四川国内游客结构特征分析

利用四川省旅游局的抽样调查资料和对成都、攀枝花、西昌、乐山等地区的实地调查，分析探讨了四川国内游客结构特征、时空活动规律及其变化趋势，四川国内游客以省内中老年观光游客居多，旅游动机、人均停留时间正在发生变化，旅游消费和旅游收入有大幅度提高。     

汽车造型特征定量模型构建与应用

针对汽车造型特征难以定量化表达的问题,通过汽车造型特征空间构建和层次分析,对汽车造型的几何特征进行提取,并基于特征关系映射实验对汽车造型语义特征进行分析,构建了基于几何空间、语义空间及其映射关系的汽车造型特征定量化模型,并应用到设计实践中,初步解决了汽车造型设计主要依赖经验而定量工具缺乏的问题.     

基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．     

在MapInfo中实现数字化地图"非监督分类"

利用MapBasic语言,引入遥感图象处理中"非监督分类"的概念,在MapInfo平台下将同一图层中的不同要素按照他们的颜色、线宽等特征信息进行分类提取,然后进行批量编辑.实现了数字化地形图中的"非监督分类",为实现大量的数据更新提供了简单、快速、智能的解决方案.提高了生产效率,在实际生产中得到了检验.     

大坪山隧址区地质构造对岩溶发育规律的影响

在野外地质调查的基础上,运用自然历史分析法和统计学对隧址区的地质构造和岩溶发育特征进行了研究。研究表明地质构造对隧址区岩溶发育的影响主要表现为:1推覆构造演化过程中,地层经历的抬升和稳定使得区内岩溶发育呈现多期性,垂直、水平溶蚀形态交替分布;2区内地质构造通过控制岩溶水的循环通道,从而控制区内岩溶发育的方向和规模;3区内大型岩溶形态发育的向深性和方向性受断层控制,同时发育规模也由节理裂隙密度决定;4褶皱核部及转折部位多形成张拉裂隙,岩溶发育强烈,翼部径流作用有利于岩溶发育。     

基于决策树的关键短语抽取

针对关键短语抽取工作可以转化为某种分类问题,利用决策树构造分类器解决关键短语的抽取。统计分析表明,将文档中词的词频因子、首位置和词性作为决策树分类特征,并考虑词在文档中出现的位置信息,对词的特征值进行一定的调整,采用Bagging重采样技术进一步提高了决策树的抽取性能,使其完全匹配和部分匹配的F_检测率分别达到21．50％和54．49％。     

HR3C奥氏体耐热钢晶界蠕变损伤的电子背散射衍射分析

对不同条件下的HR3C奥氏体耐热钢蠕变试样进行性能测试和微观结构观察,研究奥氏体耐热不锈钢蠕变沿晶破坏行为和损伤特征。电子背散射衍射（EBSD）分析结果表明,不同蠕变速度下材料的晶粒尺寸基本不变,未产生择优取向,但高蠕变速度条件下部分孪晶界演变成一般晶界,而低蠕变速度下原始孪晶结构基本保持不变。EBSD分析结果清楚地反映了微观蠕变应变的不均匀性。沿晶微裂纹和蠕变空洞的产生和扩展是最显著的损伤特征,这些损伤现象与不同蠕变速度下的蠕变机制及晶界性质密切相关。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。