基于Kriging模型的汽车车门抗撞性优化设计

提出汽车车门抗撞性优化设计的方法,利用拉丁方试验设计选择少量样本点,构建响应目标的近似模型,应用序列二次规划法进行结构优化。对比分析Kriging和多项式响应面两种近似模型对于车门侧撞响应的拟和误差,表明用Kriging模型构建车门抗撞性近似模型是合适的。计算结果表明提出的方法可以保证车门在满足抗撞性要求的前提下,实现轻量化设计。     

集成模型在网络入侵检测中的仿真研究

研究保证网络安全问题,针对网络入侵具有多样性和复杂性,信息冗余十分严重,传统检测方法不能很好消除冗余信息,导致检测时间长和检测正确率低的难题.为了提高检测准确性,将主成分分析和RBF神经网络相结合起来,组成一个集成的网络入侵检测模型.模型首先通过主成分析分析法对网络原始数据进行预处理,降低特征维数、消除冗余信息,将处理后特征作为神经网络的输入,网络入侵类型作为神经网络的输出,建立RBF神经网络入侵检测模型对网络数据进行检测.在Matlab平台上,采用权威网络入侵数据DARPA数据集对集成模型进行预试,仿真结果表明,集成模型的网络入侵检测正确率高于传统入侵检测模型,加快了网络入侵检测速度,为网络入侵提供了一种实时检测方法.     

网络互动营销的操作方法探讨

国内中小企业的网络营销前景已经毋庸置疑,而互动性亦已成为网络营销活动中的重要组成部分。企业源源不断地发掘出多种多样的互动元素和互动方式,并将其广泛应用于与顾客之间的网上营销活动中。这样一种网络互动营销方式不但冲击并改变着过去被动消极的传统营销模式,而且最终极大地推动并形成了企业与顾客之间的双赢局面。因此,研究分析网络互动营销活动中可能的一些操作方法则具有一定的实际意义与价值。正是基于上述背景,该文尝试探讨并提出了网络营销活动中的一些可行有效且较为实用的具体操作方法。     

基于属性加权的改进K-Means算法

经典的K-Means算法认为被分析样本的各个属性对聚类结果的贡献均匀,没有考虑不同属性特征对聚类结果可能造成的不同影响。文章提出了一种基于样本属性加权的K-Means算法。该算法利用变异系数赋权法对属性进行加权处理,通过权值反映各个属性对聚类结果的贡献的大小。实验表明,该算法在不改变时间、空间复杂度的情况下能取得更好的聚类结果。     

多点传感阵列的体压分布测量系统设计

坐姿不良与许多疾病密切相关,而坐姿体压分布不平衡和一些腰椎疾病的发生有着相当大的联系。应用新型导电橡胶为传感材料,利用其力—电阻特性,研制64点阵式压电传感器型坐姿体压分布测量系统。应用本系统对1例正常人,3例患腰椎疾病者进行体压分布测量。实验结果表明:患腰椎疾病者的体压分布不平衡。证明系统的设计方案合理可行,能实现人体与座椅之间压力分布的动态、实时测量。     

液晶显示技术及其应用

通过对液晶显示的基本原理、液晶显示常见模块及其几个应用实例的介绍,使人们清楚地认识到液晶显示的应用相当广泛,本文能帮助人们在实际工程应用中根据需要有选择地应用液晶显示技术。     

微机械陀螺在组合导航系统中的应用

介绍了基于iMEMS技术的速率陀螺芯片ADXRS300,研究了以ARM处理器为核心的GPS/SINS组合导航系统的结构及其各部分功能,给出了基于角速度测量、加速度测量和GPS定位的组合导航系统设计方案。     

基于异步条件下的笔+触控双手交互点击任务人类工效学模型的建立与研究

目的建立与研究基于异步条件下的笔+触控双手交互点击任务人类工效学模型。方法通过18名实验者对于10种不同任务复杂度下的一维异步笔+触控双手点击任务所花费的任务时间进行单因素方差分析以及线性分析,证明该模型的有效性和适用性。结果通过实验我们发现该模型所计算出的任务复杂度对任务时间具有显著影响(F_(9,170)=6.276,P=1.202×10~(-7)),并且该模型调整后的拟合度R~2达到了0.973。结论该模型对于异步条件下的笔+触控双手点击任务具有很强的有效性和适用性。     

Body thiamine level in acute alcohol psychoses

PURPOSE: To compare admission data and academic performances of medical students younger and older than 25, and to qualify older students' experiences and perceptions in medical school. METHOD: The authors reviewed 1988-1991 data for applications to the McGill University Faculty of Medicine. Data included GPAs and MCAT scores, as well as ratings for reference letters, autobiographical statements, and interviews. For those same years, the authors measured students' academic performances in the preclinical and clinical years. The authors compared the data by students' age: "younger" students, aged 17 to 24; and "older" students, aged 25 and above. All enrolled students took the Derogatis Stress Profile, and the older students participated in focus groups. RESULTS: The older applicants had lower GPAs and MCAT scores, but higher interview and reference letter ratings. For older accepted students, basic science course scores were lower than those of younger students, but clinical scores did not differ significantly between the groups. The two groups had similar stress levels, although older students tested lower in driven behavior, relaxation potential, attitude posture, and hostility. In focus groups, the older students spoke of learning style differences, loss of social support, and loss of professional identity. CONCLUSION: Different scores in admission criteria suggest that McGill uses different standards to select older medical students. Older students admitted under different criteria, however, do just as well as do younger students by their clinical years. A broad-based study of admission criteria and outcomes for the older student population is warranted.     

神经网络极速学习方法研究进展

神经网络已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但学习方法的速度不能满足实际需求。传统的误差反向传播方法(BP)主要是基于梯度下降的思想,需要多次迭代;网络的所有参数都需要在训练过程中迭代确定,因此算法的计算量和搜索空间很大。ELM(Extreme Learning Machine,ELM)是一次学习思想使得学习速度提高很多,避免了多次迭代和局部最小值,具有良好的泛化性能、鲁棒性与可控性。但对于不同的数据集和不同的应用领域,无论ELM是用于数据分类或是回归,ELM算法本身还是存在问题,所以本文对已有方法深入对比分析,并指出极速学习方法未来的发展方向。