基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计，得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

High efficient moving object extraction and classification in traffic video surveillance

Moving object extraction and classification are important problems in automated video surveillance systems. A background model based on region segmentation is proposed. An adaptive single Gaussian background model is used in the stable region with gradual changes, and a nonparametric model is used in the variable region with jumping changes. A generalized agglomerative scheme is used to merge the pixels in the variable region and fill in the small interspaces. A two-threshold sequential algorithmic scheme is used to group the background samples of the variable region into distinct Gaussian distributions to accelerate the kernel density computation speed of the nonparametric model. In the feature-based object classification phase, the surveillance scene is first partitioned according to the road boundaries of different traffic directions and then re-segmented according to their scene localities. The method improves the discriminability of the features in each partition. AdaBoost method is applied to evaluate the relative importance of the features in each partition respectively and distinguish whether an object is a vehicle, a single human, a human group, or a bike. Experimental results show that the proposed method achieves higher performance in comparison with the existing method.     

Kohonen自组织神经网络在船舶防火安全分级上的应用

针对船舶防火安全分级中有许多不确定因素的特点，引入神经网络的理论，意在提供一种应用于对船舶分级安全性能评估的方法，并对长江９艘客轮进行了分级应用。     

织物组织结构分类新探

介绍了织物组织结构的常规分类方法,并提出了一种可对组织进行定量分析的新的分类方法——从浮长的角度分类,对常规分类方法进行了有益的补充.     

一种基于messyGA的分类规则提取算法

目前的遗传算法还普遍受限于模式定理，基于积木块假设的算法使得低阶短定义距的特征保留，影响到了算法的全局搜索能力。一种基于messyGA的分类算法，克服了只有低阶短定义距模式构成最优解的缺点，实验结果表明，该规则提取算法优于传统分类算法。     

G32型柴油机活塞顶晶粒度的船检规范探索

对船用柴油机活塞顶检验过程中的冶金质量进行了分析,分别用MM6金相显微镜和HX-1000维氏硬度计对原材料和调质处理后的样品进行了金相组织观察及晶粒度和硬度测量.研究结果表明,上述冶金参量在调质处理前后有较大改变,原材料的晶粒度及金相组织已不能代表成品活塞的晶粒度和金相组织,对同炉热处理的试样进行检验则更能代表活塞顶的真实晶粒度.     

隐马尔可夫模型在被动声信号分类中的应用

为了提高被动声目标识别率，该文研究了隐马尔可夫模型在被动声信号分类中的应用问题，然后，又提出了２种混合分类器：特征矢量混合的ＨＭＭ分类器和ＨＭＭ／ＭＬＰＮＮ（多层感知机神经网络）混合模型分类器。结果表明，这２种混合分类器在性能上都优于单个特定的分类器，它们在被动声信号分类中具有良好的应用前景。     

煤巷围岩稳定性综合分类及锚杆支护形式合理选择

提出一种围岩稳定性综合分类法，用此法研究平顶山矿区煤巷稳定性变化规律，得到了综合评价围岩稳定性的统计判据，可根据巷道条件及实测信息评价巷道稳定程度，并绘制出多指标围岩分类图。文中相应阐述了煤巷锚杆支护形式选择原则。     

粗糙集的RBF表示与非监督模式分类

提出了一种粗糙集的ＲＢＦ网络表示形式，在集值测度意义下，将粗糙集的语义表达进行了有效的描述，并构造了其自适应自组织的遗传学习机制．其创新性主要表现在：（１）通过ＲＢＦ网络有效地构造了粗糙集在模式分类中的自适应表示形式；（２）在遗传算法中引入了元进化自调整机制；（３）以粗糙集意义下的非线性映射方式提高了模式分类的计算效率．图３，表１，参４．