连采移动设备主动安全识别系统

面对井下交通安全管理多有盲区的现状,一套可自动区别人体与煤层的设备成为保证连采工作面安全生产的必备品,文章阐述了主动安全识别系统的理论及实施方案。     

局部Fisher向量编码与交叉视角二次判别分析的人头重识别

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

牛顿-莱布尼兹公式在与路径无关的曲线积分中的应用

在现有高等数学教材中,对于一元函数的定积分有牛顿-莱布尼兹公式,而对于与积分路径无关的曲线积分,没有给出对应的公式.根据与积分路径无关的曲线积分的充要条件(e)P/(e)y=(e)Q/(e)x,经过严谨的数学推导,得出与路径无关的曲线积分的牛顿-莱布尼兹公式:∫(x2,y2)(x1y1)Pdx+ Qdy=∫(x2,y2)(x1y1)du(x,y)=u(x2,y2)-u(x1,y1).最后,通过实例验证,无论是对与积分路径无关的曲线积分的计算题还是证明题,所给出的公式都是有效的、实用的.     

金属材料Rp0.2的检验及异常曲线的处理

通过金属材料拉伸检验中采集的试验曲线对无明显屈服强度材料规定塑性延伸强度R_(p0.2)值的检验方法及影响因素进行分析和探讨,并对检验过程中出现异常曲线时R_(p0.2)值的处理提供正确、合理的修正方法。结果表明:拉伸速率和控制模式、试验机柔度、弹性段起点和结束点的正确选取是影响R_(p0.2)值检验结果的主要因素;对于弹性段较低的材料选取正确的弹性段起点和结束点是获得准确R_(p0.2)值检验结果的关键,一般情况下取在弹性段的1/4和1/2处,可以获得准确的Rp0.2值检验结果。     

工程放样中GPS(RTK)的应用

本文介绍GPS-RTK的使用方法及操作步骤,并利用GPS-RTK在工程测量中进行曲线放样,对测量结果进行精度分析。通过对放样点的精度分析,得出GPS-RTK的测量精度可以达到工程放样精度要求的结论,以工程实例说明GPS-RTK具有工作效率高、定位精度高、全天候作业、数据处理能力强和操作简单易于使用等特点。     

纤维金属层板的拉伸性能研究

GLARE是一种先进的混杂层板材料,由高韧度薄铝合金层和高强度玻璃纤维/环氧树脂层交替铺设而成,具有独特的轻质、耐疲劳、耐冲击、高阻燃性和耐腐蚀属性.系统地对GLARE层板进行了静力拉伸测试,展示了铺层结构和铺层类型对其静力学性能的影响,并对混杂模型的适用性进行了验证.结果显示:采用混杂模型法预测GLARE层的轴向弹性模量具有较高的精度,但进行强度预测时对于部分类型的层板需要考虑纤维的桥接作用.     

浅谈电成像测井技术对碳酸盐岩裂缝储层的识别

在世界油气层分布中，碳酸盐岩储集层占有非常重要的地位，其不仅具有丰富的石油和天然气资源，而且油气藏占石油总储量的一半以上，而且在这些位置发现的油气田都具有储藏量大的特点。而且进行勘探中，通常以对裂缝的识别来进行能源的开放，所以裂缝在储层中担负着极其重要的地位，对于能源开发具有重大的意义。特别是通过电成像测井技术，由其该技术具有高分辨率的特征，所以将其利用在碳酸盐岩裂缝储层的识别上具有极其重要的作用。该文通过地质概况，对电成像测井技术进行了分析，并进一步对成像测井资料在碳酸盐岩储层中的综合应用进行了具体的阐述。     

Android Wear:打响与苹果穿戴设备的第一枪

正OEM厂商可以松口气了美国科技博客Ars Technica上周撰文对谷歌的Android Wear可穿戴系统的界面进行了深度解读。文章认为,该系统完全以通知为核心,但较之于现有的智能手表已经实现了巨大飞跃。谷歌日前发布了专为可穿戴设备开发的Android Wear平台。Android wear其实是一款针对智能手表优化的简化版"奇巧"系统。在阅读了大量内容并对模拟器进行了一番研究后,我们在本文中汇总了所有信息。所以,如果你想知道未来的智能手表是何模样,请耐心阅读以下内容。