一种低成本的单片机数据采集系统

为实现工业过程控制中对多路模拟信号的采集,本文采用8031单片机为主机,在存贮器扩展的基础上,外接MN7150集成多路数据采集芯片,设计了具有16通道模拟信号检测系统的硬件和软件。该系统各通道可测电压范围为0至10V,具有12位AD转换精度;系统软件采用复合滤波算法对采样值进行处理,可在1s周期内完成对16个通道的一次巡回检测。系统满足一般工业过程控制的要求,具有低成本、高精度、高可靠性的特点,     

冲击载荷下磁流变阻尼器结构优化设计

应用于火炮反后坐装置中的磁流变阻尼器工作在高冲击、高速环境下,对磁流变阻尼器的设计指标和性能提出了更高的要求.针对冲击试验中,磁流变阻尼器表现出的阻尼力可调动态范闱的不足,利用Herschel-Bulkley的磁流变液非线性结构特性的平行平板恒流模型,采用多目标规划方法,提出了火炮反后坐装置应用中的磁流变阻尼器优化设计方法.最后分析了磁流变阻尼器磁路设计准则,结合优化设计尺寸,对阻尼器活塞磁场进行了有限元分析.结果表明,磁流变阻尼器阻尼通道处能产生足够大的磁场强度且分布均匀.     

语言学组合特征在语义关系抽取中的应用

语义关系抽取是信息抽取中的一个重要的研究领域。目前基于特征向量的语义关系抽取已经很难通过发掘新的特征来提高抽取的性能。本文提出了一种特征组合方法,通过在各种词法、语法、语义的基本特征内部及特征之间进行合理的组合形成组合特征,使用基于支持向量机的学习方法,使得关系抽取的准确率和召回率得到了提高。在ACE 2004语料库的7个关系大类和23个关系子类抽取实验中F值分别达到了66.6%和59.50%。实验结果表明通过对基本语言学特征进行组合所得到的组合特征能够显著地提高语义关系抽取的性能。     

用于文本校对的分词与词性标注一体化算法

分词和词性标注是中文处理中的一项基本步骤,其性能的好坏很大程度上影响了中文处理的效果。传统上人们使用基于词典的机械分词法,但是,在文本校对处理中的文本错误会恶化这种方法的结果,使之后的查错和纠错就建立在一个不正确的基础上。文中试探着寻找一种适用于文本校对处理的分词和词性标注算法。提出了全切分和一体化标注的思想。试验证明,该算法除了具有较高的正确率和召回率之外,还能够很好地抑制文本错误给分词和词性标注带来的影响。     

圆柱壳弹性波超材料分级排列的带隙拓宽方法研究

圆柱壳弹性波超材料的弯曲波带隙拓宽问题限制其满足实际工程中的宽频隔振要求,针对该问题,本文首先研究了基于局域共振机理的圆柱壳弹性波超材料弯曲波带隙特点,研究局域谐振器质量和弹簧劲度系数的关系,然后将周期分级排列的组合方式应用于圆柱壳类弹性波超材料的带隙拓宽中,并利用有限元法进行能带结构和振动传输特性计算.研究结果显示：该方法可实现弯曲波带隙的拓宽;利用组合法构建的轴向周期分级排列圆柱壳弹性波超材料可实现705-1226Hz频率范围内弯曲波的高效衰减,带隙拓宽至分别为单一谐振器的2.55倍,这表明该方法在宽频减振方面具有明显优势,应用前景广阔.     

浅海环境下的单-双基地联合声探测研究

浅海水域的高频声纳探测是近年来发展迅速、研究活跃的水声技术领域之一,它的研究为实现小目标的有效探测提供了重要的技术支撑。浅海声场存在多途干扰,会影响声纳探测的效果。本文介绍了一种单-双基地联合探测方法,并分析了浅海多途干扰对单-双基地联合探测的影响,最后用MATLAB进行仿真和分析。     

基于空间和属性数据的联合索引技术

传统联合查询通常需要空间数据库对2个索引进行检索,通过集合运算得到最终结果,运算效率较低。针对该缺陷,提出基于空间和属性数据的联合索引技术,在索引目录项中加入属性数据提高联合检索速度。实验结果表明,该技术对于属性与空间位置有较高相关度的数据,具有较高查询效率。     

绘画艺术与心理的完美结合

艺术是一种用形象来反映现实但比现实有典型性的社会意识形态,而其中的绘画艺术作为一种非语言的沟通工具,可以让观察者了解语言文字无法揭示的东西,同时绘画艺术的存在是与心理完美结合着的,共同服务于人类社会。     

灰色预测中缓冲算子的组合性质及应用

通过研究同性缓冲算子作用样本数据序列所得灰色预测模型的预测精度问题, 发现同类缓冲算子对于相同样本数据序列的预测值一致, 对于具体预测问题, 某个缓冲算子在此类问题中有效, 用到另一类问题上可能失效. 为此, 提出一种同性缓冲算子的组合方法, 通过对同性缓冲算子的有效组合可以得到一种新的缓冲算子, 该缓冲算子不但能够提高模型的预测精度, 而且可以扩大缓冲算子的适用范围. 实例验证表明, 所提出的组合方法是有价值的.

     

基于互信息的组合特征选择算法

对候选特征进行降维在机器学习领域,如分类、聚类问题中占有很重要的地位.现有的方法大多数是基于单一特征对目标T的依赖性或特征与特征之间对Y影响的关联性,互补性和冗余性进行特征选择.然而这些方法几乎都没有考虑到组合特征,如属性A,B仅包含Y中的极少量信息,甚至与Y完全独立,但A&B能提供关于Y的大量信息,甚至完全决定Y.基于此,提出了一种能够从特征集合中挖掘到组合特征与单一特征的特征选择算法,首先对不显著特征进行组合并按照条件概率分布表生成新的候选特征;然后,对单一特征和组合特征利用基于最大相关性和最小冗余度的准则进行选择.最后分别在虚拟和真实数据集上进行实验,实验结果表明该特征选择算法能够较好的挖掘数据集的组合特征信息,一定程度上提高了相应的机器学习算法的准确率.