织物起球标准样照的图像分析

探讨了运用图像分析技术对织物起球程度做客观和定量的描述．首先对精梳毛织物的起球标准样照进行处理分析，然后提取织物起球的特征参数，分析特征值与起球等级间的相关性，再选取相关性较好的3个特征参数，归一化处理后建立特征向量模板，最后对实际织物图像进行分析处理，提取表征毛球特征的参数值描述实际织物起球信息，运用最小距离法时实际织物起球等级进行客观评定，结果与主观评定的结果一致．     

灰色关联分析法在高校贫困生认定中的应用研究

准确地对学生进行贫困等级认定是高校资助体系的首要问题。文章在研究灰色系统理论的基础上,将灰色关联分析法应用到贫困生困难等级的认定中。在认定过程中,先利用初值无量纲法统一各指标量化模式,计算出各指标与等级的关联系数;再根据指标超标情况确定各指标的权重;然后由权重和关联系数计算出贫困等级的综合灰色关联度;最后利用置信度准则确定评价结果。实例证明,该法简便有效,切实可行。     

河南粮食生产影响因素的改进广义灰关联度分析

利用剩余法对河南省粮食生产波动进行分析,根据其波动情况将1990—2012年河南省粮食生产划分为两个阶段.然后采用改进的广义灰色关联度分析方法对两个阶段中10个影响因素进行了动态分析.结果表明:河南省的粮食生产总体呈增长趋势,但波动频繁,且具有阶段性变化特征;粮食单产、农田有效灌溉面积和农业机械总动力是河南省粮食生产的主控因素;农药和化肥对粮食增产的作用越来越大,但应注意环境保护,发展有机化肥和生物农药;耕地保护应严格执行,确保粮食播种面积.     

从中国特色社会主义看跨越“卡夫丁峡谷”设想的生命力

探讨发展中国特色社会主义的伟大实践,离不开马克思晚年关于东方国家可以跨越资本主义制度的“卡夫丁峡谷”论断。看待这一跨越设想不仅要深刻反思它的历史价值,而且要积极回应当前社会主义发生的深刻变化。所以,从发展中国特色社会主义的沃土中看跨越“卡夫丁峡谷”设想,并使这一思想能够与时俱进和重新焕发出旺盛的生命力,这对实现中国和平崛起以及世界社会主义的发展都具有重大现实意义。     

数值微分零交点法分辨重叠谱的研究与应用

在简述数值微分零交点法分辨重叠谱的原理基础上,研究了该方法对不同分离度的两组分重叠谱图的分辨效果．结果表明,对于两条高斯型重叠谱线,当分离度Ｒ≥０．０７时,可有效地分辨两组分的谱图．对于前舌和拖尾的重叠谱体系,实现有效分辨的分离度的最低限也随峰变形程度的增加而增大．以Ｌ－色氨酸和ＤＬ－酪氨酸两组分重叠紫外光谱图的分辨为例,讨论了方法在两组分同时测定中的应用．     

基于AHP与GRAY的综合评判之公路工程施工方案评价

层次分析法是一种系统化、层次化分析问题的多目标决策方法,而灰色关联分析方法是从信息的非完备性出发研究和处理复杂系统的理论。本文使用基于层次分析法和灰色关联度分析的灰色综合评判法,参考某公路工程施工方案评价体系,先用层次分析法确定影响施工方案合理性的五个因素的权重,然后利用灰色理论对所选取的五项指标进行了关联度分析,从而通过这两种评价方法相结合运用而进行的综合评判选出最合理的施工方案。     

坑道工程口部毁伤等级评定

坑道工程口部毁伤等级的评定,是制定抢修预案的重要依据。传统的方法只能给出定性的评定结果,无法提供量化的评定结论,导致评定结果产生较大的偏差。为保证评定结果的客观真实性,首先根据抢修的难易程度及毁伤的严重性划分了坑道工程口部毁伤的等级标准,分析了坑道口部毁伤的影响因素,并确定了属性及取值;建立了坑道口部毁伤等级评定的贝叶斯网络结构,利用专家经验给出了网络参数,推导了毁伤程度的联合概率分布表达式。给出了应用实例,利用GeNIe进行建模和推理,结果表明:贝叶斯网络模型能够自然地融入坑道口部毁伤评定的不确定性影响因素,将专家的先验知识和后验的实际数据很好地结合起来,表示出变量间的概率关系,评定结果与数值模拟分析结果吻合良好。     

沥青路面辙形成规律环道试验研究

沥青路面车辙是影响路面使用性能的重要因素之一。本文通过室内环道试验,探讨车辙影响因素及预故模型,并提出了不同保证率下的沥青路面车辙预故模型。     

基于GD-DNN模型的岩爆烈度等级预测方法与应用

岩爆是深埋隧道施工过程中开挖时形成临空面，引起能量突然释放的现象，轻则岩片剥落，重则造成人员伤亡和财产损失，其危害程度取决于岩爆烈度等级，因此岩爆烈度等级预测是急需解决的难题之一。本文针对单一指标预测法预测效果不理想的问题，首先设计并实现了综合指标法和针对多分类问题的分类器，其次提出并建立了基于梯度下降(Gradient Descent)算法优化深度神经网络(Deep Neural Network)的GD-DNN岩爆烈度等级预测模型。实验结果表明：GD-DNN模型预测的准确率达到95.8%，相比机器学习算法K最近邻(K-nearest neighbor，KNN)、支持向量机（support vector machine，SVM)和深度学习算法DNN分别提高了45.8%、38.7%和8.3%，同时在精确率、召回率和??1值三项指标上均优于其他模型。最后在秦岭隧道、大相岭隧道、通渝隧道和马路坪矿井4个实际工程中检验模型的预测效果，检验结果证明GD-DNN模型能够精准预测岩爆烈度等级，研究成果可应用于深埋隧道工程中。