基于改进的卷积神经网络的钢号识别

为获取样本的多样性特征,提出了一种改进的卷积神经网络结构。该网络中引入多层递归神经网络,利用卷积神经网络提取输入图像的浅层特征,同时利用卷积神经网络和递归神经网络并行提取高层特征,最后将两种网络学习到的特征进行融合输入到分类器中分类。利用迁移学习理论解决小样本集数据训练不足的问题,并将这种卷积神经网络结构应用于石油物资管线钢号识别中。实验探究了递归神经网络个数与卷积核个数对网络性能的影响,实验结果表明,改进的网络结构与其它网络进行对比,错误率降低了 3% 。     

基于PSR-AHP的小区开放对道路通行影响评价

针对小区开放对周边道路通行能力影响的问题,构建基于“压力-状态-响应”( PSＲ: Pressure-State-Ｒesponse) 模型的小区开放对道路通行影响评价指标体系,运用层次分析( AHP: Analytic Hierarchy Process) 确定指标权重,引入综合指数法进行小区开放对道路通行影响综合评价。选取A 类和B 类小区作为研究对象,利用VISSIM 仿真软件对两种类型小区周围的道路与交叉路口的车辆通行情况进行仿真。仿真结果表明,A 类小区开放降低周边道路通行能力,B 类小区开放提高周边道路通行能力。研究结果可为交通管理部门对小区是否全面开放提供理论参考。     

广义多尺度决策系统的局部最优粒度选择

在实际应用中,人们常常选择比较合适的粒度层次来解决相应的问题。在经典的多尺度决策系统和粒度层次构造过程中,属性取值常由人工选择某些固定粒度层次。本文针对广义多尺度决策系统,由属性取值的尺度组合来构造粒度层次,进而研究局部最优粒度的选择问题。首先,介绍了广义多尺度决策系统的概念。然后,在协调的广义多尺度决策系统中定义了最优粒度和局部最优粒度,并给出了基于属性组合的最优粒度与局部最优粒度的选择算法。最后,在不协调的广义多尺度决策系统中引入了广义决策,定义了广义决策最优粒度和广义决策局部最优粒度,并给出了基于广义决策最优粒度与广义决策局部最优粒度选择算法。     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

基于SSD卷积网络的视频目标检测研究

针对传统卷积神经网络对远距离视频目标识别效果差的原因,本文提出一种改进的基于SSD卷积网络的视频目标检测模型.首先,对数据集进行剪裁,旋转等预处理,提高网络检测泛化能力,其次,采用coco数据集Mobilenet_SSD预训练模型,由于其具有轻量级网络模型特点,减少计算开销,减少内存占用量.然后,再结合voc2012数据集进行二次训练微调处理,加快训练收敛速度,使用自定义数据集能有效检测特定场景目标,能够有效识别远距离场景下视频目标物体.实验结果表明,改进的网络检测模型适用于远距离目标检测,减少计算量,降低硬件内存资源消耗,提高网络模型性能和检测精确度,具有较好的鲁棒性.     

一种构造“点模式”的转换方法及其铀成矿分析应用

为进一步挖掘构造及铀成矿之间的关系,基于ARCGIS9.3软件设计了提取构造交点及构造走向的技术,将构造的“线数据”转换成“点数据”,以服务于点类型分析.此外,构造交点与铀矿床(点)之间,全部构造、14个典型矿床的控矿、容矿构造走向-数量分布之间,呈现出一定的吻合性.     

任意m×n阶cobweb网络的等效电阻研究

采用递推变换(RT)方法研究了一类任意m×n阶cobweb网络的等效电阻.首先采用网络分析建立递推矩阵方程模型(包括边界条件方程模型),其次构造矩阵变换获得矩阵的特征值和特征向量以便获得矩阵方程的通解与特解,最后利用矩阵逆变换给出支路电流的解析解,从而获得任意m×n阶cobweb网络任意2节点间的等效电阻公式,所得结果是由特征值构成及单求和表达.作为公式的应用,给出了等效电阻公式在特殊情形下的数个结果,并且给出了任意半无限和无限情形时的数个新的等效电阻公式,在与其他结果比较时发现了一个新的三角函数恒等式.     

一类非局部扩散方程解的局部存在性和唯一性

主要研究了一类非局部扩散方程解的局部存在性和唯一性.由于非局部扩散的特殊性,采用Banach不动点定理分别得到了Cauchy问题,Dirichlet和Neumann初边值问题下解的局部存在性和唯一性.     

移动社交网络中的无线资源分配算法研究

随着移动用户数量的不断增加以及移动网络规模的发展,移动社交网络越来越受到人们的青睐,在社交网络中,社交网络用户可以使用移动设备相互交换和共享内容,但如何在移动社交数据传输过程中根据用户的需求为其分配最佳的无线资源,并确保资源的安全性和保密性成为了一个新的挑战.研究移动社交网络中的无线资源分配问题,资源分配包含无线资源分配和保密性资源分配,提出一种基于梯度的迭代算法来求解社交用户所需要的最佳无线资源和保密性资源.仿真结果分析表明,根据所提算法可以得出在保密性资源能量效率方面比随机分配方案提高8％左右,同时在无线资源利用率方面也有显著提升.     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。