天然气发动机燃烧不稳定性分形特征分析

为了揭示点火正时θ_sit对天然气发动机燃烧不稳定性的影响规律,在低负荷工况下,针对不同θ_sit工况进行试验,利用多重分形和多尺度熵方法对指示平均有效压力p_imep、放热量Q时间序列进行分析,并利用p_imep的循环变动系数P_CCV进行验证,对天然气发动机燃烧不稳定性的分形特征进行了定性、定量研究。结果表明：天然气发动机燃烧过程呈现出一定的分形特征,随着θ_sit提前,Hurst指数变化差值和奇异谱宽度先增大后减小,P_CCV先减小后增大,多尺度熵随尺度因子的增加而减小,燃烧不稳定性的分形复杂度和反持续相关性先增强后减弱,表明存在一个最优θ_sit使得天然气发动机的燃烧稳定性达到最佳。并且,对θ_sit影响天然气发动机燃烧不稳定性的原因进行了研究,为改善天然气发动机稀燃稳定性提供了理论依据。     

基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法

随着深度学习的快速发展,利用目标检测算法对航拍绝缘子图像进行缺陷检测成为绝缘子巡检的主要方式.针对传统目标检测算法对小目标的检测精度较低、特征图的表征能力较弱和提取的关键信息较少的问题,提出以YOLOv5l为基础网络的改进的基于注意力机制和多尺度特征融合的绝缘子缺陷检测方法 AMF-YOLOv5l(Attention Mechanism and Multi-Scale Feature Fusion Based on YOLOv5l).首先,通过增加一个小目标检测头,提高模型对小目标的检测性能;然后,构造DSPP(Dilated Spatial Pyramid Pooling)模块,充分融合多尺度特征,增强特征图的表征能力;最后,引入CA(Coordinate Attention)注意力机制,使网络更加专注于关键信息.在航拍绝缘子数据集APID(Aerial Photographic Insulator Dataset)以及两个公共数据集PASCAL VOC和MS COCO上分别验证该方法的可行性.实验结果表明,在APID数据集中该方法的AP(Average Precision)比YOL...     

基于R语言的计算机类博士学位论文主题分析研究

以中国知网中2016-2020年计算机类博士学位论文为数据来源,利用R语言对原始数据进行共词分析、聚类分析和多维尺度分析,用可视化结果展示了高频关键词之间的关系,探讨了计算机类博士学位论文研究主题的特点,从一定程度上揭示了该领域内的研究现状和热点.     

鱼雷尺度靶模拟潜艇目标模型分析及仿真研究

从几何物理声学的观点出发,以亮点尺度模拟方法为基础,阐述了虚拟尺度的多亮点回波延迟产生机理及虚拟尺度形成的数学模型。分析了模型的工程应用特点。最后通过试验仿真验证了用小尺度靶来代替大尺度目标检验鱼雷尺度识别功能是可行的结论。研究结果为实际工程应用建立了较为精确的模型基础;同时对鱼雷尺度靶、尺度式声诱饵及其他水声目标模拟设备的研制也具有相当的参考应用价值。     

基于MSPCA的汽油机失火故障诊断

失火会导致汽油机性能下降,排放恶化.失火故障影响因素众多难以准确建立数学模型.本文利用多尺度主成分分析法提取气缸振动信号检测失火故障,对HQ492汽油机进行失火故障实验测试,通过小波变化和主成分分析对提取信号进行重构作为诊断失火故障的特征信号.试验结果表明:利用多尺度主成分分析可以快速准确诊断失火故障.     

基于修正窗口内在变差的结构保持滤波算法

针对现有结构保持滤波算法中结构与纹理的分离能力的不足,提出了一种结构似然性度量算子——修正窗口内在变差。该方法构造局部加权内在变差,并结合变差修正算子来衡量每个像素点属于边缘结构的似然度。然后将之与双尺度高斯滤波结合,构建高质量引导图,并作为联合双边滤波的初始值,通过双边滤波多次迭代获得最终的输出结果。实验结果证实,相较于几种经典算法,本文方法能够在平滑纹理的同时,更好的保护图像的精细结构,对边缘结构的处理也更加干净、清晰。     

循环分层解耦卷积和最大滤波的三维脑肿瘤图像分割

由于脑肿瘤的大小和形状呈不规则状态,从三维磁共振图像中自动分割脑肿瘤是一项具有挑战性的任务．而目前的方法存在两个问题：基于3D建模的方法参数量较大难以训练而且全局或远距离上、下文信息的关联性不足;模型忽略局部区域细节特征使得分割结果边界模糊．为解决上述问题,本文提出了循环分层解耦卷积和最大滤波(recurrent hierarchical-decoupled convolution and maximum filtering,RHMF)的轻量网络实现三维脑肿瘤图像分割．该网络在特征提取阶段提出循环分层解耦卷积取代标准卷积,减少参数利用多时域的反馈信息建立全局上、下文信息关联．引入改进的多尺度策略对不同尺度下的多层次特征进行提取融合,提高网络的目标识别能力．在定位阶段做局部域细节处理,提出了最大滤波模块激活目标区域像素实现特征图的像素级定位,增强目标区域像素与其他区域像素的区别,进一步细化分割,解决边界模糊问题．在BraTS2020数据集上的实验结果表明,RHMF-Net在增强肿瘤区、整体肿瘤区和核心肿瘤区的平均Dice系数值分别为77.23%、90.01%和83.10%,参数量为0.4...     

序限制下同变预测区间的改进

在统计决策理论框架内考虑了位置和尺度分布族下随机变量的区间预测问题.利用估计问题中对无序限制下参数估计量的改进方法,结合未知分布参数之间的序限制,对通常的位置和尺度同变预测区间进行了改进.在一定条件下,构造了一族改进预测区间,从而解决了常用同变预测区间的改进问题.     

众包室内定位系统中基于多维尺度变换的接收信号强度平滑理论

基于WLAN指纹的定位方法具有成本低、可用性好等优点,近年来越来越受到人们的关注。为了实现室内定位系统的快速部署,通常采用众包技术替代传统部署方法。在离线阶段建立radio map时,由于利用众包技术采集的RSS数据量大大减少,使得RSS数据中的噪声和采集误差无法得到有效抑制,造成建立的radio map精度较低,定位误差增大。针对该问题,本文提出了一种基于多维尺度变换（Multidimensional Scaling, MDS）算法的RSS平滑理论。利用相邻位置RSS数据之间的相关性,在每个位置推断出一个最优RSS值,从而实现抑制噪声和消除采集误差的作用,最终得到更平滑的radio map,提高定位精度。实验结果表明,采用MDS方法达到了预期的目标。基于WLAN指纹的定位方法具有成本低、可用性好等优点,近年来越来越受到人们的关注。为了实现室内定位系统的快速部署,通常采用众包技术替代传统部署方法。在离线阶段建立radio map时,由于利用众包技术采集的RSS数据量大大减少,使得RSS数据中的噪声和采集误差无法得到有效抑制,造成建立的radio map精度较低,定位误差增大。针对该问题,本文提出了一种基于多维尺度变换（Multidimensional Scaling, MDS）算法的RSS平滑理论。利用相邻位置RSS数据之间的相关性,在每个位置推断出一个最优RSS值,从而实现抑制噪声和消除采集误差的作用,最终得到更平滑的radio map,提高定位精度。实验结果表明,采用MDS方法达到了预期的目标。基于WLAN指纹的定位方法具有成本低、可用性好等优点,近年来越来越受到人们的关注。为了实现室内定位系统的快速部署,通常采用众包技术替代传统部署方法。在离线阶段建立radio map时,由于利用众包技术采集的RSS数据量大大减少,使得RSS数据中的噪声和采集误差无法得到有效抑制,造成建立的radio map精度较低,定位误差增大。针对该问题,本文提出了一种基于多维尺度变换（Multidimensional Scaling, MDS）算法的RSS平滑理论。利用相邻位置RSS数据之间的相关性,在每个位置推断出一个最优RSS值,从而实现抑制噪声和消除采集误差的作用,最终得到更平滑的radio map,提高定位精度。实验结果表明,采用MDS方法达到了预期的目标。     

基于改进卷积神经网络的非合作无人机检测应用

针对“黑飞”无人机侵犯公民隐私、危害个人及公共安全,现有的无人机检测算法难以平衡检测速度和精度且对小目标的检测精度较低等不足,本文在YOLOv3的基础上进行改进,提出MS-Net (Multi-Scale Object Detection Network) 对低空中的无人机进行快速高效地检测,为实现后续的防护压制提供依据。针对锚点框,通过 K-means聚类方法得出更准确预测目标区域的位置。在特征提取部分,使用SSP (Spatial Pyramid Pooling) 提取更丰富的特征信息,提升分类精度。在检测部分,提出ESE (Enhanced Sequeeze and Excitation) 通道注意力机制在基本不影响检测速度的同时实现更加精确的多尺度目标检测。实验结果表明：该方法在由无人机、风筝、鸟等组成的数据集上的检测速度为51FPS,平均准确率(mean average precision, mAP)为91.39%,比 YOLOv3 网络提高了6.42%;特别地,在无人机目标上的平均精度（average precision, AP）提升了7.42%。