基于VMD与改进DAE人车地震动包络信号识别算法

为解决在野外环境中使用传统模式识别方法对低信噪比(signal-noise rate, SNR)的人车地震动信号进行分类时应用不便,效果不佳的问题,提出了通过基于包络检波、变分模态分解(variational mode decomposition, VMD)和改进的深度自编码器(deep auto-encoder, DAE)的特征提取算法。首先对目标的地震动信号进行希尔伯特变换以获取信号的平滑包络线,然后进行变分模态分解得到本征模函数(intrinsic mode function, IMF)信号,并利用皮尔森相关系数对分解得到的IMF信号进行筛选,之后将相关度较高的分量加权为高信噪比的中间信号,再使用改进的深度自编码器对其进行特征提取,最后使用泛化性能好的随机森林算法充当分类器,从而实现对人车目标的识别和分类。结果表明：所提算法有效缓解了其他传统算法的部分缺陷,综合识别正确率有所提高,且更加方便应用。     

带电导体表面的场强和场力

本文从静电平衡条件下导体表面电荷实际上存在纵深分布的情况出发,通过特例,定量讨论了一般电磁学教材未曾触及的导体表面场强和场力问题。并对所得结果进行了分析和推广。     

岩土工程反分析的最大熵原理

以概率与数理统计理论和现代信息理论为基础，针对目前岩土工程随机反演中常用的极大似然法和贝叶斯法，从随机过程入手，应用最大熵原理推导了这两种方法的准则函数，它的理论意义在于，从数据信息的角度对极大似然反分析法和贝叶斯反分析法进行了重新认识，比过去仅从数据和算法本身研究反演问题多了一个参照系，使得对传统意义上反分析法中的不确定性研究有了一个新的模式。     

移动车辆加载下梁桥挠度影响线识别与损伤诊断方法

为了解决桥梁实测时程响应中存在结构动力成分与车辆多轴效应干扰的问题,提出一种基于挠度影响线识别结果的简支梁桥损伤诊断方法。首先,通过变分模态分解与小波变换法对桥梁时程响应进行预处理,以实现桥梁实测响应动力成分剥离,进而建立多轴车辆信息矩阵和影响线识别模型,从而剔除桥梁实测响应中车辆多轴效应,采用Tikhonov正则化方法识别出桥梁准静态挠度影响线,最后利用影响线差值曲率指标对桥梁损伤进行定位。研究通过两轴和三轴车辆移动加载下的车桥耦合模型验证所提方法的可行性与有效性。研究表明：所提两种影响线识别方法有效、可靠,影响线识别效果受车速和车型的影响较小,其中变分模态分解方法在车辆高速行驶下识别桥梁影响线用于损伤诊断效果更佳。     

基于变动的设计过程模型研究

设计过程的有效表示是实现CAD技术真正效能的关键。基于对设计过程变动特性的认识、将设计单元作为各产品组成环节的抽象,从理论上提出了描述设计过程的变动过程模型的形式化定义,并对其特点、作用、应用和研究进行了讨论。     

高功率密度液压冲击器输出性能参数的确定

在介绍应用于液压驱动的非开挖地下穿孔机的主要部分－高功率密度液压冲击器的工作原理基础上，介绍了高功率密度液压冲击器输出性能参数确定。     

基于SNGAN的黑盒恶意软件对抗样本生成方法

基于变分自编码器的协同推荐算法可以帮助解决推荐算法中的稀疏性问题，但是由于变分自编码器模型先验是单一的高斯分布，使得表达趋向简单和平均，存在拟合不足的问题.高斯混合变分自编码器模型拥有更加复杂的先验，相对于原本的变分自编码器模型，它对于非线性的任务有着更强的适应性和效果，已被广泛应用于无监督聚类和半监督学习.受此启发，本文研究基于高斯混合变分自编码器模型的协同过滤算法.本文基于Cornac推荐系统比较框架设计实验，将高斯混合变分自编码器改进后用于协同推荐任务中，利用生成模型重新生成的用户-物品矩阵进行推荐.在推理模型和生成模型中分别用一层隐藏层提取深层特征增加模型鲁棒性，并且使用提前停止的训练策略以减少过拟合.本文在多组公开数据集上进行实验，与其他推荐算法在NDCG和召回率指标上进行对比.实验证明，改进的基于高斯混合变分自编码器模型的协同过滤算法在推荐任务中表现优异.