岩块体崩塌破坏的突发性使其成为最难预防的地质灾害，严重威胁人类的生命财产安全.边坡岩块体崩塌破坏多是系统不稳定导致的动力破坏，而用振动特征参数来进行安全监测和损伤评价更为有效.本文应用激光多普勒测振技术，通过固有振动频率对危岩块体主控结构面的黏结力损伤进行定量分析.通过改进后的极限平衡模型，得出结构面不断劣化块体的安全系数由原来的1.17下降到1.04，与实际破坏结果相符.试验结果表明：固有振动频率一方面可对危岩块体累积损伤进行有效识别，另一方面可以为黏结力参数的合理确定提供客观的数据支持.因此，基于固有振动频率分析的激光多普勒测振技术可实现边坡岩块体的累计损伤评价，并将在未来的工程应用中发挥巨大的作用

3.1 电子衍射与X射线衍射的比较 3.2 衍射产生的条件 3.3 电子衍射几何分析公式及相机常数 3.4 选区电子衍射的原理及操作 3.5 多晶电子衍射花样的标定及其应用 3.5.1多晶衍射花样的产生及几何特征 3.5.2 多晶电子衍射花样的主要应用 3.6 单晶电子衍射花样的分析 3.6.1单晶电子衍射花样的几何特征和强度 3.6.2 单晶电子衍射花样的标定方法 3.6.3单晶电子衍射花样的应用 3.7 复杂电子衍射花样的特征和识别 3.7.1高阶劳厄区斑点 3.7.2超点阵斑点 3.7.3孪晶衍射花样 3.7.4二次衍射斑点 3.7.5菊池衍射花样 3.8 衍衬成像原理及应用 3.8.1透射电子像衬度的分类 3.8.2 衍衬成像的方法和原理 3.8.3 衍衬运动学理论 3.8.4衍衬成像的应用举例 3.8.5透射电子显微镜动态观察

经过岩土体介质反射回的地质雷达波特征携带了所穿透的岩土体内部的相关信息,其中地质雷达波频谱主频值可以作为判断岩土体结构特征的一个定量指标.以围岩为石英砂岩的公路隧道工程为依托,采用MALA地质雷达配100 MHz屏蔽天线,对隧道掌子面前方的石英砂岩体进行超前地质探测试验,分析典型的Ⅴ级、Ⅳ级和Ⅲ级石英砂岩围岩的雷达波形图图像特征和雷达波在岩体介质中传播的傅里叶频谱特征.通过分析现场试验数据,得出岩体介质的雷达波主频值因自身结构特征和周边环境变化而在一定的敏感频率区间内的规律.对比分析研究结果与工程开挖实际,表明通过分析超前地质探测获得的雷达波傅里叶频谱主频值特征来反演识别围岩结构特征是切实可行的

针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法．首先提取外耳最长轴,即外耳轮廓边缘点的最长连线．利用外耳长轴把外耳曲线分成两部分,用最小二乘法对这两段曲线分别进行多项式曲线拟合,拟合多项式函数的系数作为外耳特征向量．同时长轴与内耳曲线的交点作为内耳特征点,特征点之间连线的长度与长轴长度的比值作为内耳特征向量．长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性．实验结果表明此方法在噪声情况下具有较强的鲁棒性．

基于钻进过程监测系统在充填土-风化花岗岩地层中对液压旋转钻进的监测数据,对金刚石钻进系统的能量进行了分析.结果表明,钻进系统的能量分布与在普通风化花岗岩地层中的结果一致,黏滞能、动能以及钻进总能量与岩石的风化程度呈负相关,轴力功与岩石的风化程度呈正相关,说明金刚石钻进能量与岩石风化程度具有很好的响应关系.动能、轴力功及黏滞能受钻进方式影响,用于地层识别将受严格的可比条件限制.金刚石钻进比功随岩石风化程度的增强而减少,在不同风化程度的岩层中具有很好的分区性.而且,在充填土及全风化、强风化花岗岩地层中,金刚石旋转钻进比功值明显低于冲击凿碎比功,在微风化的坚硬岩中,旋转钻进比功则明显高于冲击凿碎比功

针对不同路况和运动模式下的高维、非线性、强耦合和高时变下肢加速度信号的识别问题,提出了一种基于时——频分析的步态模式自动分类方案.利用三轴加速度传感器采集运动时小腿在矢状面、冠状面和横切面的加速度信号,利用五阶Daubechies小波基对其进行特征提取,并采用线性判别式分析进行降维,最后利用决策树和支持向量机对得到的精简步态特征进行模式分类.实验结果显示两种分类器的总体分类准确率均达到90%以上,个别步态分类可达到100%,验证了特征提取和降维方法的合理性和有效性

现有的基于密度的数据流聚类算法难于发现密度不同的簇，难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中，基于共享最近邻图定义了共享最近邻密度，结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素，使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度，以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法，维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量

随着我国隧道工程建设的快速发展,由隧道病害引发的隧道质量和安全问题越发常见.通过地质雷达探测隧道病害对于减少隧道质量和安全问题具有十分重要的意义,为了提高病害探测的效率及可靠性,基于雷达反射波信号多维度分析,提出一种隧道病害智能辨识的新方法.根据反射波信号时域、频域及时频域分析结果提取病害信号辨识的6个典型特征,利用支持向量机算法对典型特征的训练构建病害信号的二分类模型,实现了病害水平分布范围的自动辨识;再依据病害信号的第一本征模态函数分量振幅包络计算病害深度分布范围,最终实现隧道病害的智能辨识.结合某隧道回填层雷达实测数据对智能辨识算法的性能进行评价,与人工辨识结果的对比表明,该智能算法对于病害的辨识能力较强,病害的识别率高达100%,但辨识结果中同时存在少量误判,准确率达78.6%,满足工程应用的需求.该算法可用于隧道工程各类地质雷达探测数据中病害的智能辨识,而对于其他领域的地质雷达探测数据,本文研究成果亦可为不同类型探测目标智能辨识算法的设计提供可行思路

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

现有的大坝整体性态评价方法以定性评价为主，主观性较强.针对这一问题，以单测点监控模型的计算值与监测仪器实测值之间的残差为基础，提出采用多测点融合残差表征大坝整体性态.结合信息熵理论研究了不同测点的残差变化规律，从而对各测点残差的融合权重进行了分配，计算了融合残差.通过对融合残差进行分布分析，利用逆向云发生器、正向云发生器建立了表征大坝不同性态的概念云，即评价标准.在此基础上，结合云相似度算法，建立了大坝整体性态的评价模型.算例表明，该模型能够有效识别大坝监测资料中的异常测值，并能够定量、客观地评价大坝整体性态，评价结果合理、可靠，可为保障大坝安全运行提供重要参考