基于多源多层次信息融合的网络安全态势感知方法

针对网络安全态势感知范围局限、信息来源单一及准确性偏差较大的问题,提出了一个全方位整体上感知网络安全态势框架.充分考虑多信息源和多层次信息融合,从3个维度上动态生成网络当前安全状况,准确地反映网络当前安全态势,易于逆向查找异常组件.提出"3σ法则"离散化连续型随机变量方法,对建立适合处理非确定性信息融合的贝叶斯网模型有重要的理论与实践指导意义.最后,利用网络实例数据,对该模型和算法进行了验证,结果表明了该方法的正确性.     

柴东石炭系页岩微观孔隙结构与页岩气等温吸附研究

基于柴达木盆地东部石炭系泥页岩的孔隙结构分析,结合甲烷和二氧化碳在泥页岩中的高压等温吸附实验,对超临界条件下页岩气等温吸附特征进行研究,探讨页岩气的吸附机制。结果表明:柴达木盆地东部石炭系泥页岩具有多尺度孔隙结构,微孔比较发育,微孔比表面积对BET比表面积有较大的贡献;甲烷Langmuir吸附量随微孔比表面积或微孔体积的增加而增加,两者呈正相关性,同时受到微孔大小分布的影响;在超临界条件下,简单的Langmuir方程可近似拟合甲烷吸附的实验数据,而修改的微孔充填(Dubinin Radushkevich,D-R+K)超临界吸附模型对甲烷和二氧化碳吸附数据的拟合效果最好;吸附气可能主要以微孔充填的方式存在,而微孔为吸附气的主要储集空间。     

基于Markov-CA的莆田市涵江区土地利用时空演变研究

针对莆田市涵江区土地利用时空演变模型进行研究,将基于时间离散、状态离散的马尔可夫(Markov)模型和元胞自动机(CA)模型优点有机结合,建立涵江区土地利用Markov-CA模型。利用2005年、2010年涵江区土地利用影像数据,分析土地利用特征,对2015年、2020年、2025年、2030年土地利用时空演变进行模拟。采用Lee-Sallee形状指数作为Markov-CA模型评价指标,评定模型精度。通过实验结果分析,2012年形状指数,证实基于Markov-CA的土地利用时空演变方法精度较高,模拟结果可作为涵江区土地利用政策制定和规划提供理论参考。     

基于智能手机Tango传感器的室内三维场景实时感知

室内三维场景实时感知是室内增强现实、三维测图和机器人自主定位与导航的关键技术之一。利用智能手机Tango传感器搭载的单目摄像头和深度相机,根据实时获取的彩色图像和深度信息,研究并提出了一种实时的室内三维场景感知方法;该方法首先根据智能手机Tango传感器获取的彩色图像存在的问题,采用多项式函数对彩色相机进行校正。接着,使用ORB(oriented FAST and rotated BRIEF)算子对彩色图像进行特征提取,利用RANSAC算法剔除误匹配点;并根据优化后的匹配点对采用ICP算法对手机姿态进行初步估计。最后,基于融合空间关系的视觉词典(SDBo W2)对感知的初步室内场景进行闭环检测;并通过图优化得到实时感知的室内三维场景模型。实验表明,方法能利用Tango传感器高效地获取室内场景完整的三维结构信息与纹理。     

基于台阵资料测量高铁信号视速度的方法

针对运行于高架桥上高铁引发的震源, 基于对移动组合源形成的波场传播的理论分析, 提出一种利用多台互相关测量高铁波场视速度的方法。然后, 生成分层介质条件下的高铁波场合成数据, 计算信号视速度, 并通过与理论结果的对比, 验证方法的正确性。     

面向空间管控的村庄分类方法与实践——以天津市武清区为例

针对村庄分类实践中普遍存在与空间管控需求衔接不紧密, 影响规划上下传导有效性的问题, 基于实用性原则, 探讨如何分步对接空间管控与用途管制要求。在此基础上, 结合村庄发展潜力评价结果以及多轮上下联动组织方式, 形成兼顾实际管控需求和村民发展诉求的村庄类型谱系与分类路径, 并以天津市武清区622个村庄为例开展实证研究。     

基于注意力机制多尺度网络的自然场景情绪识别

情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索.针对现有研究存在的问题,提出了基于人物与场景线索的双分支网络结构,两个分支独立学习,通过早期融合得到情绪分类结果.对于人物在场景中的不确定性,引入身体注意力机制预判人物情绪置信度进而获得人体的特征表示,场景中引入空间注意力机制和特征金字塔以便充分获得场景中不同粒度的情绪线索.实验结果表明,此方法有效融合人物与场景信息,在EMOTIC数据集下能够明显提高情绪识别率.     

中国“乡村旅游重点村”空间分布格局及影响因素

乡村旅游是实现国家乡村振兴战略的重要方面,全国“乡村旅游重点村”可为实施乡村振兴战略提供新契机,该文通过分析全国“重点村”空间分布的影响因素,研究全国“乡村旅游重点村”的特点.该文以全国首批“乡村旅游重点村”中的314个村为研究对象,运用ArcGIS空间分析法探讨全国“重点村”空间分布特征,采用地理探测器法等方法系统分析.研究结果表明：1) 全国“乡村旅游重点村”空间分布区域差异显著,总体结构呈“南北均衡和中部凹陷”的空间分布特征,旅游资源以自然景观为主,人文景观为辅.2) 全国“乡村旅游重点村”空间分布具有空间自相关性,在特定区域空间上呈数量规模集聚,空间密度呈“双核中心,次级中心零星分布”态势,冷热分区与集聚核心中心高度吻合.3) 全国“乡村旅游重点村”点集系统空间分形结构特征明显,空间分布无显著的标度区,分形结构较为简单.4) 影响全国“乡村旅游重点村”空间分布的核心要素主要是旅游资源禀赋、区域社会经济以及区域基础设施条件等.研究结果印证了314个中国“乡村旅游重点村”作为乡村旅游培育重点,具有典型性和代表性.     

基于多层次非负稀疏编码和SVM的窃电检测方法

针对现有方法对新型窃电方式检测准确率不高的问题,文中提出了一种基于多层次非负稀疏编码和支持向量机(support vector machines, SVM)的窃电检测新方法。该方法以月度用电曲线为检测对象,基于多层次非负稀疏编码提取样本的多层次用电模式特征,以及窃电情景分析提取样本的数值统计特征,将二者的融合检测特征输入SVM分类器进行窃电检测。以爱尔兰智能电表数据集构造的算例验证了所提方法能够提高窃电检测的精确率和召回率。     

基于融合模型的单相接地故障类型辨识方法

在中国6~66 kV的中低压配电网中,单相接地故障约占配电网故障总数的80%。由于发生单相接地故障时仅由系统的对地电容引起很小的接地故障电流,故障特征不明显,并且不同类型的单相接地故障之间的特征区分度不高,造成了对其类型辨识的难度增大。对此,提出了一种融合特征分解和深度学习思想的单相接地故障类型辨识方法。首先,基于希尔伯特黄变换（HHT,hilbert-huang transform）对配电网采集到的故障录波数据进行初步处理,使不同故障类型间的区分度更高;其次设计深度学习模型ResNet18学习故障事件的复杂非线性特征,从而辨识出故障类型结果。通过国内某真型试验场采集到的录波数据进行验证,证明了本文提出的综合辨识方法能准确识别出多种单相接地故障类型,可为后续制定有针对性的故障处理措施提供可靠依据。