衣型结构设计模式

本文介绍了服装一体结构模式——衣型的结构特征,讨论了服装结构设计方法的发展方向。     

统一电力市场中兼具市场效率与经济公平的实现

南方电网中的五省(区)间差异巨大,为了建立统一的区域电力市场,在建立公平的交易机制和交易规则、促进自由竞争、提高市场效率的同时,必须考虑交易结果对区域内经济协调发展的影响。作者将关税理论应用于南方区域电力市场,结合各地区经济发展水平,提出了对自由竞争结果进行适度宏观调控的基本思路。算例分析表明,该思路是可行的。     

基于GSM短信息的智能温度监控系统的开发

介绍了一种以PIC系列单片机或个人电脑为控制核心的、基于GSM短信息的温度监控系统的硬件与软件设计。该系统采用了不同于一般TEXT或PDU的短信格式,具有更强的通用性和更好的可识别性。     

语言判断矩阵满意一致性的判定方法

研究语言判断矩阵的满意一致性问题．在给出语言判断矩阵及其满意一致性有关概念的基础上，提出一种关于具有严格偏好关系的语言判断矩阵满意一致性的判定方法．依据所给出的判定方法，可相应地得出关于语言判断矩阵的方案优劣的排序方法．最后通过两个算例说明了所给出方法的有效性。     

粗糙集理论的分层递阶约简算法及其信息理论基础

本文模拟人类认知的分层递阶原则,提出一种粗糙集理论的分层递阶约简算法.该算法首先将信息系统或决策系统的知识在由部分属性所构成的多种层次和多种粒度上表示出来,然后分别对各个属性层次进行递阶约简.因此,该算法具有较强的实用性和较好的动态特性,并且能并行运算.同时,本文从信息理论的角度证明了分层递阶约简的理论基础.文章的最后将该算法应用于某水泥窑炉控制决策的获取中,证实了其有效性.     

冗余度机器人运动模型的神经网络辨识及实现

为提高网络学习速度,提出了一种新的动态神经网络结构——状态延迟输入动态递归神经网络.以德国PowerCube^TM模块化机器人为研究对象,将机器人系统返回的关节位置信息和OPTOTRAK30203维运动测量系统测得的机器人末端位置信息作为神经网络的学习样本,对包含各种影响因素的机器人运动模型进行了辨识,所得结果及误差分析,说明了SDIDRNN在学习能力上的优越性.     

神经网络在水泥生料配料中的应用

水泥生料配料系统具有多变量、大滞后和非线性的特点 ,采用传统的配料调优方法很难见效。人工神经网络具有很强的非线性映射、特征抽取和容错能力 ,为解决这类问题提供了新的思路。文章根据水泥生料配料的工艺要求 ,采用BP算法建立起能够较好地预测水泥生产质量的神经网络模型 ,以实现生料配料的调优操作。     

SWRM12冷镦盘条钢试制

阐述了SWRM12冷镦盘条钢试制情况，对采用连铸坯生产的冷镦盘条进行了综合分析检验，并经用户使用证明，该产品完全满足标准件生产要求。     

从高纯氧化钪中分离微量铁、锆的研究

选用D235阴离子交换树脂和P350萃淋树脂分别吸附分离99．95％Sc2O3中的微量铁与锆。对吸附酸度、分离介质、洗脱液用量等条件进行了筛选试验。在选定的条件下，微量铁与锆的分离结果令人满意。本方法可在提取高纯Sc2O3工艺中应用。     

Application of evidence theory in information fusion of multiple sources in bayesian analysis

How to obtain proper prior distribution is one of the most critical problems in Bayesian analysis. In many practical cases, the prior information often comes from different sources, and the prior distribution form could be easily known in some certain way while the parameters are hard to determine. In this paper, based on the evidence theory, a new, method is presented to fuse the information of multiple sources and determine the parameters of the prior distribution when tile form is known. By taking the prior distributions which result from the infornlation of multiple sources and converting them into corresponding mass functions which can be combined by Dempster-Shafer (D-S) method, we get the combined mass function and the representative points of the prior distribution. These points are used to fit with the given distribution form to determine the parameters of the prior distribution. And then the fused prior distribution is obtained and Bayesian analysis can be performed. How to convert the prior distributions into mass functions properly and get the representative points of the fused prior distribution is the central question we address m this paper. The simulation example shows that the proposed method is effective.