薄基岩浅埋深综采工作面矿压规律实测分析

通过对榆家梁煤矿44305综采工作面支架工作阻力的实测分析,得出了薄基岩浅埋深综采工作面矿压显现规律,为实现浅埋深综采工作面安全高效回采提供依据。     

基于改进局部一致性约束的立体匹配算法

针对PatchMatchStereo立体匹配算法在实现倾斜平面时，因使用随机函数生成平面参数而导致算法计算量大且误匹配率高的问题，提出一种基于局部一致性约束的立体匹配算法。首先，通过对图像中的像素进行稀疏匹配获得视差置信度高的支撑点；其次，利用三角剖分为图像内各像素点确定一个三角平面，计算平面参数并分配给该平面内的点；然后，通过迭代传播为每个像素点找到更加准确的平面参数，构建出局部一致性平行窗口模型；最后，通过平面参数计算视差值并通过视差后处理优化视差。本文算法在Middlebury评估平台第三版标准测试数据集上进行实验，实验结果表明，处理后的平均误匹配率比PMS算法降低了4.39%，其中对单个图像的误匹配率最高降低15.42%。本文算法在降低误匹配率的同时提高了图像处理的效率，相较于其他算法具有显著的优越性。     

嵌入式Internet及其在监控系统上的应用

介绍了嵌入式Internet的实现方法，并给出了以嵌入式linux作为操作系统，采用32位微处理器的嵌入式Internet在工业监控系统上实现的设计方案。本方案中采用流行的B／S结构，使用户在任何地方通过浏览器就可以实现对工业现场设备进行监控。     

煤机厂设备管理系统的数据库设计

针对煤机厂设备管理系统实际情况，对其数据库的划分，结构及数据关系规划等进行了详细分析，这将有助于其系统程序的结构化设计。     

无线传感器网络分布式成簇算法优化

能量异构问题在通信过程中会成为无线传感器网络不可避免的现象,为解决能量负载不均衡问题,对一种适用于能量异构环境的无线传感器网络分布式成簇算法进行改进。算法结合能量水平相对估计因子使高能量节点更易成为簇头;簇间通信时根据通信代价选择单/多跳方式,同时设置低能量的簇拒绝转发其他簇的数据以达到均衡能耗的目的。模拟实验结果表明,新算法能更好的均衡节点能量负载,其能量有效性得到了很大的提高。     

多尺度特征融合注意力网络的水下图像增强

水下图像在海洋资源探索中具有重要作用.针对现有的水下增强方法存在去雾不彻底和细节丢失等问题,提出一种基于多尺度特征融合注意力网络的水下图像增强方法.首先,采用多特征提取模块获取图像特征,学习不同空间的特征信息,并通过特征融合模块加强不同空间信息的有效联系,实现特征的复用和深层次的学习;然后,构建特征调制模块,将低质量信息特征转换为高质量信息特征,包括通道和像素注意残差块,将其堆叠成链式结构,通过动态调制多级特征增强图像细节,并抑制冗余信息;最后,构建包含均方差损失函数、L1损失函数和感知损失函数的多项式损失函数,引入异步训练模式提高网络性能.实验结果表明,基于EUVP数据集、合成的SUDS数据集和UFO-120数据集,该方法在主观视觉质量和客观评价指标(UCIQE,NIQE,SURF以及信息熵)上均优于其他经典及新颖方法,增强后水下图像去雾效果良好,并且在恢复图像细节方面也具有明显优势,显著地提高了水下图像的视觉质量.     

基于 AG-CNN 的轻量级调制识别方法

针对传统卷积神经网络在调制方式盲识别过程中,存在模型体积大、运算量高、无法部署至移动端等问题,提出了一种基于双注意力机制与Ghost模块的轻量级CNN模型AG-CNN(attention and Ghost convolution neural network)调制识别方法,该方法首先将调制信号映射至复空间,并根据归一化点密度对映射点进行颜色处理,得到高阶特征密度星座图;将该特征作为AG-CNN模型的输入进行学习训练,最后使用训练好的模型对接收端接收到的未知信号进行识别。实验表明,AG-CNN模型对散点为10 000的密度星座图识别率在99.95%以上,与相同层数的CNN模型相比,卷积层参数量压缩6.01倍,计算量压缩6.76倍,且相较于VGG-16、InceptionV3、ResNet-50、Shufflenet、Efficientnet等卷积网络模型,参数量与浮点数运算数下降明显,且在大幅节省学习参数量、降低模型复杂度的情况下,表现出优秀的分类性能。     

基于语义信息补偿全局特征的物体点云分类分割

3D点云数据处理在物体分割、医学图像分割和虚拟现实等领域起到了重要作用。然而现有3D点云学习网络全局特征提取范围小,难以描述局部高级语义信息,进而导致点云特征表述不完整。针对这些问题,提出一种基于语义信息补偿全局特征的物体点云分类分割网络。首先,将输入的点云数据对齐到规范空间,进行数据的输入转换预处理。然后,利用扩张边缘卷积模块提取转换后数据的每一层特征,并叠加生成全局特征。而在局部特征提取时,利用提取到的低级语义信息来描述高级语义信息和有效几何特征,用于补偿全局特征中遗漏的点云特征。最后,融合全局特征和局部高级语义信息得到点云的整体特征。实验结果表明,文中方法在分类和分割性能上优于目前经典和新颖的算法。     

WSN中簇组结构上的时间同步算法研究

时间同步作为无线传感器网络的关键技术之一,对整个无线传感器网络的发展起着不可替代的作用。提出了类似于分簇结构的基站—簇首—组首—组内的层次结构。在基站簇首之间采用了单向广播同步机制和双向成对同步机制,有效利用网络中节点的广播信息;在簇首组首之间采用了主动和被动结合的双向同步算法;在组内采用了TPSN算法;用实验仿真的方式,清晰的显示出这种层次结构的特点;将这些算法结合在一起,在保证精度的前提下,大幅度的降低了能量消耗。     

基于改进花朵授粉的K-均值聚类算法

针对K-means聚类算法依赖于初始值并易陷入局部最优值的问题,提出了一种基于改进花朵授粉的K-means聚类算法。该算法首先通过混沌映射的序列作为花朵种群的初值位置,保证花朵种群在搜索空间的多样性、确定性;然后在花朵授粉的后期搜索阶段引入禁忌搜索算法以避免陷入局部最优解;最后将改进后的FPA算法用于优化K-means算法的初值。在五个聚类数据集上的实验结果表明,改进后算法的平均聚类准确率相比于花朵授粉聚类算法提高了12.2%,证明了该算法对于低维数据集具有更好的聚类效果。