简介：建筑物墙体裂纹是重要的安全隐患，检测混凝土墙体表面的裂纹及测量其最大宽度，已引起众多关注．现介绍基于图像处理的智能检测方法，即根据裂纹像素点分布特征，利用连通域面积大小来提取裂纹，并删除伪裂纹等杂质，再对含有分支或网状裂纹进行局部处理，根据裂纹特征像素点的位置关系获取聚类近似初始值，之后利用K-means聚类算法不断迭代计算裂纹特征像素点到其对应直线的最短距离，并以此将图像中的像素点归为不同方向的裂纹类．最后，利用分类好的裂纹像素点分别进行边缘检测与最大宽度测量并比较，来获取含有交叉裂纹的最大宽度值．本文获得的水平裂纹最大宽度的相对误差为2．968％，斜垂裂纹最大宽度的相对误差为5．188％．

简介：提出一种解决大规模非负矩阵分解的分布式算法.非负矩阵分解一直是矩阵分解领域中的热点问题之一,已有一些相关的算法.但是,对于大规模的非负矩阵,至今尚无高效的方法.本文采用近来解决大数据的分布式思想和并行式计算方法,并将它们与传统的矩阵分解算法相结合,提出一种基于并行式计算的分布式网络算法,以此实现大规模的非负矩阵分解问题.实验结果表明,所提出的算法较一般的分布式算法与集中式矩阵分解的算法更加有效和快速.

简介：本文建立了策划药物亚甲基二氧吡咯戊酮（MDPV）的气相色谱一质谱（GC—MS）联用、液相色谱一质谱（LC—MS）联用分析方法。利用GC—MS联用、LC—MS联用分析技术对MDPV进行分析，得到MDPV的GC—MS分析主要特征离子及LC—MS联用分析分子离子峰、二级质谱碎片峰、三级质谱碎片峰，并对各特征离子及碎片峰进行了归属研究，得到了MDPV的GC—MS联用、LC—MS联用分析的质谱裂解规律及特征离子。

简介：通过对不同规格平准器卷烟机卷制的烟支进行试验对比分析,研究了相同条件下烟支内烟丝分布对卷烟烟气指标以及逐口分析的影响。结果表明,使用6槽和3槽平准器卷烟机卷制的烟支,他们的烟支重量和吸阻均较稳定,但6槽与3槽平准器卷烟机卷制的烟支相比,其烟气中的焦油、烟碱和一氧化碳量更低,卷烟逐口间烟气的焦油、烟碱含量变化更小。

简介：为了深入研究扫描近场光学显微镜（Scanningnear-fieldopticalmicroscope,SNOM）光纤探针导光特性,我们利用VirtualLabFusion光学软件,仿真研究了光纤探针内部的光场分布.结果显示,光纤探针内部的光场分布呈固定的花样;中轴线光场具有峰值结构,其最大值位于探针出口前120nm处;这个最大峰值随着光纤外层铝层厚度的增加呈现先减小后增加,最后趋于稳定的变化,随着光源偏振态的变化呈现正弦的分布.

简介：本文阐述了用超声波短时作用来处理水样,从而找到更科学地计数水体中微囊藻细胞数的方法。并通过实验进一步研究了超声波频率和作用时间对处理效果的影响。

简介：设计了一种分布式光伏电站数据通讯管理机,包括硬件系统和软件系统.硬件系统基于ARM嵌入式处理器设计,通过RS485/232串口对光伏电站终端设备的实时数据进行采集并解析处理,采用以太网/GPRS与光伏电站控制系统的服务器相连,实现数据的远程无线通讯和传输.软件系统基于多任务实时系统Linux,采用模块化设计,包含了任务管理、内存管理、时间管理和同步通信等功能模块.该通讯管理机具有对分布式光伏电站监控数据的实时采集、存储、分析处理、上传和转发等功能.

简介：1.前言共聚物的链结构以及组成分布比均聚物要复杂的多,无疑对其物理力学性能有着很大的影响。因此,研究共聚物的链结构及其组成分布是很有意义的工作。研究共聚物链结构及其组成分布的方法很多,有化学法、光谱法、色谱法以及核磁共振法等。由于共聚物结构的复杂性,单靠某一种方法进行研究均

简介：域自适应算法是一种能有效解决训练集（源域）和测试集（目标域）样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机（DDM-ELM）用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标：1）最小化源域样本的分类误差;2）通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3）利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.

简介：在此提出一种改进的深度卷积神经网络模型,该模型通过增加并联卷积层,拓展卷积神经网络宽度实现,有利于提取图像特征,提高网络性能;卷积层中对特征图像采用批量归一化方法进行预处理,加快网络训练.实验结果表明,该模型能更准确地学习宫颈癌细胞图像特征,从而有效降低了分类错误率.

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：为有效降低宫颈癌细胞图像在图像识别中的假阴性率,在此提出一种改进的残差网络算法.该改进算法通过对交叉熵代价函数增加权重实现,根据不同病变程度的宫颈细胞建立权重矩阵,有针对地对假阴性类别的输出进行加权处理,优化分类输出、减少假阴性误判.实验结果表明,对于不同的宫颈细胞图像数据集,本改进算法输出分类效果稳定;与传统图像分类算法相比,改进后的交叉熵代价函数算法在识别分类宫颈细胞图像时,能有效降低宫颈癌细胞图像的假阴性率.

简介：本文首先对该标准适用范围进行了说明，又对新旧标准的异同和实施中应注意的问题分别进行了论述，作者根据检测机构在该标准实施中容易出现的问题如核查总体的确认，DQL声称质量水平、抽样方案的检索、样本检验、判定准则等五个方面进行详尽的论述，提出自己的见解与大家共同探讨。