基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

提出一个新的基于集成学习的预测器(TargetPCM),对蛋白质接触图(特别是中长程)进行高精度的预测。首先,TargetPCM使用加权朴素贝叶斯分类器(Weighted Nave Bayes classifier,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型。为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试。结果表明:对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的集成预测器(NeBcon)分别提高了8.2%,16.1%和5.3%。在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM的Top L/5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7.4%,9.1%和7.5%。实验结果验证了本文所提蛋白质接触图预测方法的有效性。     

Human factors quantification via boundary identification of flight performance margin

A systematic methodology including a computational pilot model and a pattern recognition method is presented to identify the boundary of the flight performance margin for quantifying the human factors. The pilot model is proposed to correlate a set of quantitative human factors which represent the attributes and characteristics of a group of pilots. Three information processing components which are influenced by human factors are modeled： information perception, decision making, and action execution. By treating the human factors as stochastic variables that follow appropriate probability density functions, the effects of human factors on flight performance can be investigated through Monte Carlo（MC） simulation. Kernel density estimation algorithm is selected to find and rank the influential human factors. Subsequently, human factors are quantified through identifying the boundary of the flight performance margin by the k-nearest neighbor（k-NN） classifier. Simulation-based analysis shows that flight performance can be dramatically improved with the quantitative human factors.     

基于红外成像的条烟自动检测系统

为了解决条烟封箱机装箱过程中的缺条检测问题,本文在研究红外图像处理技术的基础上,提出了一种基于红外成像的烟垛缺条检测方法,该方法通过对实时拍摄的烟垛端部图像进行形态学处理、边缘提取,计算边缘图像构成的轮廓矩,并通过对比该图像和模板的轮廓矩信息判断烟垛是否缺条。并根据实际应用,设计了基于红外成像的条烟封箱自动检测系统。实际检测表明,所研制的红外成像自动检测系统能很好的解决香烟封箱过程中的缺条检测问题,具有很好的应用价值。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

铝合金平板超高速撞击声发射信号S2模态特征分析

对铝合金平板上形成的超高速撞击(HVI)声发射(AE)信号S2模态的特征进行研究,分析其与损伤模式之间的关系。以3 mm厚5A06铝合金平板为研究对象,通过数值仿真获得不同撞击工况下的超高速撞击声发射信号,提取信号中的S2模态,并分析其幅值、能量、频谱等特征。结果表明,S2模态能量随传播距离呈指数衰减;分别随撞击弹丸直径和撞击速度的增加先下降后上升,且在弹丸直径与靶板厚度相近、临界撞击速度时最低。S2模态的中心频率随弹丸直径的增加而降低;随撞击速度的增加而增加;随传播距离的增加向1500 kHz移动。S2模态小波包系数呈凹性的频域范围分别随撞击速度和弹丸直径的增大变窄。在此基础上,当靶板形成穿孔损伤时,可根据S2模态的中心频率推测弹丸的直径;在传播距离和弹丸直径已知的前提下,可根据S2模态小波包系数呈凹性的频域范围推测撞击速度。     

机器人视觉系统模糊识别抓取物算法

针对机器人视觉系统对抓取物的模糊识别问题,参照人眼-脑识别对象的过程,建立了包括区域分割与模糊识别两个环节的识别算法.以视觉图像的灰度与色度特征作为区域分割与模糊识别的依据,从灰度、色度及形体特征上提取特征集的指标,并根据经walsh变换后图像灰度迅速向低频聚集的特点,提出基于walsh变换的基元模式识别特征的定义方法.在构建识别目标矩阵与关系矩阵的基础上,应用模糊关系合成与最大隶属度原则建立识别算法.该算法可从少量的采样点中识别出对象,具有较好的实时性.     

大型工件扫描式激光喷丸系统研制

对大型工件扫描式激光喷丸系统进行研制,主要目的是解决激光喷丸针对大型工件的应用问题以及实现工艺过程中激光光斑质量的良好控制。其主要包含作为激光光源的高能量纳秒激光器模块、对激光光斑的尺寸和形状进行调整控制的光斑调节模块、导引激光进行大幅面扫描的两轴振镜模块以及装夹工件并对工件施加弹性预弯的柔性预应力夹具模块。在此基础上结合激光喷丸的工艺特点进行系统的控制流程规划。对制备的系统样机进行激光喷丸光斑质量控制的试验验证,结果表明,通过基于正交柱面透镜组的光斑调节模块的调整,所形成的光斑基本符合规划的目标参数要求,光斑的尺寸与形状质量可实现良好的控制。     

虚拟扩展成像在大视场姿态角测量中的应用

对基于光电准直和针孔成像原理的姿态角测量系统,提出一种虚拟扩展成像面技术,对图像传感器成像面进行复用,虚拟扩大系统的测量视场.基于反射不对称的针孔光阑设计,实现一种光斑模式识别方法,对光斑质心和正反射模式进行识别,并进行虚拟成像面坐标扩展.通过计算机仿真,对识别结果进行了分析验证,表明这种方法对各种光斑模式都能准确识别,成倍扩大了测量视场.      

M-FSVM在可靠性寿命分布模式识别中的应用CSCD

在产品的可靠性研究中,准确、有效地识别产品所属的寿命分布,是可靠性建模成败的关键。针对传统支持向量机(SVM)在解决多分类问题时存在不可分区域等缺陷,提出了一种基于多分类模糊支持向量机(M-FSVM)的可靠性寿命分布模式识别方法,建立了包括指数分布、正态分布、对数正态分布和威布尔分布四种常用寿命分布模式识别的模糊支持向量机模型,并进行了仿真试验研究。仿真试验结果表明,该模型能够克服传统支持向量机中存在的不足,能够对常用的寿命分布模式进行智能识别,识别率高,便于工程应用。