基于LabVIEW的往复式摩擦试验机研制

设计并搭建了测量液压缸、乳化液泵柱塞及滑阀阀芯等移动副摩擦学性能的往复式摩擦试验机,开展了相关功能性试验研究。试验机通过应变片将摩擦力导致的柔性检测梁挠度微变形转化为电信号,并借助LabVIEW平台搭建了试验机测控系统,再结合小波包去噪与算术平均值的方法对采集数据进行后处理,实现摩擦系数、载荷、温度等测量数据的实时采集与同步显示,在此基础上针对圆柱试样开展不同载荷和转速条件下的摩擦试验研究。研究表明:试验机性能稳定,测量结果符合摩擦学规律,尤其适合开展小载荷范围(50 N～250 N)下的往复摩擦磨损试验研究。     

知识与数据的融合推动人工智能发展

<正>1纯数据驱动的人工智能的成功与危机并存当前,人工智能技术突飞猛进,各类应用爆发式增长,人工智能正在融入到人们的生活和生产的方方面面。近年来,机器学习,特别是深度学习,有效地拓展了人工智能所能解决问题的边界,在智慧交通、平安城市、个人助手、娱乐、金融与智能制造等领域已经有了比较广泛的应用。当前流行的机器学习属于纯数据驱动的人工智能     

机会式频谱接入问题基于事件的优化方法

研究机会式频谱接入技术中次用户对可利用频谱进行探测和接入策略的优化问题. 通过引入事件的概念, 将含有可数无限状态的原问题转化为包含有限个事件的决策问题. 从性能灵敏度的角度出发, 分析不同策略下平均传输率的差异, 给出了基于事件策略的性能差分公式. 以此为基础, 通过合理的近似, 设计了基于事件的策略迭代算法. 仿真示例验证了所提出算法的有效性和近似处理的合理性.

     

一种适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法，采用基于描述性模型的多类分类器（modified quadratic discriminant function，MQDF）作为Adaboost基元分类器，可直接进行多类分类，无需将多类问题转化为多个两类问题处理，其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重，实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度，提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR—HCD数据集上进行实验证明，所提改型Adaboost算法提高了识别率的有效性，该算法的相对错误率比现有最优算法分别下降了14．3％．8．1％和19．5％．     

带约束二进制矩阵编码染色体及遗传算子设计

提出了一类带约束的二进制矩阵型染色体的编码方法.相对于传统向量型染色体编码方法而言,该方法可以通过在矩阵中设置"禁止位"将复杂优化问题的若干约束条件在编码中体现出来.此类染色体的交叉和变异操作不能采用传统方法,否则子代染色体可能成为问题的非法解.设计了一种针对此类型染色体的巡回变换操作,基于该操作可以实现用于带约束二进制矩阵编码染色体的交叉和变异算子.仿真实例表明,此类染色体及遗传算子的设计对于遗传算法用于复杂优化问题的求解,具有一定意义.     

基于深度学习的作曲家分类问题

在音乐信息检索领域,作曲家分类是一个十分重要的问题,这一问题的目标是通过音频数据来识别相应的作曲家信息.传统的分类算法都是通过提取复杂的特征来进行分类的,而深层神经网络在特征学习上具有比较强的能力,因此提出用深层神经网络来解决这一问题.为了结合不同深层神经网络模型的优点,设计了一种混合模型,该模型基于深度置信网络(deep belief network,DBN)和级联去噪自编码器(stacked denoising autoencoder,SDA),可以较好地解决作曲家分类问题.实验表明,该模型取得了76.26%的正确率,这一结果比单纯用某一种模型搭建的深层神经网络以及支持向量机要好.和图像数据类似,人脑在提取音乐特征也是分层的,每一层对信号的处理不一样,因此混合模型在解决作曲家分类问题上具有一定的优势.     

基于计算机视觉的人体运动目标检测

基于计算机视觉的人体运动目标检测是计算机视觉领域中倍受关注的前沿课题。本文采用小波变换的方法,有效地处理了普通CCD摄像机所采集的人体运动图像的模糊,同时,去除了阴影对图像处理的负面影响,较好地提取出基于标志点的人体运动图像的边缘,为人体步态分析系统的研发提出了一个切实可行的方法。