基于视觉辐条图案识别方法的蓝宝石引晶机制研究

工业生产蓝宝石晶体过程中,引晶步骤有着至关重要的地位。引晶必须在温度梯度较小,温度分布趋于稳定的条件下进行。目前,工业生产蓝宝石主要依靠人工经验操控籽晶杆实现引晶操作,但是人工引晶操作的准确性不高会导致成品品质不佳、资源浪费。为此,本文提出一种基于蓝宝石视觉辐条图案识别方法来检测蓝宝石熔体状态自由液面状态,从而实现一种高效率引晶的机制。此方法利用经典骨架化算法细化辐条图案,Harris算子实现特征信息的提取,提取的特征信息放入运动轨迹模型中判断熔体稳定性,分析液面温度分布稳定性从而实现引晶。结果表明,此算法具有有效性,蓝宝石晶体引晶效率大大提高,生产出的成品良率也有提升,可有效指导蓝宝石的工业生产。     

明代生命损失型地震的时空分布特征及成因分析

利用史料记录建立了明代生命损失型地震的数据库，构建生命损失型地震等级序列、10 a尺度上生命损失型地震的频次序列和县次序列，再现明代生命损失型地震的时空分布特征，探讨了生命损失型地震发生及导致人口死亡的时空差异原因。结果表明：（1）从明初到明末，生命损失型地震等级强度有逐渐扩大的趋势。（2）明代前期处于生命损失型地震发生较少的稳定时期；明代中后期处于生命损失型地震发生较多的波动时期。明代生命损失型地震发生频次存在明显的周期性变化特征。（3）生命损失型地震在明代大部分区域皆有分布。灾害重心随时间变化发生移动，由西南到中部再到华北、华东。（4）明代地震频繁的原因除地球本身因素外，太阳活动通过影响气候变化，进而间接影响地壳活动。气候寒冷与干旱和地震有较好的对应关系。明代后期生命损失型地震导致死亡人数大量增加，与明代经济发展，人口密度逐渐增长有关；不同地区生命损失型地震导致的死亡人数不同，且死亡人数与地震频发地区是否处于板块之间的活动构造带和人口分布密度有关。     

LAMOST光谱J152238.11+333136.1 P-Cygni轮廓分析

LAMOST一期巡天成功获取河外星系光谱超过150 000条,大样本光谱数据为探索奇异、稀有的天体从而完善现有的天体演化理论提供了必要的数据条件;而先进的信息技术为从海量的数据中挖掘这些珍稀样本提供了有效途径。针对采用基于DoPS的数据挖掘方法,从LAMOST DR5星系光谱数据获得的离群数据挖掘结果中,呈现出疑似P-Cygni轮廓特征的光谱J152238.11+333136.1进行了深入讨论。首先针对该光谱的基本信息、疑似P-Cygni轮廓特征以及相应的离群数据挖掘方法进行了简要表述,光谱在Hβ和[OⅢ]λ4860处呈现P-Cygni轮廓,在NeⅢλ3869和HeⅠλ5874处呈现反P-Cygni轮廓;其次,对该特征的真实性及其生成机制从以下4个角度展开讨论。(1)交叉同源观测。Sloan巡天2004年(相差11年)的同源观测,其光谱上并未呈现对应的特征,据推测可能是正在进行的演化活动或者光纤定位误差所致;(2)通过分析光谱质量、减天光残差等方法,分析P-Cygni特征是否为观测或数据处理所致。NeⅢλ3869和HeⅠλ5874处呈现反P-Cygni轮廓可信度较低;同时,通过比较目标光谱与超级天光,以及相邻光纤观测到的光谱在对应波长处的光谱特征,说明存在P-Cygni轮廓为减天光过程导致的可能性;(3)光谱子型差异。IRAS和WISE等近红外同源观测,显示其为Seyfert 2型星系,光学波段发射线强比[NⅡ]/Hα,[OⅢ]/Hβ显示其为HⅡ区,结合光学、红外测光图像特征,推测目标可能是两个星系进行并合活动;(4)从导致P-Cygni轮廓的物理机制的角度,分析了由星系并合触发外流、由恒星形成(爆发)电离气体触发的外流以及由Wolf-Rayet特征星系的超星风等原因引起的可能性。     

基于改进MP-WVD算法的核电厂建设爆破振动信号处理方法

针对爆破施工产生的振动问题，结合现有信号分析方法优缺点，引入MP-WVD组合算法解决信号分析过程中交叉项干扰问题，可提高时频分辨率，满足精确提取核电爆破振动响应信号时频分布特征的需求；将HHT算法引入MP算法数据的预处理，成功降低了MP算法运算复杂度，可为大数据量分析奠定基础。运用该算法对漳州核电一期工程场地平整土石方爆破工程振动监测信号进行分析，精确提取了爆破振动信号的时频特征。     

利用少量样本集成吸毒人员预测模型的方法

为了从"潜在"吸毒人员中准确的锁定嫌疑个体,首先甄选样本并利用改进的特征缩放方法得到组合升维的基本样本集,然后对正样本进行过采样、负样本进行样本分片,修正了正、负样本集的不均衡性,最后利用神经网络集成预测吸毒人员的模型,由正负样本集进行训练和验证,提出了基于查准率、准确率、召回率的"三率判断法"的评估模型并进行模拟验证,给出了相关政策建议.     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

基采用时频区域检测的雷达信号盲分选算法

为了解决欠定条件下密集雷达信号分选问题,提高雷达信号盲分选算法精度,提出了一种采用时频区域检测的雷达信号盲分选算法,首先利用短时傅立叶变换将混合信号映射至时频平面进行处理,然后通过聚类算法估计出混合矩阵,从而反解出源信号矩阵,进而估计出每一雷达源信号,能够在信号的时频平面投影相交且欠定的条件下,实现信号分选功能.仿真实验结果表明:提出的算法相比于传统的类MUSIC算法及其衍生的相关改进算法具有更高的分选精度和算法收敛性,且估计得到的源信号时域波形更优,体现了其有效性和优越性.