关键词： 知识图谱   大数据   知识表示  

摘要： 知识图谱的概念是谷歌在2012年5月正式提出的，知识图谱的出现，最初是为了提高搜索引擎的信息检索能力和检索结果的准确性，从而进一步满足用户的检索体验。知识图谱用于具体描述本体或概念之间的关系，通过表达节点间的不同属性和其他节点的关系类型，从而形成一张巨大的带有标记导向的属性图或语义图。近年来，知识图谱都是大数据应用研究中的重点，知识图谱的大规模构建与应用成了大数据的重要内容，其与大数据的融合应用在各行各业掀起一股热潮。

关键词： 线控转向   多传感器融合   双电机控制   滑模控制   数据处理  

摘要： 线控转向控制系统取消除转向盘和转向执行机构之间的机械连接,利用搭载多种传感器的电子系统控制转向电机与路感电机实现转向操作,是智能车辆安全行驶的重要系统之一。为了保证线控转向系统能精准稳定的执行转向,本文展开了多传感器融合的线控转向系统研究,主要研究内容如下:(1)根据线控转向系统工作原理,设计多传感器融合的线控转向系统硬件方案。以线控转向系统的转向精准度和稳定性作为控制目标,分析转向电机与路感电机、转速传感器、转角传感器和电流电压传感器的功能及特性,并进行选型。(2)为了满足转向系统的模拟路感和转角跟随的设计要求,本文提出了一种积分变结构与扰动观测器复合的滑模控制方法,利用扩张滑模观测器观测电机参数变化及负载转矩的扰动值,并将扰动值作为速度控制器的补偿,以增强滑模控制的抗干扰能力。在此基础上,设计模糊角传动比,在滑模调速控制器上加入位置控制器实现方向盘与转向电机的转角跟随。其次,设计力传动比将转向电机的反馈力矩转换成电流控制路感电机,从而模拟路感信息反馈给驾驶员获取舒适的操纵性。最后,设计路感电机与转向电机的控制电路,并将控制策略嵌入到控制器中验证路感电机与转向电机协同控制的有效性。(3)为了能提供安全可靠的转向决策,本文设计了倾角传感器、角度传感器及车速传感器采集电路,以获取线控转向系统的转向信息。同时,提出了Kalman滤波与数字滤波相结合的滤波方式,滤除总线电压和车速信息中的电磁干扰。其次,利用角度传感器与多点采样过零检测法测量方向盘角度,再以角度传感器测量数据为基准对多点采样过零检测法测量数据进行矫正,提高方向盘转角与电机转角的跟随精度。最后,利用JY901B传感器内部的动力解算和Kalman滤波,削弱采集转向姿态信息而产生的系统误差和干扰噪声,并将各个传感器采集的转向信息上传到显示界面,实现线控转向系统的转向数据实时检测。验证控制方法的有效性,采用示波器测试电机硬件电路的控制信号,并结合电机控制平台验证路感电机与转向电机协同控制的性能。同时利用传感器监测线控转向系统的转向姿态,保障线控转向系统安全稳定的操纵性。

关键词： 近红外光谱   数据处理   小波阈值函数去噪   粒子群算法   QT creator  

摘要： 随着科学技术的进步,近红外光谱广泛应用于农业、医学以及化学化工等领域。但是传统的近红外光谱仪体积大,属于桌面级设备,不便于携带,因此对便携式的微小型近红外光谱仪需求激增。基于此,实验室自主研发了基于微机电系统(Micro-Electro-Mechanical System,MEMS)的微小型近红外光谱仪,而光谱仪在检测物质成分时会受外界环境以及系统仪器精密性的影响,对光谱造成噪声污染。因此本文采用小波阈值去噪法对光谱进行降噪处理,再利用改进粒子群算法(Particle Swarm Optimization,PSO)优化,去噪效果良好,提高了光谱信号的信噪比。主要研究内容如下:1、提出了一种形状参数可调节的阈值函数,通过调节形状参数的值解决了传统阈值函数在阈值处不平滑且不能高阶可导的问题。使用不同的阈值函数对仿真信号与实测光谱信号去噪,改进阈值函数去噪效果最好,提高了信号的信噪比并降低了均方误差。2、针对小波阈值去噪算法不能智能调节参数改变阈值函数形状的问题,提出了一种基于混沌映射粒子群的小波阈值去噪函数。该函数可以智能的调节阈值函数的形状参数,达到很好的去噪效果。此外,将混沌映射中的Logistic映射替换为锯齿映射,解决了粒子群算法遍历不均匀且易陷入早熟的问题。3、基于QT Creator设计了光谱仪数据处理界面,通过调用MATLAB实现对光谱信号的处理,用并行快速傅里叶(Fast Fourier Transform,FFT)算法代替传统FFT算法,提升了系统运行速度。

关键词： InSAR   相位滤波   相位解缠   相位滤波与解缠联合处理   深度学习  

摘要： 干涉合成孔径雷达(Interferometric Synthetic Aperture Radar,InSAR)可以全天时、全天候地进行大面积对地观测,并获得高精度的地球物理参数,如数字高程模型、地表形变量等,在地形测绘、灾害监测、国土资源探测、冰川运动监测等领域发挥着越来越重要的作用。InSAR数据处理流程中的相位滤波与解缠精度直接影响到获取地球物理参数的精度。传统的相位滤波和解缠算法很难同时兼顾精度和效率,且存在提升精度和效率的空间。鉴于深度学习在光学图像处理、SAR图像处理等领域都获得了超越传统算法的处理精度和计算效率,本文根据InSAR干涉相位滤波和解缠特性,开展基于深度学习的处理框架设计和网络结构设计研究,以提升相位滤波和解缠的精度和计算效率。本文主要研究内容和创新工作如下:(1)提出了基于多尺度递归网络的相位滤波方法通过对相位噪声特性的分析发现,在利用神经网络实现相位滤波时需要注意以下两个特点:为了避免因破坏相位跳变点而影响解缠精度,需要在不含跳变点的复数域进行滤波;同一干涉相位图中存在不同密度的相位条纹,条纹密集区域的滤波难度更大,可使用多尺度策略将条纹进行稀疏化,并通过对多尺度图像的滤波和融合提高滤波精度。根据这两个特点,本文设计了多尺度递归相位滤波网络(Phase Filtering Network,PFNet)并用于InSAR相位滤波。PFNet分别对复干涉相位的实部和虚部进行滤波,再根据滤波后的实虚部提取出滤波后的相位。PFNet使用循环神经网络(Recurrent Neural Network,RNN)单元以并联方式连接三个基于编解码结构的单尺度子网络,各子网络依靠编解码结构强大的特征提取能力实现了不同尺度图像的噪声抑制,且RNN单元实现了多尺度相位特征在子网络间的传递和融合,提高了滤波精度。仿真和实测数据实验表明,PFNet方法的滤波精度优于三种常用的传统滤波方法和一种性能先进的深度学习方法,并且其计算效率是传统滤波方法的数百倍。该方法解决了传统方法中滤波精度与计算效率的矛盾,具备高效高精度两个优点。(2)提出了基于非局部特征选择网络的相位滤波方法非局部相位滤波方法通过对非局部相似相位进行加权以实现滤波,往往可以取得优于局部处理方法的性能。为进一步提高滤波精度,本文将非局部处理思想与深度学习相结合,提出了一种基于非局部特征选择编解码网络(Nonlocal Phase Filtering Network,NL-PFNet)的相位滤波方法。NL-PFNet在编码器和解码器的中间嵌入非局部特征选择模块,以充分利用非局部相似相位信息和编解码结构的相位特征提取能力。编码器在提取相位特征图的过程中实现初步滤波,非局部特征选择模块利用相位特征图的非局部信息进行进一步滤波,最后使用解码器将编码器和局部特征选择模块的输出以非线性方式进行相位特征融合,以提高滤波精度。仿真和实测数据实验表明:NL-PFNet方法的滤波精度优于三种常用的传统滤波方法和PFNet方法;由于非局部处理的时间消耗,NL-PFNet方法的计算效率低于PFNet方法,但仍是传统滤波方法的数十倍。(3)提出了基于相位梯度估计网络的相位解缠方法受噪声和突变地形的影响,相位解缠方法中的相位连续性假设并不总是满足,因此利用相位连续性假设进行梯度估计(Phase Gradient Estimation Based on Phase Continuity Assumption,PGE-PCA)的结果并不可靠。针对该问题,本文提出了一种基于相位梯度估计网络(Phase Gradient Estimation Network,PGENet)的相位解缠方法,该方法使用PGENet得到准确的相位梯度,再使用收敛速度快的最小二乘方法求得解缠结果。PGENet使用编码器从具有地形特征和不同噪声水平的缠绕相位图像中提取丰富的相位特征图,再使用解码器从相位特征图中逐步恢复出相位细节和梯度关系。凭借强大的相位特征提取能力,PGENet能够预测出比PGE-PCA更为准确的相位梯度结果且具有更好的抗噪性能,因此,该方法最终获得的解缠结果更为准确。仿真和实测数据实验表明,基于PGENet的相位解缠方法的精度优于四种常用的传统解缠方法和一种性能先进的深度学习方法。(4)提出了基于深度学习的相位滤波与解缠联合处理方法由于干涉相位中的噪声增加了相位解缠难度并降低了解缠精度,通常需要在相位解缠之前进行滤波处理,但滤波过程中需要人工调整滤波参数以降低滤波误差对解缠精度的影响。为解决该问题,本文提出了一种基于深度学习的相位滤波与解缠联合处理方法,以避免滤波误差影响解缠精度,且无需对滤波参数进行人工干预。该方法通过损失函数设计将NL-PFNet和PGENet进行有机结合形成NLPF-PGENet,以

关键词： 弹幕   文本可视化   视频分析   情感分析   数据处理  

摘要： 近年来,弹幕文化盛行,对数量庞大的弹幕数据的分析研究如雨后春笋般兴起。作为一种在线视频评论设计,弹幕具有两个维度的时间属性,而且包含大量有价值的信息,如评论者的情感、态度和观点。随着时间的推移,弹幕数据量不断增加,信息更具代表性和全面性。然而,从大量弹幕中提取有价值的、有代表性的信息是一项具有挑战性的任务。因此,本文设计一个交互式的可视化框架,来可视化弹幕的情感和观点,用以辅助分析视频内容及其影响力。本文主要研究内容如下。首先,对弹幕数据进行预处理,并从多个维度对数据进行统计以便于可视分析。针对幕文本过短、含有网络新词过多、即时性强、变化迅速等特点,采用多维情感词典方法对文本字段进行情感值计算并分类,利用可视化结果不断修正拓展情感词典,以提高情感分析的准确度。其次,依据弹幕文化特性以及弹幕具有的双时间维度属性,选择文本内容可视分析方法对弹幕数据进行可视分析。可视化框架从弹幕句在时间上的分布演变、关键词在视频中的情感分布、弹幕评论者间的对比分析以及弹幕主题句的分布这四个角度对弹幕信息进行可视分析,并提供视频视图辅助用户推断弹幕中蕴含的信息。再次,面向数据集平台的不同类型的视频,对数据处理和可视化呈现进行一定的规则限制以实现对不同视频时长的弹性处理;考虑到视频会源源不断地产生,以及同一视频的弹幕量在不断变化、增加,实现系统对视频弹幕的实时处理功能有助于提升系统的实用性与便捷性。最后,本文选取系统支持的电影、短视频两类视频分别进行案例分析,探索其蕴含的相关知识并揭示弹幕亚文化现象。另外,两类用户被邀请参与系统评估,验证系统的有效性和应用的广泛性,并提出该系统未来的改进方向。

摘要： 项目概况进入21世纪后,由于国内外市场对能源需求量的增加,人们对地震勘探提出了更高的要求。地震勘探开始进入以往被认为禁区的复杂地表区域,如山地、黄土塬以及冻土带。在该类地区地震资料处理的最大问题是静校正问题,常规的方法难以解决。PSGSEIS地震勘探数据处理与成像系统可以大大提高地震数据成像的质量,从而提高解释精度和准确度,并显著提高井位部署成功率,这使其对常规二维/三维地震数据处理解释技术产生了不可逆转的替代性。

摘要： 2021年10月8日，全国信息安全标准化技术委员会发布了我国首个汽车数据安全技术文件TC260-001《汽车采集数据处理安全指南》（以下简称：《指南》），《指南》规定了汽车制造商对汽车采集数据的传输、存储和出境等处理活动的安全要求，为汽车制造商开展汽车的设计、生产、销售、使用、运维提供数据保护实施规范，同时也为主管监管部门、

关键词： 云检测   数据处理   融合算法   地表类型  

摘要： Landsat8陆地成像仪(Operational Land Imager,OLI)与该系列前期的传感器相比，在波段设置上进行了进一步的优化，数据的应用范围和信息提取能力得到进一步的扩大和增强，但云的存在降低了卫星数据的使用效率和质量，为了高精度、高效率地识别有云像元，针对Landsat8OLI传感器先后发展了多种云检测方法。这些方法从不同地表背景以及多种类型的云特点考虑，分别采用不同的处理方法以提高云检测的精度，这些方法在具有各自的检测优势的同时，也存在一定的不足。因此，通过算法融合获取更高精度、更稳定的云检测结果是十分必要的。本文基于对各算法的综合分析，提出一种多算法联合使用的云检测融合算法。主要工作内容如下:　　(1)针对不同云检测方法本身存在的不确定性问题，为实现各方法的优势互补，本文基于云检测精度反馈研究了五种云检测算法的融合方法。本研究使用Landsat8生物群落云量评估数据集作为实验数据，利用五种算法云检测结果与人工云掩膜产品计算Kappa系数，以评价云检测结果与真实云图的一致性。依据Kappa系数分配不同算法权重，构建适用于不同地表背景的融合算法。　　(2)针对部分算法依赖先验数据为待检测像元提供地表信息，而先验数据和待检测数据存在的地表信息差异直接影响云检测精度的问题，提出基于植被覆盖指标的云检测算法融合技术。地表反射的变化有多种因素导致，大部分因素可以通过植被指数来直接或者间接表达，因此，使用归一化植被指数方法融合多类型云检测算法可以有效评价地表反射信息变化对云检测的影响。依据待检测影像相邻时相的无云影像，获取待检测区域真实地表的植被覆盖情况，基于植被覆盖指标赋予不同地表类型相应的权重，逐像元构建动态阈值云检测模型，从而降低地表变化对云检测结果的影响。　　(3)为验证融合算法的有效性，针对不同的地表类型和不同的云特征开展云检测实验。基于目视解译结果和云像元正确率、精确率、召回率、F1分数、Kappa系数及整体精度标准差等评价指标对云检测结果进行评价，最后将两种融合算法进行对比分析。结果表明，相比单一算法，本文提出的融合算法在不同地表环境中云检测表现出色，精度和稳定性均有很大的提升。在水体和湿地上方，单一算法的Kappa系数最高为0.90，而融合算法检测结果与真实影像云覆盖情况的一致性高达0.95。在草地、耕地及森林上方，融合算法云像元准确率高达98.45％。

关键词： 潜力预测评价   指标体系   数据处理   神经网络   软件设计  

摘要： 如今数字化油田飞速发展,油田数据库积累了丰富的生产、工况数据,与传统的研究方法相比,数据驱动方法可对油田数据进行实时分析,挖掘其潜在规律,并结合实际生产及时准确的给出决策建议,提高油井管理的时效性。抽油机系统是油田从事日常生产应用最为广泛的装备,大部分油田开发进入中后期,抽油机井的系统效率平均26%-35%,因此抽油机井的生产、节能潜力巨大,潜力挖掘和降本增效成为共识。本文从数据驱动的角度出发,以抽油机井为研究对象,主要对抽油机生产、节能、增产潜力进行预测评价。 面对大量油井生产数据样本,数据的质量是数据分析的基础也是关键。本文首先开展了数据处理方法研究,针对冗余、异常、数据缺失等数据问题确定相应的处理方法,包括样本选择、异常值检测、缺失值处理以及数据归一化,并结合实际数据验证算法的有效性和准确率。其次,对抽油机井潜力评价方法进行研究,从生产、节能、措施增产三方面确定评价指标,给出定量的计算方法,结合影响因素分析和相关性分析建立指标集,通过MDI特征选择建立评价指标体系。利用LSTM神经网络和双尺度贝叶斯方法建立指标预测评价模型,并对模型进行训练优化,结合样本数据验证模型准确率,得到平均相对误差为4.2%,证明了以上模型的实用性,进一步通过产液量、系统效率、增油量对抽油机井进行单指标潜力预测评价。最后建立多指标综合评价模型对抽油机井潜力进行综合评价。 最终,以Python为编程语言,以PyCharm为开发工具平台,在客户端(Client)-服务器(Server)模式基础上对“抽油机井潜力预测评价系统”进行开发,并对油田实际抽油机井进行实例分析,验证了所建模型的识别准确性及本系统的适用性。为油田机采系统生产管理及潜力挖掘提供了可靠的数据来源和科学依据。