基于Faster-RCNN的站台端部人员入侵检测研究

铁路客运站的站台端部为非封闭式环境,存在人员非法入侵的风险。在阐述Faster-RCNN算法原理的基础上,详细描述了VGG16模型、RPN网络以及分类回归的过程。采集现场数据制作样本集,训练了可区分普通人员、施工人员以及防护人员的站端入侵检测模型。测试分析了5组不同参数下的实验数据,确定候选区队列长度等于300,推荐候选区数量等于15时为最优参数。模型对普通人员、施工人员以及防护人员3种样本的识别精确率分别为95%、99%、100%,识别召回率分别为97%、99%、100%,平均精确率均值为0.983 6,单帧检测时间为0.069 s。结果表明:算法可有效地检测普通人员、施工人员以及防护人员,满足实时检测需求,为站台端部人员入侵检测提供了新思路。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

基于CapsNet的行人检测方法及评价

为了提高道路环境中行人目标检测的准确率，改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题，本文提出了一种基于 CapsNet的行人检测模型. CapsNet由神经元所构成的 Capsule组成，通过动态路由协议对物体的实例化参数进行表达和传递，保留了各特征对象间的空间层级，采用 Caltech公开数据库对所提算法的有效性进行验证，并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明：相比于其他主流检测算法，本文算法在确保检测效率的前提下，对数平均漏检率最低可降至 9.17%；且在 Caltech、INRIA和 NICTA数据集的交叉验证实验中，也能达到良好的检测效果，具有较好的鲁棒性和泛化能力.     

深度分销：内外兼修的营销模式

深度分销近些年来大行其道，各企业纷纷推行之，争先恐后，唯恐没沾上一点深度分销的气息。可是，却发觉大家其实都对深度分销模式存在很大的误解，甚至在推行该模式的基点上就出现重大的失误和偏差!     

基于模糊相似优先比的强夯有效加固深度范例推理研究

运用模糊相似优先比的概念,构造了一个强夯有效加固深度预测的模型。对每一个影响强夯有效加固深度的因素,分别建立了目标范例与源范例之间的模糊相似优先关系。经过影响因素之间的两两比较,获得不同的影响因素下强夯地基的目标范例与源范例之间的相似性序列,计算得到强夯地基有效加固深度目标范例和源范例之间的综合相似性序列,从而找到与强夯有效加固深度目标范例最相似的源范例,实现了有效加固深度的预测。实例评价结果与实际有效加固深度结果一致。     

波浪作用下海底裸置管道周围的冲刷

本实验研究通过涡强的分析，导出波浪作用下海底裸置管道周围的冲刷深度（ｓ）和长度（ｌ）的计算表达式。