粗糙表面偏振二向反射分布函数的影响参数及其反演

针对目标偏振二向反射特性研究中模型参数难以准确确定的问题,分析了粗糙表面偏振二向反射分布函数的影响参数,并通过理论推导和仿真计算,研究了各参数对粗糙表面散射特性的作用机理。总结分析了现有参数反演方法,针对现有方法存在的理论缺陷,在P-G(Preist-Germer)模型的基础上,提出了利用"相对偏振分量-角度"的相关关系进行参数反演的方法,设计了参数反演算法,进行了标准反射板和绿漆表面的偏振二向反射特性测试实验,并根据实验数据进行了参数反演和模型验证。实验结果表明,改进的参数反演方法可准确反演所有模型参数。利用反演参数进行模型验证,结果显示模型预测数据与实验数据具有较好的吻合度,验证了模型的准确性。     

基于二项分布的装备状态质量诊断试验评估指标研究

提出了通过诊断方法获取装备状态质量特性指标值的思想，解决了统计特性不明显的小样本集装备获取状态质量特性指标的难题；规范了装备状态质量诊断试验的条件；在装备质量评估领域首次提出了评价装．备诊断试验效果的确诊率、负确诊率、误诊率、漏诊率、故障预测指标、正常预测指标等单指标体系以及符合率、综合指数、比数积、故障似然比、正常似然比等综合指标体系，并进一步提出了提高装备状态质量诊断试验效率的平行诊断试验方法和系列诊断试验方法。     

X线乳腺图像中微钙化检测的快速排除无病变区域法

介绍一种通过去除数字化乳腺x线照片中的无病变区域（TNR）间接地获取感兴趣区域（ROI）的方法。该方法可通过3个步骤来实现：（1）将图像划分为若干个不重合的相等大小块，并为每块计算5个特征；（2）通过域值法进行粗分析，排除肯定不含有病变的块；（3）使用代价敏感的支持向量分类器作更精细的分析，以进一步排除肯定不含有病变的块。在真实的数字化X线乳腺照片上的实验表明：该方法可以有效地去除高达81．71％的无病变区域。     

工业企业经营状态预警系统研究

本文通过对工业企业预警指标的研究，建立了预警指标体系及综合指标，阐述了预警原理及方法，建立了预警系统的初步框架，为企业经营者加强内部管理提供了有效的方法。     

小波分析在钢丝绳断丝定量检测中的应用

简要介绍了小波分析的基本原理和方法。分析了钢丝绳断丝定量检测中断丝检测信号的特点，研究了小不皮分析在提取断丝特征信号及滤波中的应用。     

基于小波倒谱模型的滤波处理技术及其在超声应力检测中的应用

在超声检测中,应力是通过超声时间延迟来测量的,而超声回波的时间延迟对噪声非常敏感。噪声严重影响应力的测量精度,噪声引起的时间延迟甚至与应力引起的时间延迟处于同一量级。而以往消噪处理都是基于盲信息,没有考虑系统响应特点,消噪效果不好,需一种有效的消噪方法。提出了一种基于倒谱模型新的滤波处理技术,从系统响应的角度,建立超声通道的小波倒谱模型,并通过对钢轨应力测试信号进行滤波处理,试验结果令人满意。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

浅谈以人为本的绩效考核

在传统的绩效考核中,对不同的人按同一标准衡量,是与他人进行相互比较.而在以人为本的考核中,对不同的人按不同的标准衡量,是与自己进行比较.这种以人为本的绩效考核能更有效地激励员工.     

基于卫星观测数据的弹道导弹初始状态估计

利用卫星探测数据对大气层外飞行的弹道导弹弹道进行估计。在极大似然估计中,由于卫星探测导弹运动的可观测性较差,使初始点估计变得十分病态,传统的Gauss Newton迭代算法不再适用,而采用较为复杂Levenberg Marquardt算法,分别对单颗卫星和两颗卫星的情况进行了Monte Carlo仿真,得到了各自的归一化残差测量误差(代价函数),结果表明该算法有效。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数