基于最大熵原理和模糊方法的极小子样产品可靠性分析

在假设产品寿命服从对数正态分布情况下，提出了用分散系数法评估极小子样产品的可靠性。介绍了2种求解分散系数的公式。分散系数的大小影响产品的可靠性，而寿命标准差又是决定分散系数大小的主要因素之一。运用极大熵原理和模糊综合分析，讨论了寿命标准差的具体求法。通过实例介绍了该方法的具体运用。     

基于局部均值和标准差的图像去雾算法

针对雾天图像对比度低和颜色退化严重现象,提出一种单幅图像快速去雾算法。对雾天图像局部区域均值和标准差的特点进行分析,根据图像局部均值和标准差的差值得到关于大气散射光的估计,结合大气散射模型对雾天图像进行修复。实验结果表明,算法能够有效地去除图像中的雾气,且处理速度较快,便于实时应用。     

软硬滤波抑制周期性窄带干扰

分析了GIS局部放电检测中出现的周期性窄带干扰信号特征,提出了基于SDTM阈值法的小波变换抑制周期性窄带干扰的原理和算法,并结合设计的微带线滤波器用软硬滤波联合抑制周期性窄带干扰。仿真与实测研究表明,SDTM阈值法优于MINIMAXI和HEURSURE阈值选取法,其阈值的选取与样本的平均值和局部观察值有关,根据信号的大小决定且在小波变换的不同尺度上有一定的自适应性,能有效抑制周期性窄带干扰,用软硬滤波法先硬件滤波再小波处理能实现局放信号的有效提取。     

热连轧轧制力贝叶斯神经网络预测与模型优化

采用贝叶斯神经网络预测精轧轧制力,从实测数据中抽取出700组数据作为样本集,其中610组数据作为训练样本,用于网络模型的训练,剩余的90组数据作为测试样本。选取C、Si、Cu、Mn含量,轧件出口厚度,入口厚度,轧件宽度,轧制时间,压下率以及轧制温度作为输入层神经元数,轧制力为输出层神经元。贝叶斯网络轧制力预测误差基本分布在[-200,200],比传统计算误差大为减小。采用乘法网络进行轧制力的预测模型优化,优化后预测误差为正态分布,误差基本分布在-4%~6%,误差为0的样本数能达到20%,误差在±2%之内的样本数能达到70%,预测精度比加法网络稍有改善,比传统网络预测精度大幅提高。     

基于亮度序的均值标准差描述子

在已有均值标准差曲线描述子(MSCD)的基础上,引入亮度序划分思想,提出一种基于亮度序的均值标准差描述子(IOMSD).与传统描述子构造时采用固定位置进行子区域划分不同,文中依据局部区域内各像素点的亮度大小关系划分子区域.该方法能克服图像形变带来的边界误差,且对线性光照和单调光照变化具有不变性.实验结果表明,IOMSD对旋转、视角变化及光照变化图像具有鲁棒性,尤其在形变稳定性上优于已有的MSCD算法.     

主通风机风压特性方程求解算法研究

为解决高次多项式拟合风压特性曲线产生的病态性问题及确定风压特性曲线最佳拟合次数,提出使用正交多项式处理,可避免病态方程组;并提出均方误差δ不能作为判别拟合效果的准则,而在误差符合零平均正态分布时,可使用标准差σ作为判断拟合效果的标准.基于正交多项式、最小二乘原理及标准差σ,给出了求解最佳风压特性曲线拟合方程的算法,并得出风压特性曲线5次或6次不是共同的最佳拟合次数,最佳拟合次数因通风机不同而异。     

直方图在工程质量控制中的应运

直方图是通过频数分布来进一步分析、研究数据的集中程度和波动范围的一种数学方法。在工程质量控制中应用非常广泛。它是通过对已有统计资料的分析来控制未来工程质量的一种方法,也是检验工程质量是否符合设计要求的一种手段。本文通过一般步骤说明和结合实例的方法来介绍直方图在质量控制中的应用。     

分布权值调节概率标准差的文本分类方法

针对文本分类问题,基于特征分布评估权值调节特征概率标准差设计了一种无须特征选择的高效的线性文本分类器。该算法的基本思路是使用特征概率标准差量化特征在文档类中的离散度,并作为特征的基础权重,同时以后验概率的Beta分布函数为基础,运用概率确定性密度函数,评估特征在类别中的分布信息得到特征分布权值,将其调节基础权重得到特征权重,实现了线性文本分类器。在20Newsgroup、复旦中文分类语料、Reuters-21578三个语料集进行了比较实验,实验结果表明,新算法分类性能相对传统算法优势显著,且稳定、高效、实用,适于大规模文本分类任务。     

澳大利亚／新西兰插头插座标准差异辨析

澳大利亚/新西兰插头插座认可及测试联合规范先后经历了AS3112:1981、AS3112:1990、AS/NZS3112:2000、AS/NZS3112:2004等几个版本,2006年10月相关机构对AS/NZS3112:2004进行了     

基于计算机视觉的柑橘糖度检测

现场采摘180个涟红温州蜜柑,考虑色泽和大小范围的广度,从中选取140个作为试验样本,各果转90.中心角,采集一幅图像,每果采图4幅,通过图像裁切,RGB空间至HSI空间的转换和图像差值法去背景,提取柑橘色调H和饱和度S表面色泽参数,用110个样本训练小波神经网络,30个样本检验网络性能.试验结果表明,检测最大绝对偏差0.2452°Brix,最小绝对偏差0.0002°Brix,平均偏差0.0545°Brix,标准差0.0830°Brix,精度在±0.1°Brix内的正确识别率为73.33%,精度在±0.2 °Brix内的正确识别率为90%.