基于CAV424的油井含水率在线检测

不同含水率的油水混合物其介电常数差异也会很大,根据这一理论,本文设计了过流式的电容传感器,采用专用集成芯片CAV424将电容量转换成电压信号,并进行了高精度的AD采样,提高了测量的准确性。实验结果表明,该系统性能较好、测量精度高、成本低,具有较好的应用价值。     

时间分层的基于身份密码技术的算法和系统

基于椭圆曲线和Weil配对数学理论发明了具体可实施的基于身份密码的技术方案,但其一大缺陷就是密钥更新问题.介绍了一种时间分层的基于身份密码技术的算法和系统,其采用多个主密钥分量,逐级更新用户私钥,与PKG对接的顶级中间设备的帮助密钥更新时间相对较长,而用户终端保存的用户私钥更新时间相对较短,这样既满足了用户私钥更新频度的需要,又不引起系统频繁更新用户私钥所造成的沉重负荷.     

基于Seam的城市供水管理系统的设计与实现

在基于Java EE(J2EE)软件开发方面,目前流行的软件架构方式是Spring+Hibernate+Struts,它的缺点是开发较慢,难于维护.通过引入JBoss Seam作为主体框架,用于开发基于三层B/S模式的城市供水管理系统,利用JBoss Seam所提供的注释和双向注入,组件的状态管理,以及所集成的大量框架和服务等各类功能,能够加快系统的开发、降低开发及维护难度.系统持久层使用JBoss Seam所集成的Hibernate,表示层使用Seam所推荐的JSF框架、支持JSF的Facelets模板框架以及内置支持Ajax的RichFaces框架,能够快速开发出以构件为中心、模板化的、体现Web2.0风格的页面.     

SVD与LDA相结合的人脸特征提取方法

提出一种新的SVD与LDA相结合的人脸特征提取方法.首先选用练训样本的均值图像作为标准图像,把训练样本投影到标准图像经奇异值分解产生的基空间中,其次提取投影系数矩阵左上角信息作为初步特征,最后再采用LDA分析方法降维提取最终的特征.该方法解决了奇异值分解用于人脸识别基空间不一致的固有缺陷,同时又增加的特征的类别信息,也避免了LDA的小样本问题.在ORL与CAS-PEAL人脸库的实验结果表明了该方法的有效性,同时对光照有一定的鲁棒性.     

UML2.0顺序图的形式化研究

在UML2.0规范中顺序图的语义仍然是以自然语言的形式描述的,为实现对顺序图的自动化分析和验证,必须为顺序图定义一种形式化的语义模型.为此首先给出了UML顺序图的一种符合BNF范式的形式化语法,然后为该语法中的非终止符定义转换规则,将UML顺序图中的基本动作转换为加标Petri网组件,最后定义了各种合成操作,利用这些合成操作可以将UML顺序图的加标Petri网组件转换为加标Petni网.     

基于Agent的虚拟抢修任务系统的设计与实现

针对复杂装备抢修现实问题,提出了构建虚拟抢修任务系统概念模型,建立了其系统框架,并搭建了基于多Agent的系统结构,分析确定了系统运行的事件驱动机制.在完成该Agent系统实现方法、系统行为及Agent行为推理的Petri网模型研究之后,设计实现了该虚拟抢修任务系统.该系统对于优化复杂装备的抢修性设计,提高装备使用单位抢修水平都有一定的借鉴和指导意义,可以有效地解决复杂装备现实抢修面临的诸多问题.     

基于宠物游戏的智能教学系统

通过利用游戏宠物扮演各种教育角色,扩展智能教学系统(intelligent tutoring system,ITS)中的学生模型,从而完成宠物游戏与ITS的有机结合.设计了一个基于宠物游戏的游戏化智能教学系统架构,架构中的宠物模块能记录学习者的学习活动、分析学习者的学习进程.基于该软件架构,实现了一款游戏化智能教学系统--宠物星际旅行,将宠物游戏的游戏化特性引入到了小学分数知识的学习过程中.测试结果表明,学生对该游戏越专注,就能越快地理解和运用所学知识.     

均衡竞争神经元获胜机会的方法

竞争型神经网络存在"死点"问题,某些神经元在竞争中可能始终未能获胜而成为"死神经元",不仅造成神经元的浪费,而且造成训练误差偏大,无法达到训练误差的精度要求,不能很好完成它所担负的聚类或分类任务.针对该问题,研究竞争型神经网络的切入点,深入探讨了LVQ神经网络并且通过引入阈值学习规则,均衡神经元获胜的机会,较好地解决了该类网络在遇到"死"点时训练误差偏大的问题,仿真实验结果表明了该方法的有效性.     

短期负荷预测Volterra滤波器模型

讨论依据相空间邻近轨道演化相似性的特点构造训练模式,建立短期负荷预测Ｖｏｌｔｅｒｒａ滤波器模型的问题．以距离相似度和趋势相似度来衡量电力负荷吸引子轨道的相似度,提出了电力负荷吸引子邻近轨道判别的新方法．从模型训练充分性的角度出发,探讨了模型训练集规模的选择依据．仿真结果表明该模型是有效的．     

一种改进的在线最小二乘支持向量机回归算法

针对一般最小二乘支持向量机处理大规模数据集会出现训练速度幔、计算量大、不易在线训练的缺点,将修正后的遗忘因子矩形窗方法与支持向量机相结合,提出一种基于改进的遗忘因子矩形窗算法的在线最小二乘支持向量机回归算法,既突出了当前窗口数据的作用,又考虑了历史数据的影响.所提出的算法可减少计算量,提高在线辨识精度.仿真算例表明了该方法的有效性.