旋转设备在线健康监控指数研究

利用小波包分解方法对在线监控中收集到的齿轮箱振动信号进行频域划分,并在其划分后的频段上有选择地进行了信号重构。在其基础上提出齿轮在线健康监控指数,可以用来反映齿轮箱整个寿命期间的健康状态。同时,为了实现对齿轮早期故障的预警,提出了一个用来在线检测的动态阈值。通过3套不同的齿轮箱全寿命振动信号数据进行了健康指数和早期预警的验证。实验结果证明,该健康监控指数及其动态阈值可以准确地检测出齿轮早期故障发生的时刻。     

基于OGSA的网格工作负载监测系统研究

为对网络系统进行实时管理并适应其动态变化,需要对其工作负载进行监测,因此提出网格工作负载监测体系结构。该体系结构以端到端的方式对基于OGSA的网格构件的工作负载进行监测,以便进行分类和确立相互关系。通过设计的监测点算法,建立Petri网模型,该模型能自动收集工作单元的数据,为网格用户提供监控数据信息浏览,有利于用户对系统性能进行有效管理。在建立上述体系结构的基础上,提出了未来扩展系统功能方面的思路,以适应网格环境的复杂性,减少通信延迟和通信代价,为用户更好地监测网格系统提供方便。     

大数据挖掘技术在进出口食品农产品安全风险预警中的应用研究

出入境检验检疫机构是进出口食品农产品安全风险的主管部门,其下属检测机构每年检测大量样本,产生大量的检测数据;并定期公布风险预警信息。利用数据挖掘技术,对海量的检测结果数据进行挖掘分析,在国内尚无先例。在进出口食品农产品安全风险预警中应用数据挖掘技术,比传统的数理统计有明显的优势,其挖掘结果及趋势分析对于辅助政府对进出口食品农产品安全的管理与决策,是具有实际意义的。     

基于Hough变换的低分辨率雷达目标识别

针对低分辨率雷达目标的识别问题,提出了一种基于Hough变换的特征提取方法.通过对Hough变换后参数空间进行特征定义来描述参数空间灰度图像的纹理分布特点,进而描述图像空间目标的形状特征.文中利用该方法结合径向基函数神经网络对低分辨率雷达船只目标轮廓像进行特征提取并识别,取得了较高的识别率.     

数据降维与K-均值聚类的质量评估

聚类分析在大数据时代应用广泛,但缺乏直观评价聚类质量的有效方法。为此,提出一种具有数据降维和搜寻数据固有聚类数量的处理模式。在数据散射矩阵基础上构造一个增广矩阵,利用线性辨别分析将高维数据变换到最具辨别性的低维特征子空间以实现数据降维。为解决分区聚类算法的随机初始化问题,提出最小-最大规则,避免出现空聚类并确保数据的可分性。对于聚类的结果,计算每个聚类的轮廓系数,通过比较轮廓的尺寸以评价不同聚类数量情况下的聚类质量。对K-均值算法的仿真结果说明,这种处理模式不仅能够可视化确定未知数据所固有的聚类数量,而且能为高维数据提供有效的分析方法。     

基于模式识别的校园网入侵检测系统应用研究

作为开放网络的组成部分,校园网络的安全是不可忽视的.入侵检测属于动态安全技术,它能够主动检测网络的易受攻击点.相对于传统的入侵检测技术来说,采用模式识别的入侵检测具有检测准确度高以及能识别大量新型攻击的优点.利用相似度对网络连接数据的属性特征进行选择,抽取其关键特征,以优化朴素贝叶斯的分类性能.利用VC6.0,设计实现入侵检测的原型系统,经测试,该系统性能良好.     

试论国有企业监控机制的国际比较与借鉴

当今世界上的一些国家如英国、法国、日本、以色列等国都拥有大量的国有企业。这些国家采取了许多措施对国有企业进行监控 ,事实证明 ,这些国家对国有企业采取的措施是有效的。我国国有企业整体上是好的 ,但是 ,部分企业还存在着国有资产大量流失 ,会计数据失真等问题 ,缺乏对国有企业进行有效的监控是其主要原因。本文在比较分析典型国家如何进行监控的基础上 ,总结出国外对国企进行监控的三点主要措施 ,即财务稽查监控、任命监控、间接监控 ,并结合我国国有企业实际情况阐述了作者的一些观点     

基于模糊卷积神经网络的大数据分类挖掘技术

关联规则约束下云服务组合大数据挖掘容易出现邻阶干扰,数据挖掘的聚类性和抗干扰性不佳。为提高云服务组合大数据挖掘能力,提出一种基于模糊卷积神经网络的大数据分类挖掘技术。采用连续模板匹配技术进行大数据的分布式数据结构分析,结合匹配相关检测方法进行云服务组合大数据的信息融合处理,对高维融合数据进行频繁项检测和关联规则特征提取;对提取的云服务组合大数据的关联规则采用模糊卷积神经网络分类器进行属性分类,结合特征压缩方法对分类输出的云服务组合大数据进行降维处理;采用模糊聚类方法实现对云服务组合大数据的分类挖掘。仿真结果表明:采用该方法进行云服务组合大数据挖掘的聚类性能较好,在挖掘精度和抗干扰性能表现方面具有优势。     

基于超分辨率模型与YOLO V4的织物疵点检测

针对工业条件限制下采集的印花布数据集图像分辨率低、检测效果差等问题，课题组提出基于超分辨率模型SRGAN与YOLO V4网络的织物疵点检测方法，并对SRGAN算法进行改进。课题组首先使用改进的SRGAN算法对原数据集进行超分辨率重构，提高图像分辨率；然后将重构图翻转变化与原图共同作为数据集输入YOLO V4进行网络训练；最后通过YOLO V4网络检测印花布表面疵点。实验结果表明：该方法可提高低分辨率织物图疵点检测效果，准确率高达90.29%，比超分辨率重构前提升了13.19%，能实现实时定位疵点的准确位置并输出疵点类别。     

基于图元的总图信息管理系统

基于图元的总图信息管理系统主要利用AutoCAD的图形处理功能实现对建构筑物、管线、道路和铁路等空间几何信息的管理，利用扩充实体技术完成总图属性信息的管理，实现了空间信息与属性信息的有机结合，基于ObjectARX技术开发的这套总图信息管理系统可以完成总图数据输入、总图生成、总图编辑和管理，用户可在计算机屏幕上得到总图管理所需的各类图形及其数据，并可在图形中直接查询到工程图纸上无法表达的与图形有关的大量文字与数据信息，实现了总图信息管理的现代化，该系统运行几年来表明是成功的、可行的，该方法为大量的图纸资料的管理提供了一种新的技术手段。     

基于 ACO-LS-SVM 的漏磁信号二维轮廓重构

漏磁检测技术被广泛应用于铁磁材料的无损评估中, 由漏磁信号描述缺陷的几何特征一直是漏磁检测的难点。为此提出应用 LS-SVM 对缺陷轮廓进行重构的新方法, 利用蚁群算法优化 LS-SVM 及核函数的参数, 并采用剪枝算法改善 LS-SVM 的稀疏性。支持向量机输入采用漏磁信号 Bx、By分量的特征融合信号, 输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。实现了人工裂纹缺陷二维轮廓的重构, 并与 BP 神经网络、GA-LS-SVM 和 PSO-LS-SVM 等 3 种方法重构效果进行了比较。结果表明： 该方法速度快、 精度高, 并有很好的泛化能力, 为漏磁检测定量化提供了一种可行的方法。     

异构集群中非结构化大数据检测方法

传统的非结构化大数据检测方法只分析数据的统计特征、缺少对其中模糊闭频繁项集特征的识别,易出现监测结果不理想的问题。为了提高对异构集群中非结构化大数据的检索识别能力,提出一种基于模糊闭频繁项集特征挖掘的异构集群中非结构化大数据检测方法。分析异构集群中非结构化大数据的统计特征信息,并采用大数据信息融合方法对其进行状态监测和特征识别,从中提取非结构化大数据的模糊闭频繁项集特征量;利用支持向量机模型对非结构化大数据检测进行分类处理,根据不同大数据的分类属性进行自动检测识别,提高对异构集群中非结构化大数据检测的准确率和监测过程抗干扰能力。实验结果表明:采用该方法对异构集群中非结构化大数据检测的准确性和检测精度较高,具有很强的应用优势。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

扩展Haar特征检测人眼的方法

人眼检测在人脸识别中起着非常重要的作用,其检测的准确性可以有效地提高人脸识别率。该文扩展了一种Haar特征,并基于该特征运用Adaboost算法对人眼进行准确检测。首先基于扩展的Haar特征运用Adaboost算法检测到眼睛和眉毛的粗轮廓,然后将粗轮廓的灰度图像制成模板,最后与眼睛和眉毛非常相似的图像样本进行匹配,从而准确检测到人眼。该方法有效地避免该由于眼睛和眉毛非常相似而引起的误判。     

基于改进LK光流法的车流量检测

为了实现基于交通监控视频的车辆检测,提出了一种基于LK光流法与分水岭算法相结合的车辆检测方法,利用LK光流法生成车辆光流数据,对光流数据进行处理生成车辆前景图像,对前景中产生的车辆粘连的情况采用改进分水岭算法完成分割.实验结果表明,该方法一定程度上避免了LK光流法因车辆粘连而造成的误判断情况,较现有方法有所提升,有较好的识别效果.     

一种基于非线性独立元分析(NICA)的化工过程监控方法

针对实际工业过程数据中的非线性问题,研究了一种基于非线性独立元分析的多变量过程监控方法。该方法根据贝叶斯原理,构造多层感知器网络恢复过程数据,并以此建立过程的数学统计模型,对其进行实时监控。在大型工业设备仿真器TE上的应用表明了该方法的有效性,同时,在故障诊断方面也体现出了一定的优越性。     

改进最优聚类中心雷达目标识别法

最优聚类中心法是一种有效的雷达目标一维距离像识别方法,但当训练数据较少时,该方法的识别性能急剧下降。其原因是该算法在利用少量数据进行训练时易产生“病态”矩阵,“病态”矩阵直接参与运算,导致错误识别结果。因此,该文提出了一种改进最优聚类中心法,主要思想是把“病态”矩阵进行“良态”化处理后再参与运算,以得到正确的识别结果,从而使该算法在训练数据较少时仍能保持较高识别率。仿真实验结果表明该方法的有效性。     

基于LoRa和地磁传感器的智能停车系统

针对现有停车系统管理落后和效率低下的问题,提出了一种基于LoRa和地磁传感器的停车系统的完整物联网设计方案。该系统使用地磁传感器实时检测停车位的状态,利用LoRa扩频技术实现状态信息的传输;在LCD上显示停车位实时信息;所有信息通过网关上传到云服务器存储,上层应用软件可以使用该数据接口实现车位预定、导航、缴费等功能。实验结果表明:系统能在0.3 m内精确判断停车位状态,在1 km内可以达到0%的丢包率。该系统可以精确记录车辆停放时间,提供停车位实时状态发布,为司机提供高效的停车服务,对城市交通的改善具有重要意义。     

服饰图案的机器视觉自动寻边切割技术

设计了光学系统、机器视觉系统,与激光裁剪机本体构成服饰图案的机器视觉自动寻边切割系统。主要研究了利用数字图像处理技术,采用滤波、边缘检测和边缘跟踪等数字图像处理算法,对摄取的图像进行处理,有效地提取前景与背景区分明显且轮廓连续的图案待切割目标的边缘信息,并对边缘信息进行矢量化处理,进而控制SPIN1006激光裁剪机,对被切割物体进行精确激光切割。该技术实现了对异形满版服饰图案的自动寻边切割。     

数字时代隐私和监控的双重困境： 组织传播在Web 2.0时代下的思考

Web 2.0时代的各类信息技术给隐私与监控这两个互相竞争与依存的概念带来了挑战。了解这些挑战必须首先从历史的角度理解这两个概念在东西方的不同解读。其次，随着各类信息技术的发展，现代组织对其成员的监控行为渗透到各个方面，从而导致在工作场所中这两个概念的矛盾日益加深，这一现象值得深入研究。已有相关理论文献及数据报告显示：在数字时代，组织监控的概念需要被重新审视，因为传统意义上的垂直监视呈逐渐扁平化的水平模式；在组织中，个人隐私权这一概念需要被重新定义；组织通过Web 2.0应用获得雇员信息的权利以及利用这些信息的权利应该被定义和规范。最后，已有的实证研究及现实案例表明，未来该话题的研究需跳脱表像描述模式，而更偏向概念理论研究以及对策探讨。