摘要：针对LBP描述子提取的纹理特征有限且不能有效地描述图像边缘和方向信息的问题,提出了LBP和HOG的分层特征融合的方法.首先利用LBP算子提取图像的分层纹理谱特征,然后利用HOG算子提取原始图像的边缘特征和基于分层LBP特征的分层HOG特征,最后将分层LBP特征分别与2种HOG边缘特征融合,得到2种不同的多层融合特征.通过在ORL,Yale和GT人脸库上进行实验,比较了15种算法的识别性能,结果证明了文中方法的有效性;相对于传统的经典降维算法、单一的LBP特征提取算法和HOG特征提取算法,该方法的识别率有很大的提高,分别达到99%,99.5%和99.14%.

摘要：鉴于农机设备实际运行中的工况具有时变性,提出一种基于分层特征注意力解耦的农机轴承故障诊断算法。利用长短时记忆神经网络改进的Transformer网络作为主干网络,并按照Transformer的Multi-head机制构造农机轴承故障数据的分层特征集;利用交叉注意力机制挖掘不同层特征间的关联关系,强化农机轴承故障特征的表达能力;借助农机轴承故障诊断多标签将混合特征解耦为多个独立的轴承故障特征集,并利用解耦后的特征预测对应的标签,实现待测农机轴承故障类型的诊断。结果表明,所提出的模型可以实现平均96.58%的识别精度,并且可以细粒度地对多种轴承故障进行诊断。

摘要：本文论述了集成环境中轴类零件的分层特征信息模型的基本思想和建立方法。

摘要：为了及时、准确地识别马铃薯叶片病害,有效预防马铃薯早期病变并提高马铃薯的产量和质量,针对传统马铃薯病害叶片识别方法过度依赖标注样本和特征利用不充分的问题,提出一种基于分层特征交叉注意力的小样本马铃薯病害叶片识别方法。首先,利用VGG-16网络的不同编码块,将支持分支和查询分支的马铃薯叶片映射到深度特征空间,并按照不同块的输出构造分层特征集;其次,设计一种交叉注意力网络,实现双分支网络分层特征之间的信息交互,强化特征的表达;最后,利用掩码平均池化获得交互特征的全局信息,并借助无参数的度量学习指导未知马铃薯病害叶片类型的识别。通过在AI Challenger 2018开源数据集、自建小样本马铃薯数据集上进行测试,所提出模型分别可以实现0.973、0.951的识别精度,优于当前主流的马铃薯病害叶片识别模型,具有较好的实际应用价值。

摘要：单桩极限承载力是桩基工程中的一个重要设计参数,根据不完全静载荷试验预测单桩极限承载力具有一定的现实意义。

摘要：通过对三叠系下统夜郎组的岩性、岩相、结构构造、古生物组合和古生态等特征的综合分析,利用区域地质、普查与铁路隧道勘查成果,研究了贵州西北部夜郎组地层的分层特征与岩相古地理。早三叠世,该区处于浅海至滨海,沉积以台地相碳酸盐岩为主,夹少许粘土岩。夜郎组至茅草铺早期,海水略深,沉积物主要为石灰岩,生物主要为瓣鳃类,有较多藻类和少量菊石。茅草铺中晚期,海水变浅,为局限海和泻湖,生物稀少,沉积物以白云岩为主,并有膏盐。从夜郎组岩石组合特征上看,第二段上部约厚20m的淀晶-鲕粒石灰岩成为该层位岩性、厚度稳定的标志层。

摘要：卷积神经网络在单帧图像超分辨率重建任务中取得了巨大成功,但是其重建模型多是基于单链结构,层间联系较弱且不能充分利用网络提取的分层特征。针对这些问题,本文设计了一种多路径递归的网络结构(MRCN)。通过使用多路径结构来加强层之间的联系,实现特征的有效利用并且提取丰富的高频成分,同时使用递归结构降低训练难度。此外,通过引入特征融合的操作使得在重建的过程中可以充分利用各层提取的特征,并且自适应的选择有效特征。在常用的基准测试集上进行了大量实验表明,MRCN比现有的方法在重建效果上具有明显提升。

摘要：由于图像分类标准的可靠性较低,导致在具体的分类阶段,错误分类的情况较为普遍,提出基于深度字典学习的图像分类系统设计研究。结合图像分类的实际计算需求,在硬件构架中设置了3个数字低压差线性稳压器(Low Dropout Regulator,LDO)和旁路调节场效应晶体管(Field Effect Transistor,FET)结构,并将ET200SP的SIMATIC ET 200SP模块作为系统主体构架,从而实现图像分类标准输出模块和字典输出模块的集中控制。在软件运行逻辑的设计上,构建了具有分层特征的学习网络结构,分析得到图像稀疏度字典库,将其作为图像分类的标准,实现对图像的分类处理。测试结果表明,设计系统可以实现对图像的准确分类。

摘要：构造煤是发生煤与瓦斯突出的必要条件。13-1煤层是淮南煤田潘一井田的主采煤层,该煤层构造煤非常发育,通过计算构造煤在煤层中所占的比例和构造煤的厚度;分析构造煤的分层特征,研究该煤层的构造煤发育特征,并初步探讨了构造煤发育特征与瓦斯突出危险性之间的关系。