乡村与城市——薇拉·凯瑟《瓦格纳音乐会》的结构探析

《瓦格纳音乐会》是薇拉·凯瑟的早期作品之一,反映了理想与现实之间的矛盾。本文运用文本细读的方法,对小说的行文结构进行了剖析,揭示出小说作者通过描述现实、回忆过去联结小说中的乡村与城市、理想与现实,从而使故事浑然一体。     

基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。     

一种基于增强型烟花算法的自抗扰控制的机器鱼路径跟踪控制方法

机器鱼在未知水域进行路径跟踪时受到内外多种未知干扰因素的影响。自抗扰控制(auto disturbance rejection control, ADRC)具有较强的适应性、鲁棒性,是解决非线性、不确定性、强干扰、强耦合、大时滞等控制问题的一种有效方法。为了获得高质量的跟踪效果,提出基于增强型烟花算法的自抗扰控制(enhanced fireworks algorithm-auto disturbance rejection control,EFWA-ADRC)的路径跟踪控制方法。针对ADRC中参数的优化问题,采用增强型烟花算法(EFWA)在线调整,以提高机器鱼在路径跟踪过程中的抗干扰性。以多关节仿生机器鱼为研究对象,结合机器鱼的数学模型,在Serret-Frenet坐标系下建立路径跟踪误差模型,重点设计前向速度和转向速度控制率,构建基于EFWA-ADRC的路径跟踪控制系统。最后仿真与实验结果显示基于EFWA-ADRC与常规ADRC的控制方法使机器鱼分别在2.8 s、3.3 s左右跟踪给定路径,且跟踪误差分别保持在正负0.09 m、0.1 m内,相比于常规ADRC,所提出的控制方法使跟踪的稳态误差降低10%,证明提出的EFWA-ADRC控制器对受到强干扰的被控系统具有更优的控制效果。     

面向移动机器人快速全局路径规划的改进跳点搜索算法

针对传统全局路径规划算法计算量大,寻路时间过长等问题,为了进一步提高移动机器人综合作业能力,本文提出了一种基于跳点搜索算法的快速全局路径规划算法,旨在减少时间成本,以满足移动机器人在实际复杂环境中对智能性、高效性、安全性和可靠性的要求。首先通过“块”操作方法,在一次搜索中快速扫描底层网格中的一个区域,将跳点搜索算法的修剪规则一次应用于多个节点,减少搜寻跳点时所涉及的大部分迭代计算,并在采取“对角优先”方式的前提下,剔除仅具有改变方向的中间转折点,大量减少Openlist和Closedlist的不必要节点,减少计算量,提高路径规划的实时性。为了验证改进算法的有效性与可行性,分别在规则的网格地图、测试库基准地图及移动机器人Turtlebot2进行仿真实验验证,结果表明在生成相同路径的基础上,改进跳点搜索算法与A*算法相比扩展节点数目缩减了68.9%,搜索耗费时间降低了71.9%;与传统跳点搜索算法相比,扩展节点数目缩减了41.3%,搜索耗费时间降低了33.4%,能够满足移动机器人快速全局路径规划的要求。     

基于模糊数学分析法的暴雨洪涝灾害风险评估

【目的】以河南省为例对其暴雨洪涝灾害风险进行了定量评估，旨在为河南省暴雨洪涝灾害风险管控提供参考。【方法】从暴雨洪涝灾害的致灾因子危险性、孕灾环境敏感性、承灾体脆弱性和防灾减灾能力4个方面，选取19个评价指标构建了暴雨洪涝灾害风险评估体系。在基于层次分析法（AHP）与熵权法（EWM）得到指标权重的基础上，利用模糊数学分析法对暴雨洪涝灾害风险进行了定量分析。【结果】暴雨洪涝灾害风险评估指标中，致灾因子危险性权重最大，为0.360 4，防灾减灾能力的权重最小，为0.138 7；河南省暴雨洪涝灾害风险值为72.72。【结论】洪涝灾害风险受致灾因子危险性的作用最大，防灾减灾能力的影响最小；河南省洪涝灾害风险等级为中风险。     

乡村与城市——薇拉·凯瑟《瓦格纳音乐会》的结构探析

<瓦格纳音乐会>是薇拉·凯瑟的早期作品之一,反映了理想与现实之间的矛盾.本文运用文本细读的方法,对小说的行文结构进行了剖析,揭示出小说作者通过描述现实、回忆过去联结小说中的乡村与城市、理想与现实,从而使故事浑然一体.     

基于注意力机制与多尺度特征融合的行人重识别方法

针对行人重识别中因遮挡、姿态变化使模型特征无法充分表达行人信息的问题,提出了基于注意力机制与多尺度特征融合的行人重识别方法。该方法首先使用改进的骨干网络（R-ResNet50）提取图像特征;其次,抽取网络不同尺度的特征层嵌入注意力机制（DANet）,使模型更关注于重点信息;最后,对提取出的关键特征进行多尺度特征融合,实现特征间的优势互补,并使用联合交叉熵损失、难样本采样三元组损失和中心损失的多损失函数策略对网络模型进行训练。实验结果表明,本文所提方法在Market1501、DukeMTMC-ReID数据集上的首位命中率（Rank-1）和平均精度均值（mAP）分别达到了92.7%、80.4%和86.4%、71.0%,模型提取的特征更具有判别性,识别率更高。     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

基于数据增强的卷积神经网络火灾识别

当前图像识别采用的普遍方法是卷积神经网络方法,但该方法依赖于大数据集,在样本不足时会出现过拟合问题。针对以上问题,根据火灾的背景复杂性和卷积神经网络自动学习特征的优点,提出一种基于数据增强的卷积神经网络火灾识别方法。对少量火灾图片引入数据增强技术,通过搭建一个3层卷积池化层和一个全连接层自动提取火灾特征,使用softmax分类器输出。仿真实验结果表明:原始数据测试集的识别率为95%,损失值发散,提出方法使测试集损失值收敛到0.2,改善了过拟合的问题;对数据增强减少过拟合的原因进行分析,表明对小样本使用卷积神经网络具有重要意义。     

河南省沿黄城市洪涝灾害脆弱性特征分析

【目的】更加系统地分析河南省沿黄城市洪涝灾害脆弱性时空分布特征，以期为流域减灾防灾提供决策依据。【方法】以河南省沿黄8个城市为研究对象，基于区域灾害系统理论，构建河南沿黄城市洪涝灾害脆弱性评价体系，并利用Matlab构建基于BP神经网络的评估模型。【结果】将研究数据导入评估模型，得到脆弱性评估指数，从时间和空间两个维度对研究区洪灾脆弱性进行特征分析。【结论】(1)时间上，2010—2020年8市洪涝灾害脆弱性呈现“整体下降、局部波动”趋势；(2)空间上，8市空间分异显著，呈现出整体分散、局部集中的分布形式，脆弱性从西到东呈现“高-低-高-低”分布特征；(3)省会城市郑州10年间洪灾脆弱性指数居高，并在空间上处于脆弱性等级较高区域。