GOS+MU:一种查询对象选择新方法

在分析单一MU(Most Uncertainty)采样缺陷的基础上,提出一种"全局最优搜寻"方法 GOS(Global Optimal Search),并结合MU共同完成查询选择。GOS+MU方法中,GOS着眼全局寻找目标,在应用环境能提供的训练样本数量有限、分类器受训不充分时,该方法选择的对象学习价值高,能快速推进分类器学习进程;MU则能够在GOS采样失效情形下,利用分类器当前训练成果,选择查询不确定性最强的样本补充训练集。通过对网络商品的用户评论进行分类仿真,并比较其他采样学习方法的效果,证明了GOS+MU方法在压缩学习成本、提高训练效率方面的有效性。     

基于小波变换的场强定位算法

利用服务基站与移动台之间的场强测量值来进行移动台位置估计,并从场强信号传播模型和定位算法出发,提出了一种基于小波变换的改进场强定位算法。通过小波变换来修正传播误差,然后利用LS算法进行定位。仿真结果表明,该基于场强的移动台定位方法在一定程度上提高了定位精度,定位效果明显优于Chan算法、LS算法、Taylor算法。     

一种基于非下采样Contourlet变换的去噪算法

文章提出了一种新的去噪算法,算法是基于非下采样Contourlet变换(NSCT)的自适应阈值。首先需要对含噪图像进行非下采样Contourlet变换,然后得到各个尺度各个方向子带的系数。为了克服软、硬阈值函数的缺点,提出了一种自适应的新阈值函数。仿真实验表明,文章方法在峰值信噪比(PSNR)、信噪比(SNR)、均方误差(MSE)与视觉效果上均优于其他去噪算法。     

继电保护中多路模拟量采集系统的设计

介绍了一种基于高性能浮点DSP芯片TMS320C32、CPLD芯片XC95288和A/D采样芯片AD976组成的多路采集系统的工作原理以及设计方法。通过对第一路施加特殊的电压量,在CCS开发环境下读取采样缓冲区的值,并利用Matlab对采样数据进行了全波傅氏变换。此外,该系统已在继电保护中得到广泛应用,实践表明,该系统能较好地解决多路模拟量的采集,并确保了采样数据的安全可靠性。     

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。     

马钢二烧结配料计算机控制系统

阐明了马钢二烧结配科计算机控制系统的目的、控制形式、控制原理；根据烧结配料控制对象的特点对信号采样和控制算法进行了探讨；提供了系统的主要硬件结构，软件功能和程序框图。     

二维离散小波变换的FPGA实现

提出了一种二维离散小波变换的FPGA实现方法．并对设计结果进行了功能和时序仿真。本设计方案不仅可以满足实时性的要求，而且采用模块化设计，可以实现多级小波变换。     

原油自动采样系统

1．原油自动采样系统的设计 该原油自动采样系统由PB型静态混合器和KYZC-1原油自动采样装置组成。其中，KYZC—1原油自动采样装置由防爆电磁阀、小型的油气分离器、电子计量秤、操作显示控制面板及电源线、电缆等主要部件组成。混合器混合均匀的多相流体经进油管线通过电磁阀控制进入分离器内，气体从排气阀排出，油、水混合液体经分离器出口流入样桶内，采集的重量、每次采集时间和采集间隔时间可通过控制面板进行调节，从而实现定时、定量采样。