摘要：为解决目前立体匹配模型中随机不确定性的量化未充分利用训练数据而导致视差估计性能提升受限的问题,在ACV-Net模型基础上提出一种随机不确定性融合标签分布学习的立体匹配模型,记为ACV-Net-AL。利用ACV-Net模型提取特征,形成随机不确定性空间和视差空间;对随机不确定性空间采用高斯分布的概率密度函数进行量化随机不确定性;融合随机不确定性和标签视差值形成正态的动态视差分布,监督视差值的预测。在KITTI数据集上的实验结果表明,相较于ACV-Net,所提模型的视差值异常点的比例下降了1.99%,在表征预测置信度的同时显著提高视差估计性能。

摘要：通过对涡轮多学科优化的分析,讨论了多学科优化中的气动设计技术.提出了基于叶栅特征参数和贝塞尔函数的二维叶栅参数化造型方法,并结合积叠轴的掠、弯形成三维复杂几何叶片成型技术.通过对气动优化过程中的数学模型分析,给出了一般要求的约束条件,并根据不同阶段的气动设计和约束条件提出了分阶段嵌套优化方法.针对三维气动计算,对商用软件CFX进行了二次开发,实现了三维计算的自动分网、建模、求解和后处理.最后,结合具体算例完成的优化设计结果表明,其涡轮效率提高了约2.3%,工作叶片数减少13.21%,叶片叶身总质量下降8.96%.

摘要：低展弦比涡轮导叶的外端壁收缩与单向正倾斜组合设计是既可减小两端二次流损失又可以满足冲击冷却叶片叶身需平直要求的技术措施。本文简要阐述了组合设计可减小二次流损失的力学机制、流场特征及三维流场设计分析的评价准则。通过三维流场计算 ,详细分析了诸如单向倾斜角度、子午面外端壁轮廓收缩起点、内外曲率半径等主要特征参数对流场品质的影响。给出了组合设计的方法与步骤及评价流场的定性准则。该组合设计方法对低展弦比高温涡轮导向叶片的成功设计具有指导意义。

摘要：为了提高铁路扣件检测的识别率和鲁棒性,以及扣件图像PHOG特征的有效性,提出了简单有效的枕肩定位算法,该算法首先在提取PHOG特征前,根据枕肩、扣件和背景间的位置关系去除冗余背景信息;然后,模拟人眼视觉注意机制,设计MSLBP特征采样方式,提取扣件图像的宏观纹理特征;最后,采用分层次加权融合的方法联立两类特征,并采用SVM分类器进行扣件分类识别,提出一种基于计算机视觉和PHOG-MSLBP融合特征的缺陷识别算法.将该算法应用于实验,结果表明:与使用PHOG、MSLBP单一特征相比,基于PHOG-MSLBP融合特征检测算法的平均识别率分别提高了6.3%、4.5%,且鲁棒性更强,可满足扣件缺陷自动化检测的需要.

摘要：针对扣件状态检测算法适应性弱、误检率高的问题,通过平滑样本标签缓解卷积神经网络训练的过拟合问题,提出基于层次语义多项式DS融合的扣件状态分布学习。首先,以弱监督方式将图像子块卷积特征描述为高斯混合模型,通过高斯混合模型计算样本语义多项式(semantic multinomial, SMN);然后,为提高SMN对扣件样本的描述能力,对来自不同层次特征的SMN进行DS融合,获得样本状态分布,分布反映了不同标签的描述程度,实现了对单一标签的平滑。实验结果表明,将单一标签替换为状态分布进行网络训练,缩小了训练精度和验证精度的差距,误检率为1.9%,漏检率为2.3%,误检率相比于传统单标签网络降低了54%。所提算法能够缓解过拟合现象,提高网络泛化性能,实现鲁棒性的扣件状态检测。

摘要：针对潜在狄利克雷分布(LDA)模型忽略特征单词明确性的问题,提出一种嵌入标记信息的主题模型WL_LDA。设计一种基于SIFT特征点约束单方向LBP图像的方法。运用该方法获取图像的纹理结构,对视觉单词进行标记。将标记信息嵌入到LDA中,利用单词和标记的二维直方图推导图像的主题分布。通过运用该主题分布训练分类器,完成铁路扣件的状态检测。实验结果表明,与LDA主题模型相比,各扣件在主题空间中的区分度增加4.5%~15%,与现有PCA、DF等方法相比,漏检率和误检率明显降低,具有较好的分类性能。

摘要：针对铆钉表面缺陷纹理形态复杂多变,传统纹理特征提取方法难以获取准确纹理信息、铆钉缺陷识别率较低的问题,提出一种自适应阈值抗噪LBP的铆钉表面缺陷检测算法AT_NRLBP。首先,将铆钉图像均匀分块后提取铆钉子块;然后,基于PCA分解铆钉子块的协方差矩阵,估计子块图像的噪声水平。根据图像噪声强度计算NRLBP阈值,编码铆钉子块得到NRLBP纹理特征。最后,训练SVM单分类器分类铆钉子块,检测并标记出缺陷子块。实验结果表明,这里算法能有效地检测出铆钉表面缺陷,误检率明显降低;与其他纹理分类算法相比,这里算法在KTH-TIPS数据集上的分类准确率较高。

摘要：基于OBE(成果导向教育)理念,文章对高校计算机公共课程在混合式教学模式中的实施问题提出了教学改革策略。通过分析现有教学模式中教学目标模糊、理论与实践脱节等关键问题,设计了翻转课堂与任务驱动教学法的改革路径,并结合线上线下资源进行了优化。以沈阳师范大学“计算机网络技术”课程为例,展示了具体的实践应用与个性化教学调整的成效。研究结果表明,混合式教学改革显著提高了学生的学习效果和实践能力。此外,文章指出了该模式在资源整合和学生自主学习方面面临的挑战,并为未来的改进方向提供了建议。

摘要：为有效解决传统火灾监测器误报率高的问题,提出一种结合模糊神经网络(FNN)模型和温度时序模型(TSM)的火灾预警算法,即FNN-TSM,其研究对象包括综合管廊中的3个火灾特征参数:温度,烟雾浓度和一氧化碳浓度。建立FNN模型,获得每个数据点的孤立火灾概率;建立TSM以探测特征参数的变化率,获得每个数据点的时序火灾概率;采用复合火灾决策方法,获得最终的火灾概率。实验结果表明,该算法比其它算法具有更高的火灾预警准确率和实时性。

摘要：高铁扣件的检测对于保障铁路的正常运行起着十分重要的作用。针对高铁扣件定位精度不足以及传统定位算法无法定位道岔处扣件的问题,设计一种改进的SSD(single shot detector)深度学习扣件定位算法,即Improved_SSD。首先采用ResNet101更换经典SSD深度学习模型中的VGG16,增加网络深度的同时提高特征的抓取能力;然后利用膨胀卷积扩大网络的感受野,以不增加模型额外结构的方式提高模型的鲁棒性;最后提出一种非极大加权抑制方法,进一步提高扣件的定位精度。实验结果表明:与经典SSD算法相比,本文算法对扣件定位的召回率和精度分别提高了3.4%和4.7%;与其他几种扣件定位算法相比,本文算法不仅提高了对普通轨道扣件的定位精度,而且解决了传统定位算法无法定位道岔处扣件的问题。