基于一维倒残差轻量级网络的无人机个体识别方法

在无人机的个体识别问题中，针对传统的识别方法存在网络模型参数量大和算法时效性差等问题，提出基于一维倒残差轻量级神经网络(1D-IRLNN)的无人机个体识别方法。首先提取反映无人机个体间差异的I/Q包络一维特征作为无人机的浅层特征；其次将深度可分离卷积与倒残差结构等设计思想和一维神经网络模型相结合，设计出跳跃级联的一维倒残差轻量级神经网络；最后利用网络模型提取一维I/Q包络数据中的深层特征，从而实现对无人机个体的快速准确识别。实验结果表明，1D-IRLNN模型的计算量分别是同等体量的深度模型1D-CNN与1D-ResNet的305%和238%，网络模型规模分别是深度模型1D-CNN与1D-ResNet的387%和297%，所提方法相较于其他方法，在保持较高识别准确率的同时具有更快的识别速度且占内存更小。     

一维束缚态薛定谔方程解的选取

在量子力学教学中，常涉及到一维二阶线性微分方程的求解问题，在具体问题中其解的形式到底如何选取，该文根据微分方程理论，给出了简明扼要的分析与回答.     

基于FLAKNN的雷达一维距离像目标识别

由于传统KNN算法在应用于高分辨一维距离像进行目标识别时，存在全局使用固定k值和未考虑各特征分量对分类的影响等不足，使得目标识别性能较差.提出一种改进的KNN算法:FLAKNN.通过提取目标高分辨率一维距离像的尺寸、熵、中心距、不规则度、去尺度特征、对称度等稳定特征，使用Fisher判别分析将所有特征分量投影至低维空间，使不同类别间具备最大可分性；结合相邻样本局部的分布情况和k取值的调整，最终使用少数服从多数的投票原则决定测试样本的类别.结果表明，相对传统KNN算法，该算法进一步提升了识别性能.      

染色石膏颗粒一维压缩破碎与形状演化

使用染色石膏颗粒研究颗粒破碎过程中的形状演化,采用基于正交视图的拍照识别方法获取颗粒形状,借助Weibull分布函数对颗粒形状的统计分布进行定量表征,分析了染色石膏颗粒一维压缩破碎前后的颗粒形状特征。结果表明:破碎产生的颗粒与亲代颗粒粒径相差越大,其表面越粗糙、圆度越差、越扁平,且形状因子分布越不均匀;存活颗粒相比亲代颗粒形状变得更规则,形状因子分布趋向于均一化,而破碎颗粒的形状演化则完全相反;由于整体试样既包含存活颗粒又包含破碎颗粒,其形状演化规律未表现出明显的一致性。     

垂直磁偶源频率域电磁测深法一维正演及响应特征

为了探究磁偶源频率域电磁法的测深能力,本文以垂直磁偶源频率域电磁剖面装置为例,从垂直磁偶极子在一维层状介质的Z方向磁场公式出发,在低感应系数条件下推导了视电导率的表达式,最终实现了垂直磁偶源频率域电磁测深法的一维正演；然后通过对典型层状模型进行一维正演模拟,分析了磁偶源频率域电磁测深法的响应特征。研究结果表明：通过同时减小发射频率和增大收发距并保持频率与收发距平方的乘积不变能够实现电阻率测深,属于频率和几何测深联合方式,可见该方法能够准确地反映地下介质视电阻率的垂向变化信息。     

基于卷积神经网络的第一镜表面杂质沉积状态识别研究

第一镜是托卡马克光学诊断系统最重要的光学元件之一,强烈的等离子体与壁相互作用导致第一镜表面出现的杂质沉积会严重影响第一镜反射率和相关光学诊断系统的准确性和有效性,因此准确判别第一镜表面杂质沉积状态对于实时获取并采取有效手段恢复第一镜反射率至关重要.文中采用非平衡磁控溅射等离子体方法制备纳米晶钼材料第一镜,在此基础上利用电子束蒸发镀膜方法在其表面沉积氧化铝非晶涂层,利用分光光度计测得有、无氧化铝沉积膜的钼第一镜全反射率,并通过数据增强方法对原始数据集进行数据扩充,结合卷积神经网络对杂质沉积第一镜的全反射率数据集进行识别、分类.结果表明,当卷积神经网络模型迭代次数为50时,模型分类准确性达到最佳状态,并在包含均值为0,方差为1高斯噪声的数据集中验证了一维卷积神经网络的抗噪能力.最终实现有、无氧化铝沉积膜的钼第一镜分类,正确率达到98.85%,这为在封闭托卡马克环境下的第一镜表面原位清洗与杂质沉积状态识别提供了一种可能的新方法.     

基于VNABC的多规格板材二维下料问题

针对二维下料问题板材单一的特点，研究了多规格板材二维下料问题。板材规格多样、毛坯规格多样且数量庞大，是NP(Non-deterministic Polynomial)完全问题。针对该问题的特点，将下料过程设计成规整和非规整两个阶段。规整阶段完成每种矩形毛坯的主体下料任务之后，如仍有毛坯剩余，则进入非规整阶段采用BL算法（Bottom Left Algorithm）下料剩余毛坯。根据模型特点，提出变邻域人工蜂群算法（VNABC），设计两种解码策略STD和SLD，并改进了VNABC算法的操作算子。最后，采用响应面分析法对VNABC算法进行参数标定。通过仿真实验将VNABC算法与遗传算法（GA）、改进粒子群优化算法（NUS）、模拟退火算法（SA）、人工蜂群算法（ABC）进行了对比分析，实验结果验证了VNABC解决多规格板材二维下料问题的优越性。     

分数阶热弹理论下一维六方准晶杆的动态响应

基于分数阶热弹理论，对两端固定的有限长一维六方准晶杆受到移动热源作用时产生的动态响应进行研究。得到了该问题的控制方程，并利用拉普拉斯变换及其数值反演进行求解。对温度、位移、应力关于时间、热源速度、分数阶参数的扰动情况分别进行图像绘制。结果表明：时间与热源速度一定时，位移、温度、应力都会随着分数阶参数的增加而增加，但分数阶参数对位移产生的影响更小。     

基于深度学习的SSL VPN加密流量的分类识别

随着虚拟专用网技术的广泛使用，VPN加密流量的分类识别对于网络安全管理的重要性愈发明显，而传统流量分类技术在提取特征和关键协议字段时效率较低.因此，本文提出一种基于卷积神经网络的深度学习模型，用以实现SSL VPN加密流量的分类识别，并减少特征工程中的人力成本.首先，将流量区分为VPN加密流量和非VPN加密流量，并且确定出这两类流量所属的服务类型；然后对所有流量进行分类，识别出产生流量的应用类型.考虑到网络流量中存在的时序关系，采用一维卷积神经网络作为深度学习的模型，通过构建Pytorch的实验环境，采用ISCX2016数据集，实现对VPN加密流量的分类任务.通过参数优化，除数据量较小的数据类型外，应用识别的平均F1-score为91.73%,流量识别的平均F1-score为91.13%.实验结果表明，基于一维卷积神经网络的深度学习方法对于识别SSL VPN流量是可行和有效的.