthetic aperture radar)方法进行了解译,并采用Google Earth可视化展示,有效圈定并复核了潜在隐患区域。提取了采矿引起斜坡失稳及牛马场滑坡的变形位移曲线,揭示了其变形规律。研究结果表明:解译区滑坡基本都发育在形变速率较大的黄色欠稳定和红色不稳定区域,区域形变位移值大小与滑坡发育比例成正比关系,35%的解译面积滑坡发育比率可以达到70%以上。同时通过野外调查发现4个潜在不稳定隐患斜坡,极大地提高了红层滑坡的早期识别能力。InSAR解译显示研究区西北区由采矿引起的斜坡失稳,与干涉图上的条纹位置对应较为一致,形变位移最大能达到视线向20 mm/a;牛马场滑坡范围均为垂直形变速率较大的黄色和红色解译点,变形位移曲线显示滑坡发生前已经处于蠕变变形阶段,累计变形量可以达到500 mm左右。     

激光诱导击穿光谱技术在录井岩性识别中的应用

采用激光诱导击穿光谱技术,结合主成分分析、偏最小二乘判别分析和对向传播人工神经网络非线性模型,对录井中的岩屑岩性进行识别.研究结果表明使用对向传播人工神经网络非线性模型对玄武岩、安山岩、泥岩、砂岩、灰岩的识别正确率均在70%以上,平均正确识别率达88%,实现了5种岩屑岩性的有效识别.     

一种深度自编码器面部表情识别新方法

为解决面部表情特征维度高的问题,该文提出了一种基于深度学习自编码器的表情识别新方法,该方法利用深度自编码器在多层隐层上进行特征选择,能够在较低维度上表示高维度的面部特征.首先采用定向梯度直方图从面部表情的选定区域提取特征,然后在多个层面上使用深度自编码器,得到最优编码特征,降低特征维度,最后使用支持向量机模型对降维特征进行分类.实验表明,与其他现有特征选择和降维技术相比,该文方法提取的特征优于其他特征,并能够有效实现面部表情识别.     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

多梁式桥梁检测的叠加曲率模态差变化率方法

鉴于应用曲率模态的桥梁损伤识别研究大多以一维单梁式结构为研究对象,提出利用G-M法的思想并基于薄板振动理论将多梁式结构转化为正交异性板后,类比梁弯曲理论得到该结构两正交方向曲率表达式,通过分析采用单阶曲率模态差指标进行桥梁损伤识别的不足,考虑利用多阶曲率模态变化率叠加指标进行损伤识别,最后采用有限元软件Ansys建立桥梁模型计算单位置、多位置不同损伤程度的多种工况。Matlab绘图结果表明:沿桥梁纵向叠加指标识别更为精确,对未损伤位置数据扰动更小,指标独立性高,可利用该指标进行多梁式结构的损伤定位。     

基于深度学习的网络流量分类识别研究

目前互联网上会存在海量的网络流量数据信息,这些海量的网络流量数据信息还未得到充分性的利用,如果有效的采取一些必要的方法或者手段,分析整个的网络流量挖掘信息对于后期的网络发展趋势,挖掘网络当中所存在的异常状态并且有采取针对性的措施,这对于后期的网络应急响应能力的增强、抵御网络不法攻击行为、快速的维护网络空间安全等方面都具有非常重大的价值及意义.本文基于网络流量识别的基本需求,分析了深度学习经典模型-CNN的基本原理,在此基础上将原始流量进行分层处理,并建立了基于注意力机制的改进的CNN算法的网络流量识别模型,最后在国际标准数据集上进行仿真分析.实验测试结果表明,该模型可以实现对各类网络流量有效识别.     

基于ResNet验证码混淆风格的迁移学习方法

引入一种混淆风格的方法来增加验证码的识别难度,对图像信息处理有广阔的应用前景。为此,探究了利用较少的数据通过迁移学习的方法处理验证码不同混淆风格的分类问题;在预训练的深度残差网络模型基础上,针对不同混淆风格的验证码进行深入训练,再利用除去全连接层的模型进行特征提取及聚类进行比较。实验结果表明:迁移学习对验证码混淆风格分类的效果有极大的提高,可使衡量聚类效果的兰德指数从0.730 2提升至0.885 8。