基于增量贝叶斯的双偏振气象雷达降水粒子分类方法

面对降水粒子分类过程中可能存在的样本数不足,样本质量不高的问题,提出一种基于增量贝叶斯的双偏振气象雷达降水粒子分类方法。该方法首先处理有标签的训练数据集,获取属性节点和类节点之间的条件概率表构建朴素贝叶斯分类器;接着使用朴素贝叶斯分类器分类无标签数据,判断类置信度值后将符合条件的数据追加到训练数据集中,最后修正朴素贝叶斯分类器完成增量学习,得到增量贝叶斯分类器实现降水粒子分类。增量贝叶斯分类器不仅能够增加有效的数据样本,还能够及时更新分类器从而提高其泛化性和适应性,分类结果的准确性也得到了一定的改善。     

基于服务分类和性能监测的负载均衡研究

负载均衡在集群系统中的作用日益重要,而现有算法的效率不高、部署复杂的原因限制了其更进一步发展。通过分析不同类型的服务请求对服务器造成不同负载,结合监测服务器的CPU和内存利用的即时性能,在克服了现有负载均衡算法的一些缺陷基础上提出了一种简单稳定的基于服务分类和性能监测算法,并通过Web压力测试实验比较了该算法在实际应用中的均衡性能。结果验证了其在服务器集群系统有大的访问请求量时有突出性能,能够使集群系统达到良好的负载均衡。     

基于贝叶斯判别的激光除漆声学监测方法研究

为了解决激光除漆声学监测方法难以满足实际生产需要的问题,采用贝叶斯判别方法进行了理论分析和实验验证,将除漆过程分为正在清洗、清洗完成且基底无损伤、基底损伤3种类别,结合光声效应分析除漆声信号在清洗过程的变化,提取特征参量建立判别模型,实现了对激光除漆的定量判别。结果表明,训练样本准确率达到99%,测试样本准确率达到98.7%。该方法具有较高的准确性和实用性,可为激光清洗声学监测的研究提供借鉴。     

一种复杂噪声环境下的机电系统故障在线监测声学处理方法

针对复杂背景噪声环境下的机电系统故障检测问题,文中提出了一种基于宽带声学处理的噪声抑制和故障监测方法。该方法以声学信号拾取和处理为出发点,通过对机电设备正常运行状态下声学信号进行采集、数据跟踪和复杂背景噪声抑制,建立系统正常运行状态声纹库,并进一步通过基于宽带声学处理的声纹信号匹配和模式识别技术来实现故障信号的检测与分类,进而实现对机电系统运行状态的在线监测和隐形故障的自主预警。该处理方法将基于数据跟踪的自相关噪声抑制技术与基于宽带声学处理的故障信号检测以及分类判型技术有机结合,可对机电系统早期隐性故障进行监测,有效解决了复杂噪声环境下的机电系统故障检测问题。仿真实验也证明了该处理方法的有效性和良好的实用性。