带微计算机的煤发热量测量仪

本文介绍一种采用新原理的煤发热量测量仪器,该仪器以石英晶体作为感温元件,用微机进行测量程序控制和数据处理,采用平均值测量及小区间线性化技术,使仪器具有0.001℃测温分辩力,测量3℃温升误差<0.008℃和可靠性、自动化程度较高的特点。实验证明:使用该仪器进行热容量标定及测量煤的发热量,结果稳定,重现性好,符合国家标准GB213—79《煤的发热量测定方法》的规定。     

压电加速度计谐振频率的校准

[本文首先给出了压电加速度计的电导纳方程,由电导纳方程的讨论提出了压电加速度计谐振频率的电测校准法。将压力加速度计安装在不同的质量块上,得到了在不同的附加质量条件下的压电加速度安装谐振频率。特别地,在附加质量等于零时,得到表征传惑器,固有特性的自由谐振频率。这样,就将压电加速度计自由谐振频率与安装谐振频率统一起来,也说明了不同方法有不同校准结果的原因。最后,将电测法与ISO组织推荐的方法作了比较,结果证明:电测法是一种测量精度高,容易推广,不需专门仪器简便可行的方法。]     

传感技术引人注目的新兴分支-模糊传感器

目前，许多领域的研究进入到复杂系统阶段，如对人脑的研究，对金融系统、社会经济系统的研究。对于复杂系统而言，为了获取目标对象的准确、完整的信息，传感系统需要达到网络化、智能化等更高的要求。为了满足这一需要，一种集定性信息和定量信息表示为一体的新型智能传感器-模糊传感器应运而生，并得到了国内外学者的认可与关注。由于模糊传感器的研究尚未形成完整的理论体系，因此至今在理论与实际工程应用方面仍未取得实质性进展。本文从模糊传感器的定义出发，讨论了模糊传感器的发展历史，研究了模糊传感器的基础理论即符号化测量理论及模糊传感器语义概念生成及融合方法的发展。文中介绍了几种实际应用的模糊传感器如：模糊色彩传感器、模糊舒适度传感器等的研究进展情况。展望了模糊传感器的发展趋势与未来。     

一种K-均值脸谱图聚类新算法

Chernoff脸谱图简单,类似卡通画,能图形化地表示多元数据。但脸谱图聚类算法具有主观性的巨大的对比工作量,脸谱特征分配困难。因此,本文提出一种新的脸谱图聚类算法,它合并了K均值聚类或模糊G均值聚类算法。IRIS和蔬菜油数据集的实验结果表明新算法优于传统的聚类算法。     

基于多元数据图表示的可视化模式识别

现代统计模式识别以数据满足一定的统计分布规律(一般为正态分布)为前提。然而现实问题研究中存在大量不满足任何已知统计模型的情况,同时也有很多小样本情况,以上显然不适合统计方法。本文提出对非高斯信息进行基于多元数据多元图表示原理的可视化模式识别方法,并通过算法实现多元数据多元图分析过程的客观化和自动化,最后基于UCI数据对该方法进行了数据实验。     

基于属性层次图的中医心证诊断知识发现方法

本文以形式概念分析理论为基础,提出一种基于分层优化形式背景生成属性层次图的可视化方法。利用该方法优化中医心证的形式背景,构造心系疾病的属性层次图,挖掘出中医诊断知识,并结合相关文献分析,证明了该方法的可用性和有效性。     

多元数据的子空间坐标图表示模型

多元数据可视化是理解多元数据的一种重要手段。常用的多元数据可视化方法如散点图矩阵、平行坐标、雷达图、三角多项式图等具有悠久的历史和广泛的应用,但是长期以来缺乏统一的理论基础。本文提出多元数据的子空间坐标图表示模型,该模型可以将这些传统多元图表示方法统一到同一个表示框架。该模型的提出对于研究新的可视化方法、图形优化以及促进实际应用具有重要意义。     

基于色度学空间的多元图表示

针对传统的多元图表示可以表示信息在空间中的几何分布,但无法表示类别概率的缺点,本文提出基于色度学空间的彩色多元图表示。在保留传统多元图表示优点的基础上,集成了色度学维度,利用色度混合原理表示不同类别数据在空间点所占的比例,有利于通过直观的视觉认识类别分布信息以及引入图像处理方法。比传统的多元图表示更适合可视化模式识别的应用。     

模式特征的几何代数多向量表示方法

模式表示是模式识别的一个基本问题。传统统计模式识别理论中模式特征一般表示为一个数值向量,并被视作”维欧式空间中的一个点。这种表示方法只利用了一阶特征,容易丢失模式特征间的关联信息和高阶结构。本文首先阐述了几何代数的公理化定义和一些基本概念,然后将传统的模式特征向量表示推广为几何代数空间的多向量表示,接着讨论了该表示的两种特例,最后阐述了基于该多向量表示进行特征提取和分类的一般思想和需要进一步研究的问题。     

基于物理化学性质的葡萄酒质量的可视化评价研究

提出了一种可视化的方法评价葡萄酒质量。葡萄酒数据来自于认证阶段的物理化学分析测试,其中输入变量是11个,输出变量是葡萄酒质量,共得到1599个的红葡萄酒样本和4898个的白葡萄酒样本。结果表明该方法的效果优于传统的神经网络和支持向量机方法,并且具有可视化的优点。这对于改进酿酒品酒评价和葡萄酒生产都有重要意义,并且对根据消费者口味细分目标市场也很有帮助。