基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。     

基于模式间混淆关系自适应构建层次化分类器

为了解决层次化分类器的设计难点——子分类器的层属关系及其内部组成的确定,本文首先定义了模式间混淆关系,用于描述不同模式在判决域中的相互作用;进而提出了基于混淆矩阵度量模式间混淆关系的方法。设计并实现了多模式混淆关系分析机MPCRAM,将有师指派和无师自组两种常用的模式重组方法有机结合,遵循Fisher准则,自适应地产生层次化分类器结构。大量综合测试证实了该方法有效、实用,可显著提高分类器的识别性能和稳健性。     

树状多层级联是一个新的创举——中国人寿网络视频系统建设案例分析

中国人寿保险股份有限公司（简称中国人寿）是世界500强排名前列的大型企业。为了有效快速应对变化多样的市场、提高全公司人员的整体素质。有效开展培训教育工作、统一部署工作。规范宣传和销售产品。需要进行一整套网络视频系统的建设。经严格的评选与专家组打分，在国内外众多视讯厂商中具有世界领先科技水平的AVCON网络视频会议系统脱颖而出。技压群雄。一举中标。[编按]     

衍射光学元件用于光学图像加密

密码技术是信息安全的核心技术，其作用在于对文字、声音和图像等三类信息实行保密存储、保密传输、安全认证、身份鉴别和安全控制．由于光学系统具有高速并行处理能力以及可调制参量多等优点，将光学与现代密码学相结合，研究光学系统、理论和方法用于图像加密和解密，已成为一个非常重要的研究领域。     

LCAS使带宽随需而动

随着宽带接入技术的普及，数据业务在通信网络中所占的比重越来越大。现在SDH网络仍然是传输网的主要组成部分。用SDH网络传输数据业务会产生两个问题一个问题是用带宽为155Mb／s、622Mb／s、25Gb／s、10Gb／s的SDH技术来传送带宽为10Mb、100Mb、1000Mb／s的突发性的数据业务，势必造成带宽的浪费，另一个问题是要传送     

下一代宽带无线的MIMO-STC、Turbo码及OFDM级联传输策略(Ⅰ)

本文在简要回顾MIMO-STC[多输入、多输出(天线)-[空时编码]Turbo码(透平码或增强型反馈码)及OFDM(正交频分多路复用)技术特征基础上,重点论述MIMO-STC与Turbo码及OFDM级联传输技术,及其对下一代宽带无线(NGBW)演进发展具有的突出优势与战略重点性.