基于不确定T-S模型的模糊滑模自适应控制

提出一种不确定T-S模型的模糊滑模自适应控制方法。通过变换将该模型转换成3个组成部分：线性标称系统,已知非线性部分和未知不确定部分。针对它们设计3个控制器,其作用分别为：强迫系统沿着滑模面运动,消除已知扰动对线性标称系统的影响,克服不确定扰动(采用模糊滑模自适应控制,无需知道不确定的界限)。该方法无需求正定矩阵就能保证系统全局稳定。     

基于关键词相关度的Deep Web爬虫爬行策略

Deep Web蕴藏丰富的、高质量的信息资源,为了获取某Deep Web站点的页面,用户不得不键入一系列的关键词集。由于没有直接指向Deep Web页面的静态链接,目前大多数搜索引擎不能发现这些页面。该文提出的Deep Web爬虫爬行策略,可以有效地下载Deep Web页面。由于该页面只提供一个查询接口,因此Deep Web爬虫设计面对的主要挑战是怎样选择最佳的查询关键词产生有意义的查询。实验证明文中提出的一种基于不同关键词相关度权重的选择方法是有效的。     

软PLC控制系统实现

以Visual C 6.0作为开发工具,介绍了软PLC控制系统的软、硬件结构,详细叙述了其具体实施方案,并给出实际运用,验证了它的正确性.     

一维统计量的椭圆检测法

数字影像中目标的识别是十分关键的,该文以椭圆作为研究对象,在对于基于二维随机变量的以HU不变矩为代表的不变矩算法上,提出了基于动差方法建立一维的随机统计量,并且证明该随机变量的三级动差和四级动差均为一常量。由于本算法只使用一维随机变量且该统计量又很容易获得,成为了其突现的优越性。     

基于MVC架构的新生学籍电子注册管理信息系统

简要的介绍了MVC模式的基本思想,基于MVC设计模式的管理信息系统工作原理。然后结合新生学籍注册管理信息系统的具体功能模块讨论了该系统在MVC模式下的设计和实现。     

计算机视觉检测技术在吻合器检测中的应用研究

提出了一种利用计算视觉检测带手柄吻合器漏针新方法。通过采用正面光源投照的检测装置,综合运用图像处理和识别方法对利用CMOS相机采集的吻合器图像进行数学形态学,图像增强等方法处理,并提出模糊局部阈值分割算法实现吻合器漏针的自动识别,并根据面积特征判别漏针数。实验表明：该方法能够对多种型号颜色的吻合器进行稳定、准确的快速检测,检测正确率可达95.6％,平均每次检测时间为2.385s,本方法实用性强,适合现代化生产的要求。     

一种提高Vicsek模型收敛效率的新方法

针对Vicsek模型收敛速度较慢和一致程度较低的问题,利用动态网络的拓扑结构并结合复杂网络中度的概念,提出一种以度为权重提高Viesek模型收敛效率的新方法.进一步以动态网络的度的幂指数得到模型的推广形式,该指数的范围为[0,∞).仿真实验结果表明,改进后模型的收敛效率优于原模型,且收敛效率随着指数的增加而增大.     

真空条件下辅酶Q_(10)的β-环糊精包合物的动力学模拟

首先通过分子力学法,确定辅酶Q10(CoQ10)的7个β-环糊精(β-CD)包合物(CoQ10-7-β-CDs)的最稳定优势构型.并进一步用分子动力学法模拟真空状态,一定时间内包合物的动态结构,并统计分析CoQ10包合前后结构的变化对性质的影响.结果表明CoQ10分子可以通过范德华力、库仑作用和氢键一起作用于β-CD分子形成1:7的稳定的D型包合结构.包合后,CoQ10分子的C=O双键和醌环上的C=C双键增长,侧链上的C=C双键缩短,其活性部位的抗氧化能力增大,而分子骨架的稳定性增强.     

基于P2P网络的动态QoS多源多播模型

针对服务质量(QoS)约束的覆盖网络多播问题,提出了一个适合有多个数据源的多播模型。该模型中每个数据源不必维护一个以它为根的多播树,每个节点只需维护局部状态信息,多播信息以类似洪泛的方式传输。通过控制,信息的传输路径形成树型结构,多播树可动态调整来适应以不同源节点发起的满足QoS要求的多播应用。实验结果表明,该模型的节点多播覆盖率高,通过控制节点的子节点数,可使多播树的调整代价达到最低。     

RBF网络和RBF核支持向量机比较研究

RBF网络是模式识别中应用最为广泛的一和神经网络.RBF核函数型支持向量机是一种性能卓越的新型学习机.将这两种学习机进行对比分析,以期在实际应用中做出更好的选择.首先,在理论上分析了这两种学习机在分类原理上的异同.接着,将它们应用于人脸识别,利用ORL人脸图像数据库进行了仿真实验,对比分析它们各自的识别率和泛化能力等性能指标.最后,提出了在应用这两种学习机进行模式识别时应注意的方面.实验结果表明,按照本文提出的两种训练模式,RBF型支持向量机在识别准确率上比RBF网络高出2%到4%.这说明RBF型支持向量机的性能要优于RBF网络.但是RBF网络易于实现,在样本数日足够多的情况下也不不失为一种好的算法.