防护工程设计质量评价方法研究

防护工程设计质量不仅对建设成本、而且对工程的平时维护成本、以及战时任务的完成都有重要影响.本文通过对防护工程设计质量概念、影响因素的分析,提出了对防护工程设计质量进行评价的方法和思路.     

基于尺度空间相关的SAR图像NeighShrink滤波算法

为有效滤除相干斑噪声和保持图像的结构信息,该文提出了基于尺度空间相关的SAR图像NeighShrink滤波算法。首先,利用所提出的单选择可调参数的尺度空间相关法,检测对数SAR图像经平稳小波变换所得细节子带中分别与噪声相关及与结构信息相关的小波系数。然后,对与噪声相关的小波系数,直接采用NeighShrink算法以获得较好的平滑效果;而对于与结构信息相关的小波系数,则提出加权的NeighShrink算法来达到结构信息保持的目的。仿真实验验证了该文算法的有效性。     

考虑端元差异性的协同稀疏高光谱解混算法

因现有的高光谱协同稀疏解混模型忽略了不同像元所包含端元的差异性,影响到丰度估计的准确性。该文提出一种先对具有相同端元的像元进行无监督聚类的预处理,然后对预处理后的不同类高光谱像元进行协同稀疏解混算法。在无监督聚类过程中,由于具有相同原子集合的像元之间的协同稀疏编码值最小,将重构误差与协同稀疏编码约束之和作为距离测度,从而有效保证了同类像元中具有相同端元;再利用基于ADMM的优化算法对每类像元分别进行协同稀疏解混。仿真和实际高光谱数据实验结果表明,该算法能有效地进行真实端元识别,从而提高了丰度估计的准确性。     

基于数据驱动和统计扩散的树冠提取方法

遥感图像在森林管理中有重要的作用,随着数据量的增加和分辨率的提高,从图像中提取树冠参数成为需要和可能。该文根据树冠的特征,使用标记点过程对树冠建模,采用可逆马尔科夫链蒙特卡罗算法(MCMC)配合模拟退火算法提取树冠的参数,提出新数据项以使其更好适应图像;提出数据驱动的生灭核,同时提出使用随机扩散方法代替非跳转转移核加快算法收敛速度并简化了该方法的实现。最后通过对遥感图像的实验验证了该方法的有效性。     

基于SOM的无线通信话务量最优加权组合预测

针对单个预测模型难以准确刻画无线通信话务量的演变规律,并考虑数据自身的多样性,提出了基于自组织映射（Self-Organizing Maps,SOM）神经网络的无线通信话务量最优加权组合预测方法。该方法利用SOM神经网络对话务量数据进行自动聚类,并对聚类后的每类数据,分别确定相应最优加权组合预测的权重,进而获得相应的预测值。实验结果表明,所提出方法不仅能提高话务量预测的精度,还能增强预测系统的稳定性。     

构造作用对重庆及邻区龙马溪组页岩储集空间特征的影响

重庆及邻区龙马溪组黑色页岩有机质含量高,处于高-过成熟度阶段。在不同构造位置的页岩剖面采集样品并进行了相关地球化学和矿物组成分析,通过孔隙度及氮气吸附解吸实验研究页岩的储集空间特征。结果表明页岩储集空间主要受构造作用控制,同断层发育的部位相比,构造相对稳定的良村剖面及漆辽剖面具有明显偏高的孔隙度及1.7～300nm孔体积。脆性矿物含量越高,绿泥石含量越低,越有利于储集空间的保存,有机质丰度与储集空间的关系不明显。页岩BET比表面积及t-Plot微孔比表面积与有机质丰度呈明显的正相关关系,与绿泥石含量呈明显的负相关关系,说明有机质孔对比表面积的贡献最大,绿泥石对孔隙有明显的封堵作用。构造作用对页岩比表面积的影响不明显。     

浅谈老挝洪沙项目线路保护双重化配置

正继电保护是电力系统的重要组成部分,电力系统中所有的线路及母线等电力设备都不允许在无继电保护状态下运行,所配置的继电保护应满足可靠性、选择性、灵敏性及速动性的要求。输电线路作为电力的枢纽,肩负着更重要的责任,所以输电线路的继电保护又显得尤为重要。目前,国内关于220 kV及以上系统继电保护配置中要求双重化配置,但对于双重化配置是否为不同保护原理没有明确说明。本文根据老挝洪沙项目配置的双套独立的、不同原理的、不同品牌的线路保护装置,浅谈国内线路双重化保护配置的现状。1项目介绍及方案配置     

基于空间加权协同稀疏的高光谱解混算法研究

针对传统稀疏解混算法因空间信息利用不足带来的丰度图像空间分布连续性差的问题,本文提出了一种基于空间加权协同稀疏的解混方法.该方法利用协同稀疏正则项刻画丰度系数的行稀疏性;同时,在协同稀疏框架下,引入空间加权因子挖掘高光谱图像邻域像元间的空间相关性.本模型采用交替方向乘子法求解,通过交替迭代,对空间权重和丰度系数进行优化.模拟和真实高光谱数据实验结果表明本文方法能够比现有同类方法获得更精确的解混结果.     

一种用于构建用户画像的二级融合算法框架

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作是给用户贴“标签”。基于用户的查询词历史记录,提出一种用于预测用户多维标签的二级融合算法框架。在第一级模型中,分别在各个标签预测子任务上建立多种模型,使用传统机器学习方法与Trigram特征相结合来抽取用户用词习惯的差异,使用doc2vec浅层神经网络模型来抽取查询词的语义关联信息,使用卷积神经网络模型来抽取查询词之间的深层语义关联信息。实验表明,doc2vec在处理用户查询这样的短文本相关任务时有着相对较好的预测准确性。在第二级模型中,针对用户画像这样的多标签预测任务,使用XGBTree模型及Stacking多模型相融合的方法提取出用户各标签属性之间的关联信息,使得平均预测准确率进一步提高了2%左右。在2016年中国计算机学会(CCF)组织的大数据竞赛《大数据精准营销中搜狗用户画像挖掘》中,所提二级融合算法框架在894支队伍中夺得了冠军。