基于最优小波包分解的图像隐写通用检测

基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.     

基于栅极信号的功率器件老化特征分析

本文研究栅极动态信号在功率器件故障预测上的应用.首先介绍了功率器件栅极动态信号反映的相关失效机制,并分析了栅极动态信号的老化特征及影响因素.提出了老化特征提取方法,选定动态过程时间,动态过程面积比率作为老化特征.使用降频错位采样的方法还原高频采样下计算的老化特征,降低利用动态信号进行故障预测的采样频率,以提高方法可行性.通过NASA公布的数据集进行实验验证,提取的老化特征明显,降频采样达到了预期效果.     

支持向量机在围岩变形监测中的应用

根据支特向量机优越的非线性拟合性能,建立变形量的时间序列预测模型,滚动预测围岩变形量,提高了预测模型的训练速度和预测推广能力。该方法用于西乡-固戍盾构段围岩变形预测,并与BP神经网络预测进行比较。结果表明这种模型可预测区间较长且具有较高的准确度,能够科学地指导现场施工和监测。     

开放式同行评议模式的介绍与思考

介绍了国外在这方面的最新研究成果和应用经验,同时结合国内科技界的情况,探讨了如何在我国进行开放式同行评议模式的实践,以便让科技评价研究和管理人员尽快了解、吸收该领域的前沿知识,并在此基础上进行更深入的研究与实践,进一步提高我国科技评价的质量。     

基于CBERS CCD数据的鹿洼煤矿塌陷区LUCC检测

本文基于多时相中巴地球资源卫星CBERS CCD数据,以鹿洼煤矿塌陷区为例,利用混合像元分解技术开展土地利用/覆盖变化LUCC检测.分别选取研究区域的2002年、2006年和2010年3个时相的CBERSCCD图像作为遥感数据源,将粒子群优化算法引入到端元提取中,基于线性光谱混合模型提取鹿洼煤矿塌陷区水体、建筑用地、农田和土壤4类地物信息,并对结果进行统计分析.LUCC检测结果表明,2002年至2010年间,鹿洼煤矿塌陷地面积逐年增加,造成大面积农田积水,导致无法进行作物耕种.最后,结合当地政府采取的塌陷地治理措施分析了土地利用变化情况.     

基于BP神经网络的故障光伏组件输出功率预测

针对产生故障的光伏组件会降低光伏组件输出功率的问题,提出了一种改进的BP神经网络预测模型.该预测模型在辐照度、环境温度等因素的基础上加入光伏组件故障面积,串联光伏组件个数作为输入,对比SCG算法和LM算法两种改进方法,对故障光伏组件的输出功率进行预测,并用平均绝对百分比误差和均方误差两种方式对两种改进模型的准确性进行评...     

基于模型预测控制的移动机器人户外导航方法

针对户外巡检、户外清洁、智能农业等户外场景对自主机器人的使用需求,设计了一种具有很强实时性和稳定性的移动机器人户外导航方法。移动机器人收到户外GPS航迹点后,使用激光雷达实时获取周边环境点云并构建局部栅格图,在栅格地图内使用基于路段走向改进的A-star算法搜索局部避障路径,最后设计使用模型预测控制器以跟踪避障轨迹。为了验证该导航方法的可行性,在仿真和户外环境下分别进行了对比实验,实验结果表明所生成的轨迹稳定平滑并能有效避障,模型预测控制器轨迹跟踪精度高、耗时短,实现了户外移动机器人高效率、稳定导航。     

真实海水浸泡下FRP筋与海水海砂混凝土的粘结耐久性

在真实海水环境浸泡下对FRP筋与海水海砂混凝土（SWSSC）的界面粘结耐久性能进行了试验研究.试验变量包括FRP筋种类（GFRP筋、BFRP筋和SFCB筋）和浸泡时间（30 d、90 d、180 d和270 d）,通过中心拉拔试验对3种筋与SWSSC的界面粘结性能退化进行了对比分析;基于试验数据,对实际服役环境下3种筋的长期极限粘结强度退化进行了预测.结果表明：受海水长期浸泡和不同FRP筋制造工艺差异的影响,GFRP筋表面肋的磨损程度比BFRP筋和SFCB筋的小;BFRP筋和SFCB筋的粘结应力-滑移曲线的残余段波动逐渐减小;BFRP筋和SFCB筋的极限粘结强度退化快于GFRP筋.根据预测结果,给出了海洋环境、室外环境及室内环境下3种筋在设计服役年限所对应的极限粘结强度退化值.     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.