基于信息采集的少数民族传统村寨保护性规划设计研究——以贵州省铜仁市江口县桃映镇漆树坪羌寨为例

以位于贵州的少数民族典型村落羌寨为例,对现场采集的数据进行整理,深入分析村寨的自然形态特征和民居的建筑形态特征,把握其关于形态学方面的典型特征和其演化发展过程中所具有的自律性。根据羌寨保护存在的问题,提出羌寨整备与保护规划设计的三个层次,并对村寨保护规划和民居建筑保护更新提出具体策略。使其在保护少数民族村寨原真性和完整性的同时关注生态环境和生活环境的改善与提升,促进少数民族村寨的可持续发展。     

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。     

线上线下交互融合式教学模式的构建与实施

为实现互联网技术与高校教育教学模式的深度融合,提出线上与线下交互融合式教学模式的构建宗旨和具体实施环节。利用智慧云端作为线上线下学习的连接通道,实现学习与交互平台的有效结合。在有效激发教师主观能动性的同时,还能突出学生的主体性。教师通过课程宣传、资源投放、答疑指导、监督考核等环节实现既定教学目标;学生通过自主选课、自主学习、合作学习等环节,在全面掌握所学知识点的同时,加强了自主解决问题能力、知识推理能力和实践能力。为未来有效利用互联网技术来提高高校教育教学质量提供参考。     

钻井液在致密砂岩中裂缝的侵入深度模型

克深井区储层的孔隙结构与裂缝特征造成钻井过程中钻井液大量漏失,其中的固相颗粒会堵塞裂缝,使得部分生产井在完井后产量偏低甚至无产量,现场主要是通过酸压来解决这类问题。对于裂缝性气藏的酸压而言,需要知道钻井液在裂缝中的侵入深度变化,以便于设计施工参数,评价酸压效果。针对这一问题,根据牛顿流体在裂缝中的流动机理,裂缝宽度的变化以及裂缝壁面的滤失等,建立了钻井液在单一裂缝中的漏失动力模型,根据裂缝内钻井液压力的分布来定量描述钻井液的侵入深度,考虑并分析了该模型的侵入深度与侵入时间,压差和裂缝宽度之间的相互关系。最后,利用该模型计算了克深井区获得增产效果的酸压井中钻井液的侵入深度和酸液的侵入深度,通过增产井中二者之间的关系,从而间接证明了该模型。     

辫状河储层内部建筑结构及剩余油分布研究

储层内部建筑结构是影响开发效果的决定性因素,对剩余油分布具有控制作用。基于河流相建筑结构分析理论,在辫状河沉积模式指导下,采用层次分析法,从开发角度对砂体内部结构进行精细解剖,识别和确定出辫状河道、心滩坝、废弃河道和落淤层等结构要素,弄清各级次、各期次结构要素的接触关系,完成辫状河储层内部结构的精细表征;基于内部结构表征成果,结合不同时期水淹层测井解释结果和生产动态资料,恢复不同开发调整时期的水淹特征,动态表征辫状河储层内部结构控制下的水淹过程,并依据小井距密闭取芯井精细水洗结果验证,总结不同储层结构控制下的剩余油分布模式。结果表明,辫状河储层整体以高含水为主,水淹呈不均匀立体式、随机式特征,不具有分段水淹的特点,未水淹部位分布非常零散,局部物性变差部位、落淤层和低渗屏障遮挡部位直接控制了剩余油的分布。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

基于粘结强度特征数的烧结矿强度评价方法

烧结矿的强度主要取决于含铁矿物的强度、粘结相自身的强度以及粘结相与含铁矿物间的粘结强度。研究表明粘结相与含铁矿物间的粘结强度是烧结矿强度的主要制约因素。将粘结强度与能满足工厂生产要求标准的烧结矿粘结强度(12.58 MPa)的比值定义为粘结强度特征数,并用其评价烧结矿的整体强度。同时,结合烧结矿的微观结构对烧结矿强度进行研究。结果表明,与粘结相自身微观结构相比,粘结相与含铁矿物界面的微观结构较为疏松;固液两相之间的冷收缩系数不同,粘结相与含铁矿物之间易形成内应力,不利于粘结强度的提高。因此,粘结强度满足一定要求时,烧结矿的强度就能满足生产要求。     

基于多尺度熵和动态时间规整的步态身份识别

针对现有人体步态身份识别算法单一、准确率较低的问题,提出了一种基于多尺度熵和动态时间规整（DTW,dynamic time warping）的人体步态身份识别方法。采用自制的APP软件在较低采样率下采集人体步行加速度数据,实验中共采集50名志愿者的正常行走加速度数据,使用多尺度熵算法进行数据处理,得到在各个尺度下的熵值,最后采用DTW算法对多尺度熵值进行特征匹配,得到的相对错误率（EER,equal error rate）为13.7%,仿真结果表明基于多尺度熵和DTW算法相结合的方法较好提高了身份识别的准确率,为人体步态身份识别提供了一个新的思路。     

基于主题加权LDA模型的情感分类方法

针对LDA(Latent Dirichlet Allocation)主题模型生成的大量topic,很大部分topic内部词语相关度很低,可解释性差,对语言模型后的应用效果带来一定的影响.针对这一问题,该文提出了一种基于主题加权LDA模型的情感分类方法,该模型实现不同主题中内部相关的词语特征加权计算,能够消除不同主题内具有相关度词语的相互影响.实验结果表明,与传统LDA模型分类方法对比,该文提出的基于主题加权LDA模型的情感分类方法平均F1值提高了6.7%～8.1%,验证了该文提出的方法是有效的,提高了分类效果.