基于Rough理论属性重要性的遗传计算方法

遗传算法提供求解复杂系统优化问题的通用框架,Rough集理论的属性依赖度可以确定各属性对系统分类的重要性.本文通过一个信息表实例将遗传算法和Rough集理论结合起来以计算属性的重要性,两者结合能有效进行属性重要性的计算,并能进行计算机自动计算和信息处理.     

基于小波理论的sEMG的处理方法

文章选取时域分析法对表面肌电信号的提取其特征值,意在于能够得到能较好地表征肌电信号的特征向量,使得之后的分类器能够有效地对表面肌电信号进行分类识别。在对信号进行识别分类识别时,所设计的小波神经网络可以将各动作信号特征值转化为线性组合,简化动作的分类识别过程。     

融合HOG特征的相关滤波视频跟踪

计算机视觉领域的目标跟踪已取得巨大进展,但在视频跟踪中,平面外旋转和形状变化的性能方面还有提升空间。本文提出一种基于方向梯度直方图HOG特征,结合图像灰度值把HOG特征加以融合和分解,以提升视频跟踪的变形和尺度变换的性能。首先提取目标区域的HOG的31维特征和灰度值;其次,将灰度值作为1维特征,与HOG特征融合成32维向量HOG32;进而将HOG32分解成2部分特征,分别为HOG1和HOG2;最后,通过对HOG1、HOG2和HOG32特征响应值的比较,选择最大值位置作为预测的下一帧的位置。实验在OTB-2013和OTB-2015这2个数据集上进行,与其他5个算法的比较结果表明,该方法在平面外旋转、变形、复杂背景等方面获得良好效果。     

多标记学习自编码网络无监督维数约简

多标记学习是针对一个实例同时与一组标签相关联而提出的一种机器学习框架,是该领域研究热点之一,降维是多标记学习一个重要且具有挑战性的工作。针对有监督的多标记维数约简方法,提出一种无监督自编码网络的多标记降维方法。首先,通过构建自编码神经网络,对输入数据进行编码和解码输出;然后,引入稀疏约束计算总体成本,使用梯度下降法进行迭代求解;最后,通过深度学习训练获得自编码网络学习模型,提取数据特征实现维数约简。实验中使用多标记算法ML-kNN做分类器,在6个公开数据集上与其他4种方法对比。实验结果表明,该方法能够在不使用标记的情况下有效提取特征,降低多标记数据维度,稳定提高多标记学习性能。     

应用k-means算法实现标记分布学习

标记分布学习是近年来提出的一种新的机器学习范式,它能很好地解决某些标记多义性的问题。现有的标记分布学习算法均利用条件概率建立参数模型,但未能充分利用特征和标记间的联系。本文考虑到特征相似的样本所对应的标记分布也应当相似,利用原型聚类的k均值算法（k-means）,将训练集的样本进行聚类,提出基于k-means算法的标记分布学习（label distribution learning based on k-means algorithm,LDLKM）。首先通过聚类算法k-means求得每一个簇的均值向量,然后分别求得对应标记分布的均值向量。最后将测试集和训练集的均值向量间的距离作为权重,应用到对测试集标记分布的预测上。在6个公开的数据集上进行实验,并与3种已有的标记分布学习算法在5种评价指标上进行比较,实验结果表明提出的LDLKM算法是有效的。     

工程陶瓷材料Si3N4／M50钢摩擦性能的试验研究

采用Ｔｉｍｋｅｎ摩擦试验机对Ｍ５０钢和热静等压烧结氮化硅（ＨＩＰ－Ｓｉ３Ｎ４）陶瓷材料在空气、水、及润滑剂中的摩擦性能进行了研究，对在不同相对运动速度、滑动距离及不同润滑剂下的摩擦系数、磨损率进行了分析与比较。     

粗碎机主轴断裂原因分析及其改进

旋回破碎机在使用和运转过程中,由于不可破碎物进入机器、过大矿块进入或其它原因而使机器超负荷运转,往往引起其主轴断裂。其断裂原因很复杂。如主轴的设计尺寸及形状、材料的选择,冷热加工、主轴受载状态,及安装质量、使用情况等。原因的分析方法有多种,但对现场来讲,主要的是对断口进行宏观     

振动试验技术在大坝安全评估与监测中的应用

通过新丰江水电站振动试验结果，阐述现代振动试验技术在混凝土大坝，水电厂房及其它设施的地震安全评估与运行安全监测中的应用。     

人体肌电信号的生理层模型

研究表面肌电信号模型,能够更精确地描述肌肉在活动时所产生的肌电信号的形成过程.因此表面肌电信号模型的建立,可以实现对神经肌肉的控制,以及肌电信号的产生等问题的理解,为其特定参数值的提取,以及信号的实用性和真实性的分析打下了基础.在考虑了影响人体肌电信号主要参数值的特征条件后,通过matlab仿真软件建立一个能够仿真运动单位在不同激励下的表面肌电信号.目前的生理层仿真模型参数不可调,使得模型的精准性较差,而上述的改进和优化实现了参数的可调控性,使得模型更具实用性.