过滤式自救器智能检验装置

叙述了过滤式自救器智能检验装置的自动检验并显示检验参数，自由设置报警上下限，自动存储与打印检验结果等性能。     

FANUC POWER-MATE D系统在双面卧式Ⅲ工位钻、镗、攻螺纹机床中的应用

介绍了FAUNC POWER-MATE D系统在双面卧式Ⅲ工位钻、镗、攻螺纹组合机床中的成功应用.着重分析和说明了系统控制方案和系统参数的设定,以及软硬件结构的设计思想.在实际应用中,本系统功能强、精度高、可靠性好,能够提高汽车生产厂的零部件产量和质量.     

叠合盆地石油地质特征及其研究意义

经历了多期构造变革，由多个单型盆地经多方位叠加复合而形成的具有复杂结构的盆地称为叠合盆地；多层段多期生排烃多期运聚散，多来源多阶段混合成藏，多区带多旋回改造调整，油气藏分布预测困难是叠合盆地的4个主要油气地质特征；叠合盆地的这些特点决定了其油气分布极为复杂，迫切需要新的地质理论和相关配套技术解决叠合盆地的分布规律和油气勘探。     

基于蚁群算法的组合拍卖胜者决定问题求解

胜者决定问题是组合拍卖中研究的一个重要问题.在组合拍卖的多Agent系统中,以第一价格密封拍卖方式为背景,针对胜者决定问题的一般模型,提出运用蚁群算法求最优解.该算法在搜索过程中随机放置蚂蚁,扩大了解的搜索空间,通过改变局部信息素浓度,加快了算法的收敛速度,有效缓解了算法容易出现的早熟停滞现象.与遗传算法相比,实验表明蚁群算法在早期就容易达到较好的最优解,收敛速度较快且求解质量较稳定.     

CF_(3)I-CO_(2)混合气体在稍不均匀和极不均匀场中的雷电冲击特性北大核心CSCD

为了解决当前SF替代气体的问题,近年来人们对三氟碘甲烷(CF_(3)I)及其混合气体的研究颇多,发现其混合气体在一定电压内有替代SF的潜力。通过搭建放电实验平台,控制放电间隙距离、气压和混合比率对CF_(3)I-CO_(2)的混合气体在稍不均匀电场和极不均匀电场下的雷电冲击特性进行了实验研究。研究发现CF_(3)I-CO_(2)混合气体在这两种不同电场下的击穿电压都随间隙距离呈正相关,但两者增长趋势不相同,而击穿电压随气压则表现出明显差异化的规律。在稍不均匀电场下,间隙距离较小时击穿电压与距离呈线性关系,而当间隙距离偏大时则呈现饱和状态的现象;击穿电压与气压的关系则呈现出增长速率加快的现象。在极不均匀电场下,击穿电压与距离呈饱和趋势增长;气压上则是以较慢的速率增长;此外,在一些特殊情况下还出现了极性反转现象和“驼峰”现象。通过与纯SF的击穿电压相比,两种电场下CF_(3)I-CO_(2)混合气体的绝缘性能在混合比率k=30%时最佳,可以为CF_(3)I混合气体应用于气体绝缘设备中提供参考。     

基于局部保持投影和稀疏表示的无监督特征选择方法

传统基于过滤的特征选择方法仅从统计或几何角度分别对数据集的每个特征计算某种得分选择特征,而忽略不同特征之间存在的联系.为解决该问题,利用局部保持投影和稀疏表示的优点,提出新的无监督特征选择算法.该方法通过限制特征权重的非负性和稀疏性选择特征.在4个基因表达数据集和2个图像数据集上的实验表明该方法是有效的.     

基于小样本集弱学习规则的KNN分类算法*

KNN及其改进算法使用类标号已知的数据集 对类标号未知的数据集 进行类别标识,如果 中的数据数量过少,将会影响最后的分类精度。基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对 中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到 中,最后利用扩展后的 对 中的数据对象进行类别标识。通过使用标准数据集的测试发现该算法能够提高KNN的分类精度,取得了较满意的结果。     

三维模型边缘特征与异常检测

针对三维模型识别和检测问题,提出一种新的基于边缘特征的三维模型异常检测方法。将每一个三维模型利用边缘特征表示为一条时间序列,对产生的时间序列集进行Isodata聚类,利用聚类结果经过两次划分实现异常检测。第一次划分过程产生候选异常和候选正常,第二次划分过程在候选异常中进一步选出检测结果。实验结果表明,该算法性能优于传统的基于距离、邻近度以及基于相对密度的异常检测算法,在一定条件下,也优于基于密度的异常检测算法。     

基于时间序列的AP-NN混合模型聚类

仿射传播算法是一种快速有效的聚类方法,但其聚类结果的不稳定性影响了聚类性能。对此,提出基于近邻的仿射传播算法(AP-NN),通过仿射传播算法产生初始簇,并从中选择代表簇对非代表簇的样本进行近邻聚类。在时间序列数据集上的实验结果表明,AP-NN模型算法能够产生较好的聚类结果,适用于聚类分析。     

基于最大内聚度基准的加权投票聚类集成

提出一种基于投票的聚类集成方法. 通过分析聚类结构与聚类准确率的关系, 将内聚度最高的聚类成员作为重新标记的基准以实现簇标记的统一; 同时, 根据数据点在不同聚类成员中与所划分簇中心的距离确定权值, 最终实现加权投票. 实验结果表明, 该算法在准确率和稳定性上均有较大提高.