健身房的外语学习

在美国,我每天去健身房,有天做完运动,身边一位胖老头擦着汗跟我说了一句话,我愣了一会儿神,然后,追上前问,"你刚才说的是中文?说的是‘挺不错'对吗?"老人笑着点头。我告诉他,我们中文有四声,你的发声不太准,所以我得猜一猜。胖老头的身旁站着一位瘦老头,瘦老头对我说:"你好!"也说的是中文,发声十分准确。     

论领导干部的表达力

领导干部的表达力,不仅是个人的人力资本,更是组织的宝贵财富。其现实表现具有策略性。通过个人的学习和组织的文化引领,可以实现角色转换、认同、超越,进而改善和提高表达力。     

双光谱智能体温检测与健康大数据管理系统

公共安全视频监控在新型冠状病毒肺炎防治攻坚战中发挥了重要作用。针对中国人口密度高、人流量大、新型冠状病毒肺炎易传播的特点，建立了融合可见光和红外光双光谱成像监控的智能体温检测与健康大数据管理系统，实现了无接触快速体温检测与佩戴口罩情况下的人脸识别，快速完成人员信息登记。系统已在多地完成部署，通过了有效性和可靠性验证，测量速度快，响应时间在30 ms以内；测量精度高，测量温度误差在±0.3℃以内；测量范围广，可监控距离0.1~10 m；人脸抓拍率99%以上，识别率95%以上；健康大数据管理系统能实时监控和追踪回溯人员流动，在多维度上对人员信息和疫情发展大数据进行统计分析，并对疫情发展动态进行建模和预测，根据分析结果完善疫情防控策略，开展精准高效的疫情防控。      

面向卫星电源系统的一种新颖异常检测方法

面向卫星电源高维周期性时序遥测数据，提出了一种新颖的代表性特征自编码器（RFAE）模型，并用于无监督的异常检测。RFAE采用改进的堆叠自编码器损失函数和训练算法，从而使模型可以学习到相位相同样本的代表性特征；然后根据代表性特征重构样本，根据重构误差来判断样本是否异常。在试验部分首先通过模拟数据校验了RFAE算法能够有效地检测出高维周期性时序数据的异常，然后又采用某卫星电源系统2014年1~12月真实遥测数据进行试验，RFAE异常检测准确率达到99%，检测效果明显优于目前的其他异常检测算法，具有较高应用价值。     

融合深度特征的输电线路金具缺陷因果分类方法

针对输电线路金具缺陷样本不足和缺陷目标形态多样化，仅仅利用深度学习模型导致金具缺陷分类准确率较低的问题，提出了一种结合深度网络和逻辑回归模型的因果分类方法。首先，通过样本扩充方法获得数量丰富化和角度多样化的数据集；然后，基于微调后的VGG16模型提取深度特征并进行特征处理，以构建符合因果关系学习的输入特征集；最后，通过全局混杂平衡进行金具缺陷特征与标签之间的因果关系学习，构建符合金具特点的因果逻辑回归模型，完成金具缺陷分类。为了证明所提方法的有效性，利用无人机实际采集的4类金具缺陷图片分别进行了实验，所使用的训练样本和测试样本数量较原始数据集提升了5倍左右。实验结果表明:所提方法可以实现对输电线路金具缺陷的精准分类，其中，防震锤相交和变形分类准确率分别达到了0.929 9和0.911 8，屏蔽环锈蚀和均压环损坏分类准确率分别达到了0.956 7和0.966 9。      

基于局部线性嵌入的高光谱影像特征提取算法

特征提取能够消除冗余信息,提高高光谱数据处理的精度和计算效率,是分类等分析必要的预处理手段.传统特征提取算法基于线性变换,无法准确描述高、低维特征空间的关系,因此采用一种新型非线性特征提取算法,即局部线性嵌入(LLE,Locally Linear Em-bedding),挖掘高光谱影像的本征信息.针对分类问题,使用训练样本类别属性修正距离矩阵,并借鉴LLE计算未知样本低维映射的方法求解测试样本的特征向量,实现监督局部线性嵌入(SLLE,Supervised Locally Linear Embedding).使用机载可见光/红外成像光谱仪数据,与3种分类算法结合进行测试,实验结果表明:SLLE优于线性特征提取算法,能够解决高光谱影像的小样本分类问题.