将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

基于对已有三维人耳重建工作和形变模型理论的研究,充分结合人耳自身的结构特征,提出了一种新的三维人耳重建方法——基于人耳形变模型的方法.首先使用中垂线法完成了外耳轮廓特征点的定位;提出分级三角网格法,解决了样本耳基于生理特征的稠密对应问题;再借鉴广义普鲁克分析的思想,在三维空间内实现了精确全自动的三维人耳形状对齐;最后训练得到了三维人耳形变模型.所提方法只需一幅二维图像,即可获得足够稠密的三维人耳模型.在UND三维人耳数据库和USTB三维重建人耳数据库上的大量实验证明所提方法的有效性和优越性

在22种土壤腐蚀性因素的聚类分析的基础上,通过对单个因素分类能力的特征评价,从同类中选取关键性因素,进而在特征空间中进行有关样本的土壤腐蚀性预测和考评,为今后土壤腐蚀性研究中主要因素的选取和等级评判提供一定的依据

采用光学检测法对高温铸坯进行表面裂纹在线检测,将高亮度绿色激光线光源照射到铸坯表面,利用激光的单色性在摄像机镜头前加装窄带滤色镜去除高温铸坯表面辐射光的影响,从而提高图像的对比度.通过非抽样小波对铸坯表面图像进行分解,计算分解后得到的低频分量和原始图像的尺度共生矩阵,以及高频分量的灰度共生矩阵,作为图像的纹理特征,并输入基于AdaBoosting算法的分类器进行分类.利用该方法对表面裂纹、水痕、渣痕、氧化铁皮和振痕等五种缺陷和伪缺陷样本进行识别,表面裂纹的识别率达86.75%,总体识别率达87.16%

采用反向传播网络作为推理机,构造了高炉异常炉况判断专家系统,该系统具有良好的自学习功能和联想记忆功能.系统采用离线学习方式,在线运行时,可将高炉操作实绩存入知识库,作为进一步学习的样本,从而提高了系统精度和联想能力

采用恒应变速率凸轮塑性计,对生产现场所采集的9个碳钢的实体样本进行压缩试验,测定了热轧条件下的流动应力。选用了7种不同结构型式的流动应力数学模型,对试验数据做了回归分析,得到了较全面反映碳钢中主要化学元素和诸变形条件对流动应力影响的数学模型,此模型的结构优于现有模型,已用于生产的在线控制,效果良好

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性

针对材料在自然土壤环境中的腐蚀预测问题,提出应用多层线性模型对材料的腐蚀规律进行研究.多层线性模型是分析具有层次结构数据的新型统计技术,对于地区间土壤腐蚀规律的差异性特点和单地区实验观测样本不足的问题,可以为不同的区域分别建立腐蚀率模型,使模型假设与实际更为吻合.以碳钢在土壤中的腐蚀数据为研究对象,建立了腐蚀率的多层线性模型.实验验证了该模型可以准确地拟合和预测碳钢在土壤的腐蚀率变化,优于指数平滑算法和差分自回归移动平均算法

为了解决传统的图像识别算法无法准确识别铸坯表面缺陷的问题,提出一种考虑图像相邻像素影响的改进的多块局部二进制算法(MB-LBP).该算法将原始图像分成多个小区域,每个小区域再做等分,并计算平均灰度值,再运用局部二进制模式算法进行计算.对现场采集到的连铸坯表面裂纹、划伤、压痕、凹坑和无缺陷共五类1697个样本进行实验,整体识别率达到94.9%,而传统局部二进制模式算法的识别率为89.1%,说明本文算法具有更好的鲁棒性和抗噪能力

以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础