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。     

环网柜熔断器垂直和水平布置下温度分布特性

环网柜内的熔断器因长时间工作在大电流环境下,其散热能力对于维持自身正常工作性能至关重要。实际运行经验表明,环网柜内熔断器垂直和水平布置时其故障率存在差异。为此研究了在自然对流条件下,环网柜内熔断器垂直和水平布置时的散热过程及差异。首先基于多物理场耦合软件COMSOL,建立了自然对流条件下的环网柜内熔断器流场和温度场直接耦合的三维仿真模型,对两种布置方式下熔断器的流场和温度场进行了仿真计算;并利用温度分布试验平台测量熔断器关键部位的温度,与仿真结果进行对比与验证。研究结果表明,在正常工作电流下,熔断器垂直布置时最高和最低温度较水平布置分别高13.38%和13.30%;垂直布置熔断器的温度分布呈明显的两端不对称性;水平布置熔断器的温度分布呈两端对称性。研究结果能够为熔断器热故障分析及环网柜熔断器的优化布置提供一定参考。     

基于时效信息和深度学习的离港航班延误预测

针对离港航班延误预测问题,利用深度神经网络模型,结合时效航班信息数据和时效气象数据,提出了一种基于时效信息和深度学习的离港航班延误预测模型。利用真实数据开展数值试验,结果表明了所构建的延误预测模型可以在较短时间内获得较高的航班延误预测精度,并且具有较大的航班延误预测时效；同时随着延误时间阈值的增加,预测精度不断提高,损失值不断降低；尤其以60分钟为阈值时,模型的预测精度可以达到91.26%,说明了模型的有效性。     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

多特征全卷积网络的地空通话语音增强方法

为了研究空中交通管理领域中的语音增强问题,并且节约存储资源,提出了一个新的语音增强方法.在基于全卷积神经网络(FCN)的基础上加入了跳跃连接(Skip Connection),并引入次要特征来进行联合学习.具体而言,使用语音的对数功率谱(LPS)作为网络的主要训练特征,引入对数梅尔倒谱系数(L-MFCC)作为网络的次要训练特征,来联合优化网络参数.实验证明,相较于单个LPS特征输入的架构,结合LPS和L-MFCC的多特征网络架构具有更好的语音增强性能表现,且作为次要特征的L-MFCC还可以用作其它用途.实验还证明,跳跃连接的加入可以很好的提高FCN的网络性能,且相较于基线的深度神经网络(DNN)模型,新的网络结构在相同参数数量的情况下,要具有更好的性能.     

药对丹参-当归作用阿尔茨海默病的网络药理学机制研究

为了研究药对丹参-当归作用于阿尔茨海默病的可能机制,通过中药系统药理学分析平台(TCMSP)筛选出丹参、当归的活性成分,寻找其相关的潜在靶点;并通过预测平台人工检索候选化合物的潜在靶点是否与阿尔茨海默病相关;将靶点信息通过DAVID数据库、KEGG数据库进行靶点和通路分析;构建化合物-靶点作用网络,靶点-通路网络图,化合物-靶点-通路图.结果表明:药对丹参-当归中具有潜在作用阿尔茨海默病活性的成分有β-谷甾醇,豆甾醇,丹参酮Ⅱ、丹参新酮、隐丹参酮、二氢丹参酮,其可能通过抗炎、抗氧化、免疫系统、细胞周期、钙信号通路、神经受体-配体相互作用等机制对阿尔茨海默病起作用.     

适用于自适应网络防御的联合云计算框架

为了解决云计算中网络安全防御策略部署问题,提出一种适用于自适应网络防御的联合云计算框架.该框架由治理层和互操作层组成,使用LocalHub,StateHub和FederalHub共3个集线器将独立的管理层连接起来,能够根据云计算中不同事件来计算和部署网络防御策略,满足部署网络防御解决方案和分布式计算所需的标准和复杂服务.文中给出联合云计算系统模型及其构建单元,以及所提模型的好处和实施带来的一些挑战.该云计算联合框架解决了终端用户存在的问题.实验表明:当事件响应中涉及更高级别的联合框架时,对应的延迟变高,事件响应成功的概率增大.在本文联合云计算框架中网络防御的性能优于其他2种云计算框架.     

一种3D空间中的两级力导引可视化算法

可视化是研究复杂网络的重要方法,目前2D平面可视化研究十分成熟,而3D可视化研究相对较少.为解决目前3D可视化布局结果不能真实展示复杂网络结构特征的问题,提出了一种两级力导引3D可视化算法.该算法基于复杂网络的特征分析,通过对网络聚类得到多个子网络及建立抽象网络,然后分两步依次对抽象网络和子网络进行力导引布局,从而得到最终布局.真实数据的实验分析表明,该算法的可视化布局结果能够真实展示复杂网络结构特征,同时具有较低的时间复杂度和较好美观度、清晰度.     

基于HF-RBF的初始地应力场预测研究与应用

用水压致裂法(HF)测量地应力时存在实测数据数量少、不连续、精度低的问题.为此,建立基于HF-RBF的初始地应力场预测方法,首先构建埋深和水平主应力之间的学习样本,然后利用径向基函数(RBF)神经网络对学习样本进行训练,建立埋深与水平主应力之间的非线性映射,最后利用检验样本对初始地应力场预测效果进行检验.在黑龙江某矿山利用2个勘探钻孔开展了水压致裂法测量地应力试验,应用HF-RBF方法获得了该矿区水平主应力分布规律,训练样本最大预测误差为28.6%,检验样本水平最小、最大主应力预测误差都在10%以内,满足工程设计要求.表明了在矿山钻孔勘探期间,HF-RBF法能较好地预测矿区初始地应力场.     

非计算机专业"C语言"教改方案的探讨与实践

C语言程序设计作为高等院校理工科的一门必修课程,其理论性和实践性较强,受到较高的重视.在该文中,首先分析非计算机专业C语言的传统教学,存在着课堂教学没有把握C语言本身的特点、没有充分调动学生学习的主动性、实践教学环节重视不够、考核单一等问题.针对这些问题,提出相应的教改方案,即采用网络资源平台结合上机实验课程的一种驱动式教学模式.最后根据实际的教学实践,从期末考试及格率、上机操作技能等5个方面对该教学方式进行比较和探讨.