CAE技术在高速列车研发中的应用

现代计算机技术和商用有限元软件的高度发展,促使CAE技术应用到工业产品设计的各个领域．轨道交通领域也不例外,特别是随着我国高速列车技术的快速发展,提高企业自主研发能力、缩短研发周期已成为车辆制造企业的新挑战．学习国外先进经验,在新产品研发中大力推进CAE技术已成为行业共识．     

基于TSpaces的并行计算环境

讨论TSpaces技术的通讯和同步机制,提出一种基于TSpaces的并行计算模型,设计基本并行函数。实验结果表明该并行计算环境的可行性、实用性。     

GPGPU编程技术初探

伴随着GPGPU计算技术的不断发展,HPC高性能计算系统体系结构正在悄然发生着一场变革,这场变革为高性能计算发展提供了一个新的方向、CUDA是NIVIDIA公司提供的利用GPGPU进行并行运算应用开发的一套C语言编程平台,通过它可以利用特定显卡的高性能运算能力进行一些大规模高性能计算,有效提升计算机系统的使用效率,本文主要介绍GPU发展现状以及如何利用CUDA编程技术进行并行运算软件开发．     

架空跨海电缆净空高度动态监测系统设计

根据架空跨海电缆的特点,设计了一种以单片机为中心的净空高度动态监测系统。文中给出了一些主要硬件模块的设计方法和GPS数据的解析程序。经实验测试,该系统能有效地保证电缆的安全运行。     

结合遗传算法与LSSVC的网络异常检测

计算机网络攻击的多样性及隐蔽性,导致了其难以被检测,针对保护网络的安全性,准确识别网络异常问题,为了克服传统网络异常检测技术检测精度低等缺点,提出基于遗传算法优化的最小二乘支持向量机的网络异常检测方法.最小二乘支持向量机分类器(LSSVC)是一种进化的支持向量机分类器(SVC),通过构造新的二次损失函数以解决支持向量机中的二次规划问题.遗传算法用于选择合适的最小二乘支持向量机参数.选取KDDCup99数据测试采用提出的方法检测性能.实验结果表明遗传算法优化的最小二乘支持向量机分类器的网络异常检测精度高,效果好,为网络安全提供了保证.     

基于震动信号HHT的车辆分类

震动传感器是智能监控传感器系统的重要组成部分。震动信号是一种非线性非平稳信号。相比于传统的时频分析方法,对希尔伯特-黄变换是一种更有效地处理非平稳信号的时频分析方法。将希尔伯特-黄变换引入到车辆分类中,提取震动信号特征信息,利用经验模态分解(EMD)获得车辆行驶引起的地面震动信号的固有模态函数(IMF),通过选取的固有模态函数得到相应的希尔伯特谱,然后在希尔伯特谱的基础上根据谱峰对车辆进行分类。仿真测试结果表明方法具有很高的正确率。     

机动通信力量派遣问题建模与优化

机动通信力量派遣问题的建模与优化,是实现机动通信力量运用科学决策的有效手段。考虑战地通信力量损伤,建立最佳派遣方案,按照多目标规划的原理和方法,给出了派遣问题建模的基本假设,系统分析了影响派遣的作战需求、实力编制等因素,提出了机动通信的保障效能和成本损失目标函数,构建了系统的机动通信力量派遣模型。在模型优化的过程中,引入了宽容完全分层序列算法,并结合算例演示了建模和优化的一般过程,仿真结果表明对于机动通信力量运用具有一定的辅助决策价值。     

新型基于帧间差分法的运动人脸检测算法研究

研究运动人脸检测、改善运动人脸检测的准确性问题,针对目前在运动人脸检测算法中存在的鲁棒性与精确性不强、适应性弱以及检测效率不高的问题.为了实时精确识别从脸图像,提出了一种帧间差分法的运动人脸检测算法.算法通过运动目标检测,获取运动人体的大致区域,利用人脸检测算法对运动区域进行检测,得到较为准确的人脸检测结果.经过对算法的仿真证明,算法能够快速、准确地检测出图像序列中的单个运动人脸,具有高效、准确的特点,有很大的实用价值.     

基于改进的GRNN的销量预测

根据灯具销量具有增长趋势和周期性二者合成的非线性特点,本文利用相空间重构理论确定GRNN的输入节点数,以加权误差代价函数代替传统误差代价函数为目标训练网络,采用粒子群优化算法优化平滑参数,并在此基础上将GRNN用于灯具销量的短期预测。与传统的BPNN相比,改进后的GRNN预测精度更高,抗噪声能力更强,模型更稳健。     

文本分类中基于概率主题模型的噪声处理方法

训练集中文本质量的好坏直接决定着文本分类的结果。实际应用中训练集的构建不可避免地会产生噪声样本,从而影响文本分类方法的实际应用效果。为此,针对文本分类中的噪声问题,本文提出一种基于概率主题模型的噪声处理方法,首先对训练集中的每个样本计算其类别熵,根据类别熵对噪声样本进行过滤;然后利用主题模型进行数据平滑,进一步减弱噪声样本的影响。这种方法不但能够减弱噪声样本对分类结果的影响,同时还保持了训练集的原有规模。在真实数据上的实验表明,该方法对噪声样本的分布具有较好的鲁棒性,在噪声比例较大的情况下仍能保持较好的分类结果。