摘要：非结构化场景在特种行业中作用十分关键,保证其内表面健康检测对装置的安全运行至关重要。但其内表面景深跨度大,极易引起常规相机成像时的景深不足或景深误匹配,致使聚焦模糊,影响表面缺陷检测效果。因此,本文提出了基于极值搜索算法的聚焦跟踪曲线快速构造法,并实现了相机的快速高清成像。首先,建立了聚焦跟踪曲线的基本构造方法;其次,提出了极值搜索算法,简化曲线构造过程;最后,设计基于A/B标定板的单/多聚焦跟踪曲线构造方式,并分析其对成像清晰度的影响。结果表明,本算法在准确聚焦的同时,有效减少了图像采集次数且将聚焦速度提高了34.8%。基于多聚焦跟踪曲线的全景深成像,其图像客观评价指标均值提高了10.35%。可实现100~1 000 mm景深跨度下0.5 mm裂纹的清晰分辨。因此,该方法能为常规相机的非结构化场景中高清全景深成像提供解决方案。

摘要：利用ABAQUS有限元软件对激光冲击波加载E690高强钢表面应变及应力变化过程进行仿真,分析了在不同冲击波压力下塑性形变与应力云图的关系,建立了激光冲击E690高强钢表面应变预测模型,并设计试验验证了该模型的准确性。结果表明,激光冲击下E690高强钢的动态响应遵循Hugoniot弹性极限公式,激光脉冲诱导的冲击波在E690高强钢表面引起的塑性形变与其表面的残余压应力成正相关,试验结果与仿真结果具有较好的一致性。

摘要：1电力变压器铁心柱截面优化方案电力变压器已广泛应用于工农业生产中，在设计中很重要的一个环节就是铁心柱的截面设计。为了充分利用圆形绕组内空间，心式铁心柱截面常采用多级阶梯形结构，如图1所示，截面在圆内是轴向对称的。

摘要：眼底图像中视网膜血管的健康状况对早期诊断各种眼科疾病及糖尿病心脑血管疾病等具有重要意义,然而视网膜血管结构细微、边界模糊且分布不规则,对其进行准确分割存在较大的难度.针对视网膜血管的这些特征,提出一种粗糙通道注意力残差U型网——粗糙通道注意力残差U型网络(RCARUNet).该网络首先引入粗糙集理论中上下近似概念设计粗糙神经元;接着基于粗糙神经元构建粗糙通道注意力模块,该模块在U-Net跳跃连接中采用全局最大池化和全局平均池化构造上下近似神经元,并进行神经元间的加权求和,对所建立的通道依赖关系进行合理的粗糙化,该依赖关系不仅包含全局信息,同时具有局部特性,可有效实现对所提取视网膜血管特征的准确重标定;然后添加残差连接,将特征直接从低层传递给高层,有助于解决网络性能退化问题,并有效提取更加丰富的视网膜血管特征;最后为了验证所提视网膜分割网络的有效性,在3个眼底视网膜公开图像数据集上与U-Net,Attention U-Net等传统网络模型进行对比实验,实验结果表明,所提视网膜分割网络在血管分割准确率、灵敏度和相似度等方面具有较高的优越性.

摘要：传统增量算法主要侧重于从更新近似的角度进行属性约简,但在处理大规模数据集时需要评估所有属性并反复计算重要度,提升时间复杂度,降低效率。针对上述问题,文中提出基于属性树的并行化增量加速策略,关键步骤是将所有属性聚类成多棵属性树进行并行化动态属性评估。首先,根据属性树相关性度量选择合适的属性树进行属性评估,降低时间复杂度。再增加分支系数至停止准则中,随着分支深度的增加进行动态增加,可使算法在达到最大阈值后自主跳出循环,有效避免原先的冗余计算,提高效率。基于上述策略,提出基于属性树的增量属性约简算法,同时与Spark并行机制结合,设计基于属性树的并行化增量式动态属性约简算法。在多个数据集上的广泛实验表明,文中算法在保持分类性能的同时,可提高动态变化数据集约简的搜索效率,具有较好的性能优势。

摘要：随着数据量的爆炸式增长,传统属性约简算法在处理海量数据时效率低下,评价指标单一且容易陷入局部最优,导致属性子集质量不高.为解决这些问题,本文设计一种适用于大数据场景的高效属性约简算法.首先,本文引入了粗糙超立方体方法的3个评价指标用于量化属性之间的关系,对所有待选属性进行综合评估,通过综合考虑这些评价指标得到更为紧凑、更具辨别力的属性子集.其次,本文针对传统启发式搜索策略效率低、容易陷入局部最优的缺点,对二进制灰狼算法进行改进,引入信息素矩阵来引导搜索过程,从而增强算法的搜索能力.信息素矩阵能够提供属性子集的全局信息,帮助算法更好地搜索解空间,从而避免陷入局部最优解.实验表明,本文算法可有效扩展到大规模数据集,在不同数据集的分类任务下取得了显著的性能提升,展现出较强的适应性.