一种改进的基于小波分析的假指纹检测方法

假指纹检测技术用于检测假指纹对生物系统的攻击,笔者提出了一种改进的基于小波分析的 假指纹检测算法．在原始小波分析方法对图像进行去噪处理后,将去噪图像和残留噪声图像用于计 算局部二值模式直方图,从而提取得到指纹特征,该方法比原始小波分析方法可得到更多的纹理信 息．随后用ＳＶＭ－ＲＦＥ方法进行特征选择．最后,支持向量机ＳＶＭ 用于分类．在第二届假指纹检测 竞赛提供的数据库和第三届假指纹检测竞赛提供的数据库上的测试得到,此方法的分类准确率分 别为８８．７５％和８９．３７％,而第二届假指纹检测竞赛优胜者的分类准确率为７４．４１％,第三届假指 纹检测竞赛优胜者的分类准确率为８６．６３％．     

FIXDMACS工控系统报表生成方法与比较

针对目前采用ＦＩＸＤＭＣＡＳ的工业过程自动控制系统使用ＥＸＣＥＬ制作 报表系统时所存在的问题,提出了了应用ＶＩＳＵＡＬｂＡＳＩＣＹＭＦ ＥＴ ＡＡＯＧＦＰＴＫＲＰＲＭＴＸＸＹＯＶＲ根据某厂烧结配料自控系统的具体实际对两种生成方法进行了比较     

IMPROVEMENT OF THE PLOT METHOD OF FATIGUE LIFE PREDICTION FORMULA

ＩＭＰＲＯＶＥＭＥＮＴＯＦＴＨＥＰＬＯＴＭＥＴＨＯＤＯＦＦＡＴＩＧＵＥＬＩＦＥＰＲＥＤＩＣＴＩＯＮＦＯＲＭＵＬＡ＊ＬｉｕＹｉｌｕｎＹａｏＷｅｉ（ＣｏｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ,ＣｅｎｔｒａｌＳｏｕ...     

一种用于时空模式识别的综合神经网络

介绍了一种用于时空模式识别的综合神经网络模型，称为ＴＳ－ＬＭ－ＳＯＦＭ．该网络的顶层是一种称为ＴＳ（ｔｅｍｐｏｒａｌｓｅｑｕｅｎｃｅ）的单层时序识别网络，可以把时序模式转换成抽象的空间模式．该网络的底层是ＳＯＦＭ（自组织特征映射网络），用于空间模式特征检测．ＬＭ（学习矩阵）用于上述两层的联接．在实验中，用移动机器人超声阵列传感器作为输入训练，结果表明，该神经网络输出的模式能够较好地抽象表示输入信号的时空特征．     

从噪声中提取瞬态信号—自适应权向量法

本文提出一种自适应方法，从宽带噪声中检测瞬态信号．由于检测是在自适应权向量空间进行的，因此称之为自适应权向量法（ＡＷＶＭ）．文中对ＡＷＶＭ的机理进行了分析．仿真结果证实了理论分析的正确性，并显示出ＡＷＶＭ处理系统可显著地提高检测的信噪比     

用子空间方法对拖线阵海试数据处理与分析

采用特征矢量（ＥＶ）法、ＭＵＳＩＣ法和ＥＳＰＲＩＴ等子空间方法，对拖线阵海试数据进行了处理研究，并和常规波束形成方法（Ｂａｒｔｌｅｔｔ法）、最大似然（ＭＬ）法进行了比较．通过拖线阵海试数据的处理，对应用子空间方法进行方位估计时所遇到的一些问题进行了研究．结果表明：子空间方法在水声中是一种具有应用前景的方法，尤其在短基阵就更具有优越性．     

基于ＳＶＭ 的汽车涂装线设备故障诊断

针对汽车涂装线设备故障无法及时发现和排除的困难,提出基于支持向量机的汽车涂装线设 备故障诊断方法．该方法采用统计学习理论中结构风险最小化原则,克服了传统渐进理论机器学习 算法的不足,适用于有限样本下模式识别问题,使预测结果更准确．依据烘房加热系统监测参数和 故障类型构建ＳＶＭ 分类器,并采用交叉验证网格搜索法寻优各分类器的核参数及惩罚参数,建立 ＳＶＭ 故障诊断模型;将ＰＣＡ降维后的样本参数进行充分仿真训练,仿真结果表明该方法能够有效 地对设备故障进行分类．     

基于粒子群优化算法的ＬＳ_ＳＶＭ的ＧＰＳ高程拟合

在ＧＰＳ高程拟合中,传统拟合方法存在多数据、过学习、泛化能力弱等缺点,导致拟合结果精度欠缺,为此提出了ＬＳ^_ＳＶＭ拟合模型。利用粒子群算法对ＬＳ^_ＳＶＭ模型的初始参数进行了优化,通过实测数据对该模型进行了分析。实验结果表明,基于粒子群算法优化的ＬＳ^_ＳＶＭ模型较传统单一的二次曲面拟合法、ＢＰ神经网络、ＬＳ^_ＳＶＭ等模型拟合精度高。     

文本分类中特征项权重的计算方法

特征项权重的计算方法是基于向量空间模型的文本分类中一个核心问题，计算方法的选择关系到最终分类的效果．本文对文本分类中特征项权重的计算方法进行了说明，并根据实验对几种特征项权重的计算方法进行了比较。     

黑曲霉AS0023果糖转移酶和转化酶的酶学特性

研究了从黑曲霉ＡＳ００２３分离和纯化的果糖转移酶（ＦＴＳ）和转化酶（ＩＮＶ）的酶学特性,ＦＴＳ专一催化果糖转移反应,ＩＮＶ专一催化水解反应,ＦＴＳ和ＩＮＶ的最适ＰＨ和温度分别是５．８和５０℃,４．４和５５℃;用１ｍｍｏｌ／Ｌ的Ｈｇ＾２＋处理,ＦＴ完全失活而ＩＮＶ仍维持７２％的活性;这两种酶的酶动力学常数明显不同,以蔗糖为义莪时,ＦＴＳ和ＩＮＶ的Ｋｍ值分别为４４．３８ｍｍｏｌ／Ｌ和３５．６７ｍｍｏｌ     

一种随机并行算法及其在VLSI布图中的应用

在ＶＬＳＩ布图中，有许多可以归结为组合优化的问题，用传统方法解决这类问题时，很容易陷入局部极值．利用一种随机并行算法－Ａｌｏｐｅｘ算法，通过将ＶＬＳＩ布图中的一些问题公式化，并选择适当的退火策略和参数值来寻找一个代价函数的全局极值以得到最佳结果．通过实例进行了验证，得到了比较好的结果．     

基于自组织特征映射网络的纹理分类研究

提出了基于自组织特征映射网络（ＳＯＭ）的纹理分类方法。采用了适合纹理分析的纹理谱（ＴＳ）的概念，并在分类过程中引入了纹理谱特征向量，纹理谱向量是ＴＳ经过降维处理得到的．该特征向量反映了空间模式的纹理特征．在学习（训练）与分类识别中，采用了神经元网络模型．与ＴＳ相对应的特征向量重复地送入ＳＯＭ网络的输入端，网络的权向量则逐渐地将样本值聚类到各自的样本中心．计算机模拟实验表明，作者提出的纹理分类方案十分有效而且实用．本方案计算量小，学习周斯短，识别率高．本文最后给出了实验结果及分析．     

THE DYNAMICAL LOADING ON ROCK WITH DIFFERENT LOADING WAVE SHAPES CONVENTIONAL SHPB

ＴＨＥＤＹＮＡＭＩＣＡＬＬＯＡＤＩＮＧＯＮＲＯＣＫＷＩＴＨＤＩＦＦＥＲＥＮＴＬＯＡＤＩＮＧＷＡＶＥＳＨＡＰＥＳＣＯＮＶＥＮＴＩＯＮＡＬＳＨＰＢ＊ＸｕＪｉｃｈｅｎｇＬｉＸｉｂｉｎｇ（ＩｎｓｔｒｕｍｅｎｔＴｅｓｔａｎｄＡｎａｌｙｓｉｓＣｅｎｔｒｅ,Ｃｅｎ...     

VFP5.0下多媒体播放器的设计与实现

本文介绍了一种利用ＶｉｓｕａｌＦｏｘＰｒｏ５．０中的ＡｃｔｉｖｅＸ控件和ＭＭＳＹＳＴＥＭ中的ＭＣＩ函数来设计自制的多媒体播放器的方法。该播放器能播放ＤＡＴ、ＡＶＩ、ＭＯＶ、ＭＡＶ、ＭＩＤ等可视的或非可视的多媒体文件。     

虚拟专用网中的安全隧道技术研究

描述了ＶＰＮ及隧道技术的基本概念,分析了Ｌ２ＴＰ实现ＶＰＮ时存在的问题,并提出了Ｌ２ＴＰ与ＩＰＳｅｃ相结合建立安全虚拟专用网的方法,以及应如何扩展Ｌ２ＴＰ协议使之与ＩＰＳｅｃ结合得更加紧密．     

LSL自适应权向量法检测弱脉冲信号方法研究

自适应权向量ＬＭＳ算法用于检测弱信号具有收敛响应较慢的缺点，本文应用自适应权向量格型ＬＳＬ算法检测噪声中的射频弱脉冲信号取得满意结果。仿真检验表明，本文方法用于检测快变弱信号是一种行之有效的方法。     

虚拟共享存储体系结构并行计算机的原理和实现技术

根据不同的耦合程度，并行计算机的体系结构可以分为两类：共享存储器体系结构（ＳｈａｒｅｄＭｅｍｏｒｙＡｒｃｈｉｔｅｃｔｕｒｅ—ＳＭＡ）以及分布式存储器体系结构（ＤｉｓｔｒｉｂｕｔｅｄＭｅｍｏｒｙＡｒｃｈｉｔｅｃｔｕｒｅＤＭＡ）．分布式存储器结构的并行机比共享存储器结构的并行机具有更好的灵活性和可扩展性，但用户在分布式存储器结构的并行机上开发软件的难度特别大．本文介绍这两种并行计算机体系结构的概念和特点，以及将一个物理上的ＤＭＡ并行机构成一个逻辑上的ＳＭＡ并行机，即虚拟共享存储体系结构（ＶｉｒｔｕａｌＳｈａｒｅｄＭｅｍｏｒｙＡｒｃｈｉｔｅｃｔｕｒｅＶＳＭＡ）并行计算机系统的原理和实现技术．     

在窄带干扰下FD/SSMA扩频多址系统的性能分析

多载波频率分集扩展频谱码分多址通信（ＦＤ／ＳＳＭＡ,Ｆｒｅｑｕｅｎｃｙ ＤｉｖｅｒｓｉｔｙＳｐｒｅａｄ Ｓｐｅｃｔｒｕｍ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ ）系统是一种基于多载波传输、利用与直接序列扩展频谱码分多址系统（ＤＳ／ＳＳＭＡ）的时间－ 频率对偶关系而提出的新的扩展频谱多址方案． 本文分析在ＡＧＷＮ 信道下ＦＤ／ＳＳＭＡ 的抗窄带干扰能力,并利用高斯近似及仿真得到了系统的平均误比特率．     

基于特征选择和SVM的电信客户离网预测

针对数据挖掘算法在预测电信客户离网时存在的过拟合问题,提出一种基于特征选择和支持向量机的电信客户离网预测算法。将原始的电信数据分别进行数据缺失值填充、数据冗余识别、数据结构化和数据归一化等预处理,得到利于分析处理的规范性数据;利用信息增益完成特征选择,提取影响客户离网的主要因素,降低数据维度,防止出现过拟合现象。将经过特征选择后的数据作为支持向量机算法的输入数据对客户是否离网进行分类,预测客户是否存在离网行为。测试结果表明,该算法预测离网客户的正确率为86%,提升了离网客户预测准确率。     

LY732－PMOSFET电场效应过程的计算机模拟

本文分析及研究了对绝缘栅ＬＹ７３２－ＰＭＯＳ－ＦＥＴ结构所进行的工艺及器件模拟的数据，重点在栅源偏压（ＶＣＳ）与ＭＯＳ结构界面电荷分布的定量关系上得到了与实验一致的结果，定量地描述了在常规偏压条件下硅衬底表面电荷的分布及行为，从而揭示了Ｐ－ＭＯＳＦＥＴ电场效应的微观过程．