乡镇企业安监工作的再思考

无锡市鸿山街道地处无锡东南面,与苏州仅一河之隔,属无锡的“老、少、边”地区。由于地理历史原因,鸿山街道的企业起步晚、分散广、数量多、规模小。近几年来,随着鸿山划归新区管辖,许多国内外的企业人驻,带动了鸿山的经济发展,推动鸿山企业管理上了新的台阶。然而,众多中小企业安全管理的“胎里病”仍不时发作,影响着鸿山企业安全管理的...     

EOS的成功秘诀

自1987年,佳能生产了第一台自动对焦的单反相机EOS 650,到今年佳能推出了顶级全幅相机EOS-1DX,已经过去了24个年头,在这些年中,佳能推出了众多优秀的单反相机和EF镜头。随着1995年佳能EOS DCS-1的推出,标志着佳能正式进军数码单反市场,进入数码时代。单反相机的优劣已经不止是光学和机械的比拼,而是电子综合性能的体现。众所周知,数码单反相机最关键的部什就是感光元件、数字影像处理器和镜头。随着科技的发展和不断的历练,佳能在这三方面的技术越来越成熟,并确立了自己的风格和优势。目前,佳能是唯一一家拥有光学镜头、感光元件和数字影像处理器三大技术的研发、生产技术的相机制造商。今年发布的FOS-1DX正是这些技术完美结合的最佳体现,下面就让我们细数佳能在这三方面的独到之处。     

基于隶属度分离测度SVM决策树层次结构设计方法*

从样本的类空间分布和随机测试样本对每个类别的隶属度两方面考虑,对现有的分离测度进行了改进,并给出了一种基于隶属度分离测度的SVM决策树多类分类算法.实验表明,对于随机测试样本属于每个类别的概率均不相同的多类分类问题,基于隶属度分离测度的SVM决策树在与传统的SVM决策树有着基本相同的分类精度情况下,具有更快的分类速度.     

一种判断类间空间分布情形的有效方法

层次结构设计是层次支持向量机应用中的关键问题,不同层次结构下,层次支持向量机的分类性能有很大差别.分析了层次支持向量机及其存在的问题,提出了一种有效判断类间空间分布情形的简单方法.仿真试验表明,基于该方法设计的层次支持向量机与基于传统方法设计的层次支持向量机相比,具有较高的分类精度.     

基于SVM决策树判别测试点类别的新方法

从测试点的类别判断方式上进行改进，对容易错分的测试点给予多次判别机会，从而降低了SVM决策树的错分累积程度。仿真试验表明，改进的基于SVM决策树判别测试点类别方法与传统的基于SVM决策树判别测试点类别方法相比，具有较高的分类精度。     

基于支持向量回归的腔体滤波器机电耦合建模与优化

为了提高装配后的滤波器电性能和成品率,该文提出了一种基于支持向量回归的腔体滤波器机电耦合建模和优化方法。该方法根据工程中积累的经验数据,首先应用改进的多核线性规划支持向量回归算法建立了制造精度对滤波器电性能影响的机电耦合模型,然后应用此模型优化了滤波器的制造精度,从而获得了最优的机械结构尺寸。实际滤波器的实验结果验证了该方法的有效性。该方法可用于批量生产的腔体滤波器的计算机辅助制造系统中。     

双圆极化微带天线的设计

研究了小型化双圆极化微带天线的设计方法。重点讨论了实现双圆极化、宽波束宽度微带叠层天线小型化的实现方法,并利用仿真软件进行仿真分析,在此基础上研制了样件,对其电性能进行了测量,测量结果表明:此微带天线具有圆极化、宽波束宽度和小型化的特点。     

一种新的模糊支持向量机多分类算法*

在模糊多分类问题中,由于训练样本在训练过程中所起的作用不同,对所有数据包括异常数据赋予一个隶属度。针对模糊支持向量机（fuzzy support vector machines,FSVM）的第一种形式,引入类中心的概念,结合一对多1-a-a(one-against-all)组合分类方法,提出了一种基于一对多组合的模糊支持向量机多分类算法,并与1-a-1(one-against-one)组合和1-a-a组合的分类算法比较。数值实验表明,该算法是有效的,有较高的分类准确率,有更好的泛化能力。     

齐鲁商会大厦深基坑设计与施工

1工程概况 由齐鲁商会大厦有限公司投资兴建的齐鲁商会大厦工程,是一座集写字间、公寓、商业金融、餐饮娱乐等为一体的综合性超高层建筑.建筑面积82750m2,其中地下室12240m2,地上70510m2,建筑地上主体30层,高度119.9m,地下三层,基坑深度16.8m.基础采用人工挖孔灌注桩基础.其南侧地下室筏板外边线距口腔医院办公楼(地上八层,地下一层,片筏基础埋深约4.5m)围墙4.68m;西侧基础边缘距居民楼(4栋50年代建造的2～4层砖混结构,毛石条形基础埋深1.5m)外墙10m,北侧地下室筏板外边线距经五路人行道红线最小距离为4m;东侧地下室筏板外边线距大纬二路路人行道红线最小距离为1.9m,路下有防空洞及各种管线纵横交错复杂.场区地层如表1.     

基于多个混合核函数的SVM决策树算法设计

不同的核函数具有不同的特性,SVM决策树中每个子SVM面对的分类对象不同,选取的核函数及其参数也应该不同。通过调节混合核函数的参数形成不同的核函数,给出了一个用多个混合核函数训练SVM决策树的多类分类算法。仿真试验表明,该算法与只用一个核函数训练SVM决策树的算法相比,具有较高的分类精度。