活动标架在对象识别中的应用

基于Fels-Olver等变活动标架理论,借助构造活动标架的经典方法,得到了平面上欧几里得曲线的不变量和微分不变量,即曲率和曲率关于弧长参数的导数(包括关于弧长参数的所有高阶导数).由这些欧几里得微分不变量可以构造出曲线的欧几里得签名曲线,而签名曲线在刚性运动下是不变的.在计算机视觉中,签名曲线可以广泛地用于对象识别、视觉跟踪和对称检测.此外,在Cartan等价理论是签名曲线的基础理论支撑下,结合微分不变量在对象识别方面的抗噪优势,对签名曲线进行数值逼近,并用此方法给出若干欧几里得曲线的微分不变签名曲线.所给实例显示了基于曲线的微分不变量方法在计算机视图领域中的有效性.     

浅谈电能计量装置建标的稳定性考核及不确定度评定方法

实例介绍电能计量标准装置建标的计量标准稳定性考核和重复性考核及测量不确定度的评定方法和理解要点,为电能计量标准装置建标工作中技术问题提供借鉴。     

采区阶段煤仓快速施工技术

一、采区阶段煤仓设计 潘东公司西四采区B8煤平均煤厚3～4m,走向长约2000m,各阶段采面的出煤均要靠阶段煤仓将B8煤转运至B7煤皮带下山再到潘东西四集中煤仓进入运煤系统.由于B8煤设计3个采面,需要施工4个阶段煤仓,而阶段煤仓的下口在B7煤皮带下山架棚巷道内,因此,为了安全、快速、经济,我们将煤仓设计为:净直径2.8m,垂高18m,上下锁口扎单层钢筋,浇灌混凝土,壁厚300mm,中间砂岩段锚网喷支护.     

关于有限群p-幂零性的刻画

设T(G)和k(G)分别为有限群G的复特征标次数和与共轭类数,且设p是素数,若|G|/T(G)<2p/(p+1)或|G|/k(G)<4p/(p+3),则G是p-幂零群.     

全断面硬岩隧道掘进机隧洞钢拱架支护现场试验的力学性能及稳定性判断

以北疆供水二期KS隧洞工程为依托,通过实时监测钢拱架内外翼缘应力并分析其分布特征和变化规律,利用材料力学原理计算钢拱架轴力和弯矩,结合钢拱架稳定性判断流程分析其安全等级,研究结果表明,钢拱架整体表现为受压状态,同一测点处内侧应力普遍大于外侧应力,钢拱架应力最大值为50.88 MPa,位于边墙处。钢拱架轴力均为负值,表现为受压状态,最大值为-94.25 kN,位于边墙处。钢拱架弯矩自上而下逐步由负值变为正值,最大值为3.22 kN.m,位于拱肩处,稳定后除边墙外弯矩均为负值。通过钢拱架稳定性判断拱顶处稳定性等级为安全,拱肩、拱腰和边墙处为基本安全,施工中应加强观测,减少安全事故的发生。     

单群A8与L3(4)的新刻画

众所周知,有限群的特征标维数图对群的结构有重要的影响. Huppert猜想提出:有限非交换单群能够被它的所有不可约特征标维数集所刻画.利用群的特征标维数刻画群的结构是研究有限群的一个重要方法.继续这一相关问题的研究,研究了群的特征标维数幂图与群结构的关系,并利用群的阶与群的不可约特征标维数幂图成功地刻画了单群A_8和L_3(4).     

考虑抗弯刚度的耦合吊索自振特性研究

设置减振架后,悬索桥吊索的自振特性与单根索股不同,其振动是同一吊点各索股相互作用的综合体现。为研究带减振架吊索的自振特性,提出了考虑抗弯刚度的双索股耦合系统模型。首先,推导出了系统耦合振动的理论公式,然后对自振频率进行求解后用试验及数值算例进行验证;最后,以矮寨大桥的典型吊索为工程背景,研究了索的抗弯刚度、减振架耦合位置、减振架刚度、索的长度对吊索自振特性的影响。研究结果表明:考虑索的抗弯刚度后,带减振架的吊索自振频率值明显增大,索越短,其增长幅度越大;减振架保证了两根索股同相整体振动模态的一致性,在同相整体振动模态之间存在单根索股单独振动模态(减振架位于吊索中点时成对出现)及反相振动模态;减振架位置对吊索反相振动模态的自振频率及振型有显著影响;与刚性减振架相比,弹性减振架导致反相振动模态的自振频率值降低,减振架刚度越小,其差值越大;对于不同长度的吊索,当设置的减振架刚度k≥5×10~6 N/m时,可近似视为刚性减振架。     

基于多特征的洞库类目标识别方法

针对洞库类目标自动识别研究较少、识别率较低、识别方法成本较高等问题,设计了基于多种特征的洞库类目标识别算法.探讨了典型洞库类目标的模型并总结其主要特征;其次利用HOG特征对输入图像进行初步筛选,筛选出包含有洞库类目标的图像;然后基于洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法Wiblack提取图像中的疑似目标;最后搭建了洞库类目标的数学模型,并提出了基于形状相似度的目标判别算法,采用圆形相似度与椭圆形状相似度二次相似度判别方法,最终得出识别结果并描述目标轮廓,完成目标识别.实验结果表明该方法在洞库类目标的识别应用中有效可行,基于本文实验数据的识别准确度为92.6%.      

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.