互助学习环境下可抗恶意评价的同伴互评算法

受学习者能力和意愿等主观因素的影响,互助学习环境下同伴互评结果与真实评价通常存在显著差距。为了提高同伴互评的质量,避免互评过程中利益驱动的恶意评价,引入少量由教师预评分的作业作为哨兵。通过评审人对哨兵的评审情况,以评审人的信誉评价作为权重向量,并利用阈值进行截尾,从而实现了对恶意评价的有效隔离。真实测评数据上的实验结果证明,相较于当前主流的互评算法,该算法能有效过滤恶意高评或低评,并且能适应较大数量级的学习者进行互评。在未来的研究中,将针对信誉模型的优化进行深入的研究。     

传统铣床的PLC控制系统实例

<正>本文将介绍如何利用三菱FX_1S系列PLC自制一款模拟X62W型铣床控制系统的实例,并浅谈PLC在改造传统车床控制电路系统中的应用。     

基于MapReduce的大数据主动学习

针对传统的主动学习算法只能处理中小型数据集的问题,提出一种基于MapReduce的大数据主动学习算法。首先,在有类别标签的初始训练集上,用极限学习机（ELM）算法训练一个分类器,并将其输出用软最大化函数变换为一个后验概率分布。然后,将无类别标签的大数据集划分为l个子集,并部署到l个云计算节点上。在每一个节点,用训练出的分类器并行地计算各个子集中样例的信息熵,并选择信息熵大的前q个样例进行类别标注,将标注类别的l×q个样例添加到有类别标签的训练集中。重复以上步骤直到满足预定义的停止条件。在Artificial、Skin、Statlog和Poker 4个数据集上与基于ELM的主动学习算法进行了比较,结果显示,所提算法在4个数据集上均能完成主动样例选择,而基于ELM的主动学习算法只在规模最小的数据集上能完成主动样例选择。实验结果表明,所提算法优于基于极限学习机的主动学习算法。     

两种遥测雨量器降水观测数据对比分析研究

选取运河水文站2015年5月至2017年12月的降水量观测数据开展称重式雨量器和翻斗式雨量器两种仪器的比测分析,主要对比研究内容包括逐日降水量、累积降水量、不同雨强下降水量以及降水天数等方面,并对两种仪器降水量观测值的相关性及误差产生原因进行分析。结果表明两种仪器之间降水量观测值差异性较小,可以互为备份,并且称重式雨量器具有可测得各种形态降水、抗干扰能力较强等特点,可解决水文站固态降水仍需人工观测的问题。     

高能物理事例级数据管理与传输系统的研究

高能物理实验不断的进步与发展产生了PB乃至EB级的数据,这些数据的采集、存储、传输与共享、分析与管理都面临着极大的问题与挑战。为了应对这些挑战,设计和实现了面向事例的数据管理系统,有效解决事例数据处理效率低以及分站点资源利用率低的问题。设计了一个基于Nosql数据库的事例索引系统,通过事例数据特征抽取,选取物理学家最感兴趣的属性作为索引,存储在数据库中,并采用倒排索引技术,提高事例数据检索的效率。针对事例数据进行缓存优化,减少数据转化和存储开销。提出数据跨域传输方案,充分利用网络带宽,降低分站点处理数据的延迟。系统进行了相关验证,实验结果表明,事例级的索引技术能够显著提高事例数据的检索效率,数据传输系统的网络带宽也可以利用到百分之九十以上。     

数字控制技术在本质安全型开关电源中的应用

针对部分本质安全型开关电源产品在实际应用中存在输出功率小、工作频率低、输出纹波较大、故障率高等问题,提出了一种基于数字控制芯片DSPIC30F1010/2020的本质安全型开关电源的设计方案,给出了该开关电源的总体结构,重点介绍了该开关电源的硬件电路及其数字控制器的软件设计。通过理论分析、整体设计、仿真、实际电路的调试及安全火花试验,验证了数字控制技术在本质安全型开关电源中应用的可行性。     

基于LabVIEW与SQL Server的心电数据库设计

介绍基于LabVIEW的心电采集系统的后台数据库设计,利用LabSQL工具包建立LabVIEW与SQL Server数据库的连接,并利用SQL Server设计专门的心电数据库,将数据库技术与LabVIEW平台结合,解决大规模心电数据带来的管理问题。文中介绍的系统可以实现数据库与LabVIEW之间的连接和数据传输,并将采集到的心电数据存储在心电数据库中,完善心电采集系统的功能,为心电数据的管理和后续利用提供了便利。     

核沾染超标快速检测仪硬件设计

为快速准确检测核物质沾染,设计了以工控机为核心、最小可探测活度为37kBq(137Cs源)的检测系统.系统通过红外检测装置实现自动启动,信号经光电倍增管、信号整形、甄别电路、计数器、接口电路送至工控机进行测量处理,具有检测速度快、高压自动调节、检测精度高、声光报警、具体超标部位提示、高可靠性和稳定性等特点.     

SDN环境下基于改进D-S理论的DDoS攻击检测

软件定义网络(software-defined networking, SDN)实现了控制层和转发层设备的分离, 但控制转发的解耦使得SDN网络中不同层次设备面临新型的DDoS攻击风险. 为了解决上述问题, 本文提出了一种SDN环境下基于改进D-S理论的DDoS攻击检测方法, 用于检测以SDN控制器和交换机为目标的DDoS攻击. 在改进的算法中, 本文使用离散因子和纯度因子衡量D-S证据源之间的冲突. 同时, 结合纯度因子和离散因子调整D-S证据理论的证据源, 调整后的证据源将通过Dempster规则融合得到DDoS攻击检测结果. 实验结果表明本文提出的方法具有较高的精度.     

基于多特征融合的工业气动调节阀快速自学习故障诊断方法

气动调节阀的复杂特性,使得通过建立精确数学模型来描述阀门故障较为困难,因而数据驱动技术在其故障诊断领域颇受关注.但现有商业化的调节阀其控制系统仅配置了相当有限的硬件设备,这对故障诊断模型和学习效率提出了更高的要求.为此,提出一种基于多特征融合的气动调节阀快速自学习故障诊断方法.首先,提出基于云模型(cloud model,CM)和动态内部主元分析(dynamic-inner principal component analysis,DiPCA)的特征信息融合方法,提高诊断模型的输入信息质量;其次,建立一种低差异随机配置网络,按照低差异序列以监督增量方式快速自主构造调节阀诊断模型,从而有效提高模型的学习效率和紧致性;最后,利用DAMADICS平台的实验数据验证所提出方法的快速性和准确性.