基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。     

一种面向网络连通性的关键网络元素脆弱性分析方法

准确评估网络系统脆弱性对于网络安全规划和风险管理至关重要.现有网络脆弱性分析方法大多利用单一特性识别脆弱元素,随着网络系统复杂化进程加快,多元化的脆弱性识别显得尤为重要.从攻击者的角度出发,提出一种面向网络连通性的关键元素脆弱性分析方法,识别网络中具有多重重要身份且破坏代价小的网络元素,利用局部分析措施确定网络关键元素并将网络连通性作为脆弱性衡量指标,以识别出关键元素中可致使网络连通性特定降级的最小代价集合.仿真结果表明,所提出方案对脆弱元素的定位更加准确,可为网络安全防护措施的制定提供有效且可靠的参考.     

基于landset8遥感影像数据的森林蓄积量反演

文中以广东省南雄市森林二类调查数据为样本,结合langset8影像数据,以遥感因子,立地因子为自变量,以POS算法优化的BP神经网络和逐步线性回归为建模方法,对比两种模型反演精度,建立森林蓄积量反演优化模型。     

基于Kriging理论的发动机万有特性研究

发动机万有特性是衡量发动机燃油经济性并进行动力总成匹配的重要依据。为提高万有特性建模的精度,以某系列柴油机试验数据为例,基于Kriging理论并采用遗传算法优化其初始值θ_0建立万有特性预测模型。在此基础上,对比分析优化初始值θ_0后的Kriging理论、BP神经网络及最小二乘法所建立的万有特性预测模型精度和鲁棒性。结果表明:采用遗传算法优化后的Kriging理论建立的万有特性预测模型精度和鲁棒性均高于BP神经网络和最小二乘法。     

压裂管汇无损检测方法改进

:按照现有无损探伤检验标准检验合格的压裂管汇在压裂作业时出现了管件刺漏、爆裂等情况。分析了压裂管汇中管件结构的特点和现有的无损检测方法的适用性。增加了管件的检测部位,改进了检测方法,并研制出了能检测不同形状和尺寸管件的超声波探头和比对试件。采用改进的无损检测方法,检测出不合格管件数增加44.9%。新增加检测部位后,检测出不合格管件数增加63.7%。目前已应用改进的无损检测方法1 a多,在压裂作业时未出现高压管件刺漏或爆裂情况。