基于知识状态的个性化学习资源推荐方法

针对现有的个性化学习资源推荐方法存在不能够从学习者的学习缺陷出发推荐学习资源的不足,提出一种基于知识状态的个性化学习资源推荐方法,它首先根据知识点之间的关联关系构建知识图谱,然后根据学习者知识状态进行推导生成待学习知识点向量,最后设计相似性迭代算法从学习资源库中匹配最适合学习者的学习资源.通过实验证明,该方法具有不错的推荐效果和性能.     

基于潜在低秩图判别分析的高光谱分类

提出一种基于潜在低秩图判别分析（LatLGDA）算法,利用数据的自表示对数据的列表示系数矩阵和行表示系数矩阵同时施加低秩约束,得到保留数据结构的亲和矩阵,再与图嵌入模型相结合实现高光谱图像的流形降维并进行分类。与其他基于稀疏图或稀疏低秩图的高光谱特征提取算法相比,LatLGDA可利用数据的行信息弥补列信息的不足或缺失,对噪音的抗干扰能力更强;在真实数据集上的实验结果表明,LatLGDA算法具有较高的分类精度和运算效率,应用前景广阔。     

基于分数阶变换的彩色图像自适应重构水印算法

首先, 采用分数阶Fourier变换算法, 对彩色图像进行分数阶频域变换, 分析图像的频域信息, 筛选出适合嵌入水印的系数, 作为水印的嵌入位置; 其次, 定义频域系数的隐蔽特性, 并对隐蔽特性进行分级, 使水印嵌入系数达到最优; 最后, 对二值化水印图像分块做提升小波变换和压缩感知测量, 将测量结果作为水印信息嵌入到载体图像中, 解决了当前多数水印算法嵌入信息冗余度高, 含水印图像抗攻击能力不足的问题. 实验结果表明, 该算法在抵抗几何攻击、 噪声干扰等方面性能良好, 显著降低了水印信息冗余度, 提高了嵌入的效率和水印信息安全性, 增加了水印算法的可靠性.     

具有较小Hyper-Wiener指数的仙人掌图

利用图变换的方法讨论仙人掌图的Hyper Wiener指数.通过比较给出仙人掌图的第二小、 第三小Hyper Wiener指数, 并刻画达到第二小、 第三小Hyper Wiener指数的极图.     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

Shearlet域深度残差CNN用于沙漠地震信号去噪

由于沙漠地震信号中含有较强的随机噪声,从而给沙漠地震数据的处理和解释带来了很大的困难。针对上述问题,提出了一种基于Shearlet 变换的深度残差卷积神经网络( ST-CNN: Deep Ｒesidual Convolutional NeuralNetwork for Shearlet Transform) 模型,实现沙漠地震信号的随机噪声压制。在训练阶段,将沙漠地震信号经Shearlet 分解后的系数作为输入,将随机噪声经Shearlet 分解后的系数作为标签,通过卷积神经网络( CNN: Convolutional Neural Network) 学习输入和标签之间的映射关系; 在测试阶段,利用此映射关系即可从沙漠地震信号系数中预测出噪声系数,并间接地获得有效信号系数,最后通过Shearlet 反变换获得有效信号。通过与传统的Shearlet 硬阈值去噪算法对比,发现该算法可把沙漠地震信号的信噪比从－ 4． 48 dB 提高到14． 15 dB,具有更好的去噪效果。     

用于导管架全遍历检测的ROV路径规划

导管架平台是海洋油气开发中常使用的平台,但其所处的海洋环境使导管架经常受到流体冲蚀、海水腐蚀等,因此需要定期检查维护。为了缩短ＲOV( Ｒemotely Operated Vehicle) 的行走路程,减少检测维护费用,提高路径规划的智能程度,以惠州油田某型导管架平台为研究对象,针对ＲOV 对导管架进行单面和整体检测两种检测情况,结合图论和组合优化等理论进行了路径规划研究。通过仿真分析得出导管架全遍历的最优路线,所提出的路径规划方法和仿真结果具有较大的理论价值和实际指导意义。     

基于FFT的互感式电流信号检测装置的设计

为解决对电路中电流信号的实时监测及谐波分析问题,利用传感器技术设计出一套高精度基于FFT( Fast Fourier Transform) 的互感式电流信号检测装置。该装置可对环路电流信号进行非接触式测量,硬件电路包括互感式电流传感器和检波电路,软件部分以STM32 为主控制器,对信号进行傅立叶变换得到频率和幅度信息。这种以微处理器为核心的测量装置可以实现测量自动化和功能多样化,在工业领域具有一定的应用价值。经实验检测,该系统的频率分辨率可达到1 Hz,幅度分辨率可达到0． 5 mA,测量电流信号频率误差小于2% ,幅度误差小于5%。     

项目视角下的知识管理研究演进脉络梳理与前沿热点探析

为了进一步挖掘知识管理实践应用,提升我国项目管理水平。以1999~2017年CNKI与Web of Science 核心期刊为数据源,采用文献计量法对国内外项目视角下知识管理文献主题进行分析并绘制可视化的科学知识图谱。结果表明,项目视角下的知识管理研究具有由静态到动态、由单点到多点的演进特征。工程项目和研发项目是将知识管理理论融入较多的领域;知识共享、知识转移及项目绩效是研究的主要问题;研究方法以案例研究、实证研究、访谈法为主。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。