基于流体力学方法的液化后砂土流滑推桩效应

采用计算流体动力学(CFD)中的流体体积(VOF)方法和固体力学中的有限元法,对液化后砂土流滑的推桩效应进行研究.将液化后砂土分别视为牛顿流体和剪切稀化非牛顿流体,将单桩视为线弹性结构,分析了牛顿流体黏度、非牛顿流体稠度系数和流动指数对推桩效应的影响.研究结果表明:将液化后砂土视为牛顿流体,则距离桩顶越近,桩身位移越大,距离桩底越近,桩身应力就越大;随着液化后砂土黏度的增大,桩身位移和应力也越大,曲线间差距则越来越小;将液化后砂土视为剪切稀化流体,沿桩身的响应规律与牛顿流体一致;稠度系数和流动指数的变化只会影响桩身位移和应力数值的变化,对变形方式不会产生影响.     

一种适于虹膜识别的特征提取算法

为克服现有基于线性变换特征提取方法中基向量非动态和参数需指定的缺陷，分析了虹膜的几何特征和识别原理，提出用独立成分分析ICA（Independent Component Analysis）方法进行虹膜特征提取，最大限度地去了除虹膜特征空间的冗余，克服了传统线性变换特征基向量非动态的缺陷；用BP（Back Propagation）神经网络进行虹膜分类，实现特征的降维和有效表示,并在自主研制的JLU-IRIS虹膜图像库中进行小样本空间实验。结果通过三种不同的识别率100%，96.5%和92.5%，表明了该算法的正确性和有效性。     

基于GA-SVM模型的虹膜质量评估方法

针对虹膜图像质量评价过程中存在的如何选取适量的评价因子、 如何降低评价因子的计算量、 如何对评价因子进行有效融合等问题, 提出一种基于遗传算法支持向量机（GA-SVM）模型和多测度评价指标的虹膜图像质量评估方法. 首先对虹膜图像进行清晰度质量评价, 粗略筛除模糊图像; 然后选用4个评价指标, 利用GA-SVM模型对评价指标值进行有效融合, 以综合评价虹膜图像质量; 最后将该方法在吉林大学第六代虹膜库中进行验证, 并与其他经典评价方法进行对比. 实验结果表明, 该方法能提高可用虹膜存活率, 并达到较好的识别精度, 同时提升系统运行速度.     

面向残差网络多元特征的轻量级虹膜分类

针对传统虹膜分类需手工设计滤波器提取虹膜特征, 提取特征单一, 且通常需大量手工调参, 泛化能力较差的问题, 提出一种面向残差网络下多元特征的虹膜分类算法. 一方面将虹膜图像与Gabor特征相结合, 另一方面在网络结构中使用多个尺度的卷积核, 使学习到的虹膜特征更丰富, 从而提高图像特征的表征能力. 实验结果表明, 在固定类别中, 使用Softmax分类器进行多分类, 该算法在JLU虹膜数据库中的分类准确率可稳定在98.90%以上, 不低于DeepIrisNet和Resnet等网络结构, 且该算法的网络结构参数更少, 学习速度更快.     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.     

一二等长途水准测量心得体会

本文总结了一二等长途水准测量的工作准备、徕卡NA3003电子水准仪的操作技巧以及测量需注意的事项。     

用于内容精确认证的脆弱水印方案

为验证图像在处理过程中是否被篡改,研究了用于内容精确认证的水印方案。通过对应用要求的分析，构建了一个满足这些要求的水印嵌入过程所遵循的一般性协议。遵循水印协议和脆弱水印算法基本框架实现了一种脆弱水印方案。方案将图像的奇异值作为参与乘积哈希的元素生成认证码，使用了MHC（Midified Huffman Codeing）编码对图像的低比特平面进行压缩。实验结果表明，该方案完全可以满足应用的要求。     

基于ROI归一化的ICA/PCA虹膜识别方法

针对虹膜识别中使用传统归一化方法时,无法突出主要纹理信息,并且由于提取数据量大导致特征提取阶段计算复杂的缺陷,提出一种基于感兴趣区域(ROI)的虹膜归一化方法,先利用主成分分析(PCA)方法提取主元,实现进一步的降维和去噪,再使用独立分量分析(ICA)进行训练形成ICA/PCA虹膜特征提取算法,最后使用余弦距分类器对待测样本进行分类.实验结果表明,该方法识别率为98.11%,识别时间小于70ms。     

我国养老金个人账户化管理探讨

养老金管理方式的改革是我国社会养老保险制度改革的一个重要方面.文章阐述了养老金管理方式改革的指导思想,指出改革应该分三个阶段实施.     

多传感器数据的处理及融合

针对多传感器数据的多样性, 提出一种改进的数据融合算法. 首先, 利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩; 其次, 对处理后的数据进行分层, 并对系数进行Kalman滤波, 同时利用Mallat快速重建算法重构数据; 最后, 利用最大、 最小贴近度计算传感器数据的信噪比, 并通过信噪比进行数据融合. 基于实际采集的多传感器数据对比实验结果表明, 该数据融合算法在稳定性上优于简单加权数据融合、 小波数据融合和Kalman滤波融合等算法.