加权和法在船型优化论证中的应用研究

本文参照思维逻辑的基本原理,分析了专家们加权的过程,找出了专家们加权的机理,用模糊数学方法,建立了模拟专家们加权过程的数学模型,并用C语言使之在微机上得以实现。此外,本文还根据专家系统的基本思想,对指标的选择问题进行了初步探讨,用PROLOG语言将专家们的知识表达出来,再用接口技术将两门语言连接起来,构成了完整的程序——INDEX。本文最后以南京—香港航线上的散装水泥船为例,用INDEX程序进行运算,选出了指标和它们的加权数,基本上解决了指标的选择和加权问题。     

基于分布式组件对象模型(DCOM)构建CBTC车载测试平台的技术

分布式组件对象模型(DCOM)具有快速开发、位置透明及松耦合等特性.它提供了在网络环境中分布式装载程序的灵活性,以及组装程序的便捷性.基于该技术构建的CBTC(基于通信的列车控制)车载设备测试平台具有灵活扩展、通信及时可靠的特性,从而为车载设备相关测试案例的调试、测试平台相关模块的安装及后续测试执行等任务提供了便利,提高了车载设备测试平台的开发效率和准确度.     

美国城市轨道交通公共安全敏感信息管控探析

城市轨道交通公共信息发布受到社会高度关注,发布信息是一件困难的任务。美国政府从信息保护和不能披露的角度发布公共安全敏感信息(SSI)管控的系列法规。从关于SSI立法和定义、管理、分类形式、识别和认定、使用和控制进行解析,并给出使用和管理SSI的示例。美国联邦政府通过立法确定公共交通的公共安全敏感信息,显示美国政府完善的法制建设过程,启示我国城市轨道交通行业应进行城市轨道交通信息安全保护立法。     

基于BACnet门禁系统的研究与设计

分析了基于BACnet网络门禁系统的特点；遵循BACnet标准门禁系统白皮书的有关内容，运用相关新定义的对象，并在此基础上制定了读卡请求服务、巡更任务服务、报警任务服务和记录登录服务；对基于BACnet协议的门禁系统的模型进行设计研究。     

基于构件面向体系结构的C4ISR系统设计方法

介绍了C4ISR体系结构描述和设计方法("3A"视图),描述了在其指导下使用结构分析法和面向对象分析法开发体系结构产品的过程,并比较了这两种方法的优缺点.在此基础上,提出基于构件面向体系结构的设计方法来解决系统的互操作和复用问题,给出了支持该方法的迭代开发过程,阐述了该方法与C4ISR体系结构设计方法的对应关系, 为开发可复用、易于互操作的C4ISR系统提供了一种可行的技术途径.     

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

雌激素与盐敏感高血压的关系

目的　进一步探讨植物性雌激素和内源性雌激素对雌性自发性高血压鼠 (SHR)的盐敏感高血压反应的保护作用。方法　对三周龄雌性SHR行卵巢切除术 ,饲以 0 .1mol·L- 1 或 1 .4mol·L- 1 NaCl,含或不含植物性雌激素之食物。 1 0周龄时 ,腹主动脉内植入遥测传感器 ,用“计算机腹主动脉血压遥测系统”2 4h连续测量血压、心率及整体活动。静脉注射六甲双铵阻断交感神经系统活动后 ,记录动脉压和心率反应。结果　食用无论是否富含植物性雌激素的高盐食物 ,动脉血压都明显增高 ,不含植物性雌激素组更甚。交感神经系统活动阻断后 ,引起所有各组鼠夜间动脉压急剧降低。结论　食物中所含之植物性雌激素可降低雌性SHR的盐敏感高血压反应。交感神经系统兴奋性异常在高盐食物引起的血压增高中起重要作用     

智能驾驶实时目标检测的深度卷积神经网络

为提高深度学习神经网络运行速度,满足智能驾驶对算法实时性的要求,基于一种一体化实时目标检测算法YOLO和一种目标检测网络模型Faster RCNN,提出一种结合两者特点的实时目标检测神经网络。该网络保留区域卷积神经网络(R-CNN)算法的二次检测模式和区域生成神经网络RPN,去掉先验框,采用YOLO直接预测位置。结合Mask R-CNN中的ROI-Align方法进行二次位置修正,减少了Faster R-CNN中ROI-pooling所带来的位置预测偏差。对改进后的网络在KITTI数据集上进行测试,结果表明:改进后的神经网络检测一次仅耗时38 ms,检测的平均精确度高于YOLO和Faster RCNN,且对于不同大小的目标都具有很好的泛化能力。     

一种基于MRF的多层遗传递减视频对象分割算法

提出一种视频对象分割方法,将时域信息、空域信息和图像颜色特征有效地结合起来,采用MRF遗传递减式分类来提取视频对象.利用视频帧的颜色特征,在初始分割中采用时空域分水岭方法,建立一个时空域毗连图(ST-RAG);基于时空域毗连图建立马尔可夫随机场(MRF)模型,在分割过程中采用遗传递减式方法对区域进行合理分类,利用形态学进行后处理,分割出感兴趣的视频对象.实验结果表明所获取的分割方法具有灵活性,且精度高.     

基于分段学习模型的自动驾驶行为决策算法研究

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立一种端到端的车道线检测网络模型,并引入车道中心线作为决策的重要线索提高算法的迁移能力,同时利用YOLOv3目标检测模型对本车道内前方最近障碍物进行位置检测;而后,经几何测量模型将两者检测结果转换成环境状态信息向量为决策做支撑;最后,构建基于长短期记忆(LSTM)网络的驾驶行为决策模型,根据编码的历史状态信息刻画出动态环境中车辆的运动模式,并结合当前时刻的状态推理得到驾驶行为参量。使用建立的真实驾驶场景数据集对模型分别进行训练、验证与测试,离线测试结果显示车道线检测模型的检测位置误差小于1.3%,车道内前方障碍物检测模型的检测精度达98%以上,驾驶行为决策网络模型表征预测优度的决定系数 大于0.7。为进一步验证算法的有效性,搭建了Simulink/PreScan联合仿真平台,多种工况下的仿真验证试验中多个评价指标均达到工程精度要求,实车测试的试验结果也表明该算法可实现复杂驾驶场景下平稳、准确无偏航的预测效果并满足实时性要求,且与传统端到端模式的算法相比,具有更好的迁移性和泛化能力。