基于状态空间法的虚拟企业风险识别

虚拟企业作为新兴的企业经营模式,已经成为管理理论界和学术界研究的热门课题。本文引用系统理论的状态空间法,并在此基础上从内外两个方面对虚拟企业的风险状态进行分析,完成虚拟企业风险的识别。     

一种制动Groan噪音的前期识别方法

为了在前期识别潜在的Groan噪音,避免前期开展的台架性能试验和其他台架噪声、振动与声振粗糙度（NVH）试验重新开发,文章通过对Groan噪音的机理进行分析,推导出Groan噪音机理和力矩波动之间的对应关系,从而制定出适用于Groan噪音的前期台架试验方法。文章选择两种不同的摩擦材料,按照制定的前期台架试验方法,开展了台架对比测试和整车评价对比测试。结果表明,所制定的前期识别方法有效,台架结果和整车评价结果具有高度一致性。可见,Groan噪音可以通过文章所述方法进行前期识别,从而节省费用和时间。     

甲状旁腺术中识别技术及临床应用和研究现况

甲状旁腺在机体钙磷代谢中有重要作用,颈部手术中完整保留甲状旁腺对避免术后甲状旁腺功能减退和术后低钙血症至关重要。目前大多数甲状腺手术中仍依赖传统肉眼识别方式或通过术中冰冻辨认甲状旁腺,前者依赖于术者经验,后者所消耗的时间和费用较高。近年,国内外学者对术中有助于识别甲状旁腺的染色技术和基于荧光的成像技术进行了相关研究,如亚甲蓝、纳米炭、近红外自体荧光、吲哚菁绿血管造影技术、激光散斑对比成像等,均可显著提高对甲状旁腺的识别与保护。本文将对甲状旁腺术中识别技术的临床研究进展情况作一综述。     

行人闯入预警辅助系统在高速公路的应用

针对高速公路收费站存在入口行人、机动车非法闯入影响到车辆在高速路行驶过程中的安全性和舒适性,提出了一套基于AI技术的行人闯入预警辅助系统的解决方案。该系统在收费站出入口区域部署智能双枪版环视一体机,通过视频感应实现对行人、非机动车等闯入检测,联动音柱自动播放劝离语音,并联动警示灯进行灯光闪烁预警,及时对非法闯入的行人、非机动车等给予及时提醒与劝离,同时报警信息自动同步至收费站、路网中心,多方联动,有效地预防和处理行人、非机动车等闯入特情,保证收费站正常的营运秩序和道路安全畅通。     

货车装载安全状态监测系统的研制

货物装载尺寸是否超限,货车车门的开闭状态直接影响到货物列车的运行安全.为此铁科院铁建所研制了货车装载安全状态监测系统.系统能够测量得到车辆的轮廓尺寸,监测车门开闭状态,并能正确识别车序.系统还能将得到的信息通过网络传送到商检等货运监管中心,供多用户查询.介绍了该系统的组成、主要功能和技术特点,并与现有的其它一些技术方式作了对比.     

贝叶斯假设方法在水声成像声呐阵控制中的应用

在对水中目标轮廓进行水声成像时,可设计声呐阵中各声呐单体对目标分割识别,利用贝叶斯假设方法,解决多声呐单体识别结果的目标最终识别问题,实现声呐阵的有效控制。     

基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.     

基于感兴趣区域的CNN-Squeeze 交通标志图像识别

在公路交通中,针对复杂环境下交通标志识别率不高的问题,提出了一种基于 Kmeans对图像聚类,切割图像感兴趣区域(Regions of Interest, ROI),并利用方向梯度直方图特征(Histogram of Oriented Gradient, HOG)与卷积运算,特征加权(CNN-Squeeze)相结合的交通标志识别方法.首先,采用 K-means对交通标志图像进行三角形、圆形图像二聚类,并利用制作的切割模板切割 ROI 并提取 HOG 特征;然后,利用卷积神经网络 (Convolutional Neural Network, CNN)对 HOG特征进行过滤、降维,并通过 Squeeze网络对过滤后的二次特征进行重要性标定;最后,训练该网络模型并实现对交通标志的识别.仿真结果表明,与 BP网络、SVM 及CNN对比,本文方法在保证训练时间的同时,识别精度达到98.58%.     

基于群组行为的大学校园楼梯及通道行人运动特征分析

为探讨不同场景中行人群组运动的微观特征,并比较不同类型群组运动差异,本文通过大学校园内楼梯上及通道内的观测实验,获取行人运动的相关数据,研究了群组大小、社会关系、运动场景和性别对群组运动的影响. 结果表明：大学校园内行人成组比例低于商场周围行人成组比例;群组成员间的交流方式等因素会影响群组构型;由于群组成员越多相互协调就越困难,所以群组规模越大,其速度越小;此外,男性群组速度大于女性群组速度,情侣间频繁的交流也会对其速度产生负面影响;就差异性而言,2 人和3 人群组间的速度差异小于单人和2 人群组间的速度差异;单个行人不同性别间的速度差异大于2 人和3 人群组不同性别间的速度差异;楼梯上单人与群组的速度差异没有通道内明显.     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.