改进的模糊CMAC神经网络

提出了一种改进的模糊CMAC神经网络（IFCMAC）,该神经网络是在经典的FCMAC神经网络的模糊后相连层和输出层之间引入了输入矢量的线性加权和来补偿逼近的误差,所以它的逼近精度得到提高,解决了CMAC系列神经网络逼近精度不高的弱点,在颅脑磁共振图像分割仿真实验中,把当前像素点的子图像的纹理特征和该像素点的灰度值作为该像素的特征向量,将该特征向量作为IFCMAC神经网络的输入,实验结果表明其具有较高的分割准确性。     

自适应Kalman滤波器在水下被动目标跟踪中的应用

在水下被动目标跟踪系统中，直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差，提出了一种修正极坐标系下的自适应卡尔曼滤波算法，对虚拟噪声进行估计，动态补偿模型线性化误差，消减系统的观测误差．对其滤波理论及算法进行了研究和仿真。仿真结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法。     

线性关联规则研究

首先讨论了布尔型关联规则的不足,然后提出了线性关联规则的概念,详细讨论了线性关联规则的挖掘方法,具体给出了线性关联规则的挖掘过程,分析了线性关联规则的作用。还给出了实验结果,并将线性关联规则和布尔型关联规则及定量关联规则进行了比较。     

BP神经网络和Elman神经网络在模拟电路故障诊断中的应用

通过分析BP神经网络和Elman神经网络的基本结构和算法,研究了基于神经网络的模拟电路故障诊断方法,并通过仿真实验对比分析了BP神经网络和Elman神经网络的诊断能力。结果表明,BP神经网络的收敛速度相对较慢、训练时间长;Elman神经网络的结构参数调整简单、训练时间短、性能稳定,更适合存在容差、非线性等问题的模拟电路故障诊断。     

FPGA 时延故障检测技术研究磁

随着 FPGA 器件的应用越来越广泛,FPGA 的测试和故障诊断技术得到了广泛重视和研究。 FPGA 的时延故障是 FPGA 内部故障中非常重要的一类故障类型,主要包含器件内部逻辑资源时延故障和连线资源时延故障。论文通过分析 FPGA 的内部结构和时延故障特性,研究 FPGA 内部逻辑资源时延和连线资源时延故障检测方法。利用 Xilinx 公司Virtex‐Ⅱ系列 FPGA 完成时延故障检测方法验证,证明了 FPGA 时延故障检测的可实现性。     

基于热平衡和结构强度的发动机 分析平台开发及其应用

建立发动机缸体和缸盖的动力学、燃烧和流体有限元模型,进行发动机热平衡、冷却散热和结构强度研究。创建发动机正向设计和分析方法,革新产品开发流程,自主开发热平衡计算平台。建立发动机缸内和水套传热、流体、温度场、强度的计算模型库,设计水套优化方法和流场评价标准,正向计算发动机热平衡和水套散热。通过2个应用案例,证明该平台在发动机热平衡计算和结构分析与评估中的作用。该平台可为发动机热平衡、冷却散热和结构强度的正向设计提供基础。     

基于HVS的变换域的数字水印算法设计与实现

从安全性和鲁棒性等方面综合考虑．当前变换域水印嵌入技术应用广泛。鉴于在DCT域进行数字图像隐藏会出现“方块效应”以及人眼视觉系统的特征．介绍DCT变换及其在图像信息隐藏中的应用,提出在DCT域进行信息嵌入的算法。     

基于过程控制的毕业设计教学改革的思考

文章针对毕业设计教学过程中存在的问题和不足,提出了基于过程控制的毕业设计教学改革的几点思考。通过明确意义、科学选题和严格审题、培养学员独立思考能力和创新思维、建立一种基于过程控制的毕业设计监督机制和采用综合性的考核方式,真正提高毕业设计环节的教学质量。     

使用迭代方法求解核主成分分析

核主成分分析方法是使用核方法将经典的线性算法主成分分析推广到高维空间,用来处理复杂非线性数据的一种常用的特征提取算法,该算法首先在高维空间中计算所有样本之间的核矩阵,然后使用特征分解技术计算核矩阵的特征解,其计算的时间和空间复杂度分别为O(m2)和O(m3).然而在大规模数据集的情况下,由于储存和计算的问题无法进行正常的求解.文中提出首先使用幂迭代方法计算核矩阵的高阶特征解,然后重复使用Schur-Weilandt收缩方法分别计算出核矩阵的其它阶特征解.文中算法在计算过程中,不需要像传统的计算方法那样需要事先存储核矩阵,空间复杂度只有O(m).通过在模拟和真实数据的实验结果充分验证了算法的有效性.     

具有属性析取扩展特征的内逆P-信息智能挖掘

逆P-集合(inverse packet sets)是由内逆P-集合P-F(internal inverse packet set(X)F)与外逆P-集合XF(outerinverse packet setXF)构成的集合对;或者,((X)F,(X)F)是逆P-集合;逆P-集合具有动态特性.它是研究另一类动态信息与应用的新模型.逆P-集合中元素的属性满足属性析取.利用内逆P-集合的结构,给出了元素的属性析取扩展形式与特征、属性析取扩展条件下的内逆P-信息智能挖掘,以及挖掘定理与智能挖掘原理;给出了满足内逆P-推理与非完整信息条件下的完整信息的智能挖掘-发现.利用这些结果,给出了具有属性析取扩展特征的信息智能挖掘的应用.