故障绝缘子的发热机理及其红外热像检测

绝缘子故障主要指绝缘电阻劣化和表面污秽.在分析讨论引起绝缘子发热的电阻劣化和表面污秽机理基础上,利用绝缘子等值电路模型分析了绝缘子在电阻劣化和表面污秽时的发热规律以及实际运行绝缘子的热像特征.结果表明:低值、零值和污秽绝缘子的发热规律和热像特征具有明显的差异,故可用高分辨的红外热像仪来检测和分析实际运行中的绝缘子运行状...     

基于Hopfield－Tank模型的神经网络的变参数方法

本文分析了Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型在收敛性，稳健性，优化率以及计算速度方面存在的问题，之后根据外部惩罚函数法的基本思想提出了一种新的方法基于Ｈｏｐｆｉｅｌｄ－Ｔａｎｋ模型的神经网络的变参方法．本文还对ＴＳＰ的能量函数进行了改进，并对我国３１个城市的ＴＳＰ进行了软件模拟，得出了１５６４０公里的最短路径，在收敛性，稳健性，优化率以及计算速度方面的结果都十分满意．     

Hopfield-Tank模型的收敛性证明

本文研究了Hopfield-Tank能量函数在Hopfield网络中的收敛性以及优化率方面的问题.虽然离散的Hopfield网络模型与连续的Hopfield网络模型都有严格的收敛性证明,但是Hopfield-Tank模型一直没有人给出严格的收敛性证明.本文指出连续的Hopfield网络模型与Hopfield-Tank模型是有区别的,所以需要另外给出Hopfield-Tank模型的收敛性证明.因此本文给出了Hopfield-Tank模型的收敛性证明,这一证明使Hopfield网络的优化计算理论更加完善.文中还讨论了网络参数1/τ对极小点的影响以及合适的取值范围.     

一种新的求解集合覆盖问题的启发式算法

给出一种新的求解集合覆盖问题的新的启发式算法,对该算法的合理性,时间复杂性以及解的精度进行了分析,主要创新点是用完备策略建立启发式算法。该方法具有一定的普遍性,可以应用到其它的ＮＰ困难问题。本算法应用到规则学习问题建立了新的规则学习算法,示例分析表明了该算法的有效性。     

基于投票准则的惩罚函数及其多命题推理系统

Gadi Pinkas提出的基于惩罚逻辑函数的非单调推理系统,应用到智能机器人路径规划和采煤机械设备故障诊断问题时,惩罚函数不能很好地反映人类的智能．为此,提出了投票表决准则及其惩罚函数的构造方法．实验结果表明,该惩罚函数在一些实际应用领域中比Gadi Pinkas给出的惩罚函数更为合理、有效．     

连续属性空间上的规则学习算法

文章研究连续属性空间上的规则学习算法。首先简述了研究连续属性空间上的规则学习算法的目的和意义,并将规则学习理论中的一些基本概念推广到连续属性空间。在此基础上,研究了连续属性空间离散化问题,证明了属性空间最小离散化问题是NP困难问题,并将信息熵函数与无穷范数的概念应用到连续属性离散化问题,提出了基于信息熵的属性空间极小化算法。最后,提出了连续属性空间上的规则学习算法,并给出了数值实验结果。     

基于信息熵的特征子集选择启发式算法的研究

特征子集选择问题是机器学习和模式识别中的一个重要问题，最优特征子集选择问题已被证明是ＮＰ难题。然而，目前的特征子集选择的启发式算法是基于正反例一致的，没有考虑到实际应用中的噪音数据影响，使得选择一个较好的特征子集非常困难，首先从统计学的角度分析了噪音对特征子集选择的影响，给出了含有错误率的一致特征子集概念，然后利用信息熵和拉普拉斯错误估计函数构造了特征子集选择启发式算法ＥＦＳ。     

多文档文摘中基于时间信息的句子排序策略研究

文摘句排序是多文档自动文摘中的一个关键技术,直接影响到文摘的流畅程度和可读性。文本时间信息处理是影响排序算法质量的瓶颈技术,由于无法获得准确的时间信息,传统的句子排序策略均回避了这一问题,而且均无法获得稳定的高质量的排序效果。对此该文从文本时间信息处理入手,首先提出了中文文本时间信息抽取、语义计算以及时序推理算法,并在此算法基础上,借鉴传统的主成分排列的思想和句子相关度计算方法,提出了基于时间信息的句子排序算法。实验表明该算法的质量要明显好于传统的主成分排列算法和时序排列算法。     

基于规则学习的前馈神经网络

提出了用规则学习方法得到的规则建立人工神经网络的方法基于规则的神经网络方法。它是一种规则学习方法和人工神经网络各自取长补短有机结合的方法。它即避免了规则学习方法的识别速度慢和神经网络训练慢的缺点,又保留了规则学习方法的训练速度快,聚类能力神经网络的识别速度快,可硬件实现的优点,它为大规模训练样本来建立神经网络识别系统开辟了一条新途径。     

小波去噪与平均算法去噪在拉曼光谱中的应用

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限,现有滤波方法在光谱信号除噪方面有种种缺陷.使用自适应小波阈值函数滤噪法和平移不变量小波去噪法两种方法,并分别与传统方法平均算法相结合,实现了信号与噪音的有效分离,均取得了很好的效果.即使对信噪比小于1的高噪声信号也能够很好地保留了信号的细节,获取满意的处理结果.