Experimental Study and Numerical Simulation of the Casting-Forging Complex Near Net Forming of Alternator Claw-pole

As a newly developed precision technology, casting-forging complex near net forming process is utilized to produce complex components with a short lead time, low cost and high precision, thus to accelerate the response speed of the market and enhance the competitive power of products. In this paper, the casting-forging complex near net forming process of alternator claw pole was developed and investigated with a combination of experimental and numerical simulation method. Qualified near net workpiece was manufactured, mechanical parameter and relative field information during the forming process was also obtained. While the alternator claw-pole is processed with this technology, the forming force is small, the process is short and the quality of forgings is perfect. Therefore, the complex casting-forging near net forming process of claw-pole is an energy and material saving technology, which will have a vast developing and application prospect in the future.     

基于本体的教育资源语义检索系统研究

为提高信息检索的准确率和全面性, 在对语义检索技术和领域本体的构建进行充分研究的基础上, 在网络教育资源的检索工作中应用了本体语义的概念, 提出对用户输入的查询条件进行基于本体的查询扩展算法,设计实现了使用Lucene 对扩展后的查询条件进行检索的语义检索模型。实验结果表明, 该检索模型的综合查全率为81郾5%, 综合查准率为83郾1%, 这两项指标均优于传统的关键字检索方法。     

基于深度CRF模型的图像语义分割方法

从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失。针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法。利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割。与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0%和91.7%,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度。     

不同轮伐期巨尾桉人工林的经济效益分析

【目的】探讨不同轮伐期对人工林经济效益的影响,为从经济视角科学确定人工林的合理轮伐期提供理论依据。【方法】以短(7a)、中(13a)、长(21a)轮伐期的南亚热带巨尾桉人工林为研究对象,对不同轮伐期巨尾桉人工林的蓄积量(Stand volume,SV)、营林成本、净现值(Net present value,NPV)和内部收益率(Internal rate of return,IRR)进行分析,揭示不同轮伐期对经济效益的影响。【结果】随着轮伐期的延长,巨尾桉人工林的蓄积量持续增长,7a、13a、21a轮伐期的蓄积量分别为144.95m~3/hm~2、346.97m~3/hm~2、553.69m~3/hm~2。随着轮伐期的延长,巨尾桉人工林净现值不断增加,在12a时达到最高值(30 297.61元/hm~2),之后逐渐降低,7a、21a轮伐期的净现值分别为17 239.86元/hm~2、22 008.59元/hm~2。内部收益率在13a开始趋近峰值(53.32%),明显高于7a时的39.29%。【结论】在南亚热带,巨尾桉人工林的轮伐期确定在13a左右较为适宜,既可实现经济效益最大化,又可大幅提升蓄积量。     

基于Petri网的VOCs跨区域流动动态风险评估方法

为了评价污染天气下由于VOCs(volatile organic compounds)跨区域流动产生的区域间的相互影响作用的大小，找出对受污染区域影响较大的路径，结合Petri网模型提出了VOCs跨区域流动动态风险评估方法。利用HYSPLIT模型确定多个潜在污染源与受污染区域的VOCs迁移路径，运用Petri网去描述各个迁移路径之间的关系；将动态风险大小的计算融入到函数Petri网的运行中，定量评估潜在污染源到受污染区域的各条路径的风险程度；案例分析得出污染天气下周边区域对于西安的动态风险评估结果以及各污染路径的潜在风险指数。研究表明，在重污染天气下各个污染源城市对西安的影响程度大小由高到低依次为宝鸡>汉中>西宁>兰州。该方法为评估VOCs跨区域流动过程中潜在污染源的风险程度提供了依据。     

基于Asp.net的通用数据填报系统的设计与实现

本文结合实际应用,详细阐述了一种基于Asp.net的通用数据填报系统的设计与实现。该系统能够对数据表字段进行任意定义,并动态生成相应数据存储、Excel模板及界面程序,从而更灵活的进行数据填报、查询和导出。解决了传统管理信息系统扩展性差的问题,具有一定的先进性、实用性。     

低维显式语义空间下的语义关联度计算方法

语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA (Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.     

足球比赛场景中交互行为分析方法研究

目前的视频处理研究主要关注足球视频的基础方面的问题, 而在视频语义方面的工作尚不完善。 为此, 对足球比赛视频中存在的交互行为进行分析, 研究了足球比赛视频语义理解的关键问题, 为实现从一般比赛场景去理解和分析比赛进行了有益的探索。 首先进行场景分析, 利用主颜色提取视频中场地区域并标定场地线; 其次, 检测场景中的球员并判定其队属, 同时利用 Kalman 滤波实现对足球目标的跟踪; 最后, 判定球队的进攻方向的目的语义, 同时获取足球真实轨迹, 进行轨迹分割, 识别球员与足球的交互行为, 并在此基础上结合足球领域的知识进行进攻策略的分析。 实验结果表明, 该算法能很好地解决视频分析各阶段的问题, 能有效分析视频中存在的交互行为, 并从足球领域的角度实现进攻策略分析,进攻模式识别结果查准率达到 71% 以上, 查全率达到 85% 以上, 有益于计算机视觉的应用研究和足球视频科学分析。     

超长双层网壳结构自振特性

对超长网壳结构同一面层的杆件进行不同数量的替换，通过结果的对比总结了替换数目对结构的影响，分析表明替换杆件的数量的增多能够提高地震控制的效果，但不是越多越好，要经过计算分析控制在一定的数量。     

Semantic image annotation based on GMM and random walk model

Automatic image annotation has been an active topic of research in computer vision and patternrecognition for decades.A two stage automatic image annotation method based on Gaussian mixturemodel (GMM) and random walk model (abbreviated as GMM-RW) is presented.To start with,GMM fitted by the rival penalized expectation maximization (RPEM) algorithm is employed to estimatethe posterior probabilities of each annotation keyword.Subsequently, a random walk processover the constructed label similarity graph is implemented to further mine the potential correlations ofthe candidate annotations so as to capture the refining results, which plays a crucial role in semanticbased image retrieval.The contributions exhibited in this work are multifold.First, GMM is exploitedto capture the initial semantic annotations, especially the RPEM algorithm is utilized to train themodel that can determine the number of components in GMM automatically.Second, a label similaritygraph is constructed by a weighted linear combination of label similarity and visual similarity ofimages associated with the corresponding labels, which is able to avoid the phenomena of polysemyand synonym efficiently during the image annotation process.Third, the random walk is implementedover the constructed label graph to further refine the candidate set of annotations generated byGMM.Conducted experiments on the standard Corel5k demonstrate that GMM-RW is significantlymore effective than several state-of-the-arts regarding their effectiveness and efficiency in the task of automatic image annotation.