针对细微特征进行K-means聚类的电台分选识别技术

现代战场中的无线通信设备日益增多，精准获取个体信息已成为研究热点，但也是难点。针对通信电台，提出了一种分选识别技术。该技术从电台物理层特性出发，对其辐射信号的细微特征进行K-means聚类以实现分选，分选的同时提取各个个体的特征属性值，未知信号通过与特征属性值相关运算实现个体识别。该技术无需先验知识，无需训练运算，通过实验验证，其可行、高效，易于工程实现。     

综采工作面设备安装开切眼的支护设计及现场监测

针对开切眼跨度大造成工作面受到地质灾害的问题,以8702工作面为例,在研究其地质、顶底板情况的基础上,提出开切眼支护的原则,并结合现场情况完成锚杆+锚索+金属网的联合支护参数的设计,最后设计监测方案,对开切眼支护方案的有效性进行验证.实践表明,所采用的的支护方式应用效果良好.     

运动方程自适应步长求解的一个新进展——基于EEP超收敛计算的线性有限元法

该文采用最简单的Galerkin型线性单元,对运动方程构建了简捷高效的单步法递推公式;进而基于EEP超收敛计算技术,开发了单元步长自动优化和结点位移精度修正两项关键技术,可在整个时域上得到误差分布均匀且逐点满足给定的误差限的解答——堪称数值解析解。该文给出了单自由度和多自由度的数值算例以验证本法的有效性。     

结合背景网格的点球弹簧修匀法网格变形

在弹簧类网格变形方法中,点球弹簧修匀法存在收敛较慢的问题.提出一种利用背景网格进行加速收敛的方法.首先在粗化的背景网格上进行变形,然后将粗网格节点的变形结果和细网格边界上的运动节点一起作为初始扰动对细网格进行变形,变形方法采用点球弹簧修匀法.算例表明,该方法在求解二维或三维问题时,与点球弹簧修匀法相比,满足收敛条件的迭代步数减少了72%～88%,单步耗时减少了38%～78%.     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

矿用动力电池荷电状态预测

针对最小二乘支持向量机(LSSVM)用于预测矿用动力电池荷电状态(SOC)时正则化参数和核函数参数难以优化选择,灰狼优化(GWO)算法在单独求解约束优化问题时出现早熟、稳定性差、易陷入局部最优等问题,在差分进化灰狼优化(DE-GWO)算法的基础上,采用指数函数形式的非线性收敛因子对DEGWO算法进行改进。该非线性收敛因子在迭代过程前段衰减速率低,能更好地寻找全局最优解,在迭代过程后段衰减速率高,能更精确地寻找局部最优解,有效平衡全局搜索能力和局部搜索能力。实验结果表明,利用改进DE-GWO算法优化LSSVM参数后建立的矿用动力电池SOC预测模型最大绝对误差为3.7%,最大相对误差为5.3%。