摘要：针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析(Multilinear Principal Component Analysis,MPCA)深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。

摘要：针对传统手写汉字识别特征提取过程复杂,识别率低及通用深度学习分类模型判别能力较弱的问题.本文设计了一种多通道交叉融合的深度残差网络模型并对中心损失函数做出了改进.首先,通过对原始数据集进行预处理来降低模型过拟合的风险;然后,将经本文改进后的中心损失函数和Softmax损失函数联合作为模型训练的监督信号,在训练过程中有效的使数据集类内聚合、类间分散,提高了模型的分类性能;最后,将经过预处理的数据集输入到本文设计的模型中,通过多次训练进行参数调整得到最佳识别效果.在CASIAHWDB-V1. 1数据集上的实验表明本文设计的识别模型及算法有效的提高手写汉字的识别率.

摘要：针对传统优化算法(SNPOM)在辨识RBF-ARX模型参数时易陷入局部最优解的问题,将云遗传算法(CGA)和SNPOM算法结合,提出一种混合优化算法CGA-SNPOM。并以某公司900HC可逆冷轧机板形识别为应用背景,设计了基于CGA-SNPOM优化RBF-ARX的板形缺陷识别模型。分别用SNPOM算法和CGA-SNPOM算法对RBF-ARX模型参数进行优化,仿真验证表明,基于CGA-SNPOM优化的板形识别系统克服了SNPOM容易陷入局部极值的缺点,识别精度大幅提高,是一种有效的板形识别方案。

摘要：针对当前煤矿双控系统中存在风险、隐患二者各自独立、不成体系,风险管控手段单一,双控系统缺乏数据融合分析等问题,设计了一种煤矿双控信息系统。系统根据事故致因理论,以风险为核心,打通了风险辨识、措施落实、风险监视、异常分析及预警的风险业务状态链,设计了风险-隐患一体化管控流程。同时,系统集成安全监测、人员定位等系统数据,构建了矿井风险纵向趋势研判模型,使得企业安全管理人员可及时准确掌握煤矿风险发展态势,为发现安全管理过程薄弱环节提供参考。结果表明,系统可提升煤矿安全管理水平,辅助风险防控决策。

摘要：本文在分析煤炭企业物资供应业务管理现状基础上,应用物资采购集中统一的大供应管理模式,以成本控制为核心,融合业务流程重组、客户关系管理、最佳经济订货量等管理思想,优化重组和再造了煤炭企业物资供应业务流程,以现代信息技术为支撑,设计实现了物资供应管理信息系统,对于规范采购过程,加强过程监控,优化仓储配置,降低原煤成本,加强资金周转,提升采购业务的决策水平等方面都具有十分重要的意义。