燃气涡轮发电机组虚拟评判系统研究

为更好地评判操作人员对燃气涡轮发电机组的操作训练,设计了一种虚拟评判系统.根据操作实际,制定了评判标准,建立了评判指标体系.考虑到指标之间的相互影响和反馈关系,解决指标权重分配问题,利用网络分析法(ANP)处理指标间的复杂关系,并采用三角模糊数和模糊优先规划方法(FPP)完成权重的计算,引入云理论确定隶属度,使用蚁群算法优化BP神经网络,结合模糊综合评判构造模糊蚁群神经网络评判模型.上述方法能够有效减少主观因素对权重的影响,弥补传统评判方法的不足.实际应用表明,改进的评判系统具有很强的实用性,是一种可行的评判系统.     

基于知识点的试卷质量分析研究

通过对现有试卷质量评测标准的介绍,指出其中存在的不足,并以此引入知识点因素对评测标准加以改进。知识点的引入使评测粒度更加细腻,评价依据更加准确有效,能够真正反映出试卷的实际难度。最后根据评测标准的自身特点。利用OLAP技术对其加以实现,通过实践证明评测标准的有效性。     

通识教育中的CorelDRAW课程探讨与分析

通识教育是高等教育的重要组成部分,而CorelDRAW作为应用性较强的平面设计类课程又成为通识教育的主要开设课程之一。如何就该课程在通识教育和高等教育教学环节中发挥重要作用,是值得学者们普遍关注的问题。认真分析CorelDRAW课程的特点和性质,以及充分分析该课程的教学现状,提出作为通识教育课程的开设策略。     

QNX Neutrino实时操作系统性能分析

操作系统是实时嵌入式系统的核心,其性能是决定系统实时性的关键因素之一.介绍了微内核实时操作系统-QNXNeutrino,并以标准检查程序对内核进行性能测试和分析.     

基于溶液图像时序特征的元素组分含量动态监测系统

针对稀土萃取过程中组分含量难以实时监测以及现有组分含量检测方法耗时、耗内存的现状,设计了一种基于溶液图像时序特征的元素组分含量动态监测系统。首先使用图像采集装置获取萃取槽体溶液的时序图像,考虑萃取液颜色特性和单一颜色空间的不全面性,采用主成分分析（PCA）方法在HSI和YUV融合的颜色空间提取图像的时序特征,并结合生产指标构造基于鲸鱼优化算法（WOA）的最小二乘支持向量机（LSSVM）分类器来对工况状态进行判断。然后当工况处于非最佳状态时,在HSV颜色空间对图像提取颜色直方图和颜色矩特征,并开发以溶液图像间的混合特征差值的线性加权值为相似度度量的图像检索系统,从而获取组分含量值。最后进行镨/钕萃取槽体混合溶液测试,结果表明该系统能够实现元素组分含量的动态监测。     

引入迁移学习的癫痫EEG信号自适应识别

在脑电图( EEG)信号识别中,EEG信号的采样环境、病人状态的多样性导致分类器训练所用的源域与分类器测试所用的目标域不匹配,分类器在目标域上表现不佳。为此,引入邻域适应策略,提出一种基于子空间相似度的改进主成分分析特征提取方法( SSM-PCA),在选择主成分时,考虑源域和目标域数据的几何和统计特性,并结合迁移学习分类器大间隔投射迁移支持向量机( LMPROJ),给出以SSM-PCA为基础的LMPROJ分类识别方法。实验结果表明,与结合PCA特征抽取技术和K近邻分类器实现的识别方法相比,该方法在识别正确率方面得到较大提升。     

一种对时间连续数据进行分析查询的SQL扩展语言

在家庭电子医疗平台中,存在生理学时间连续数据,实现对其分析和查询是数据利用的基础。针对这类数据的特点,提出以关系型数据库结构化查询语言SQL为基础,定义相似查询算法,快速有效地从给定信号序列中找出符合某一相似度等级的相似子序列。相似匹配使用了分段聚合近似法和小波变换两种算法,易于进行子序列的相似度分级。实验结果表明,该试验系统能够高效、准确地完成设计功能。     

二次回归学习及其在软件开发工作量预测上的应用

回归学习是用于对具有实值标记样本进行学习建模的监督学习技术。为获得良好的预测性能,通常需要大量的训练样本,然而,在实际应用中可收集到的训练样本数量极少。针对该问题,提出一种基于二次学习框架的新型二次回归学习方法———基于神经网络集成的回归树算法( NERT)。该方法借助虚拟样本生成技术,通过串行执行的两个学习阶段对其进行有效利用,有效缓解训练样本不足的困难,从而提升学习性能。同时,通过为两个阶段分别选择泛化能力强和理解性好的学习方法,可得到预测性能好且可理解性高的模型。实验结果表明在训练样本极少的软件开发工作量预测问题上,NERT方法能够从小样本数据得到比现有方法更好的预测性能,同时其模型内在可理解性能够揭示工作量预测的关键因素。     

正则化半监督判别分析方法

为了克服加权线性判别分析(WLDA)只利用有标签的训练样本而不能反映样本数据流形结构的缺点,提出一种正则化的半监督判别分析方法。首先构建所有样本的近邻图来估计数据的局部流形结构,然后将此作为正则项引入WLDA的准则函数中。该方法避免了类内散度矩阵奇异,同时保持了样本数据的判别结构和几何结构。在ORL和YALE人脸数据库上的实验结果证明了该算法的有效性。     

基于奇异谱分析的DGPS浮标海面高测量误差研究

在高度计绝对定标实验中,利用差分GPS(Differential GPS,DGPS)浮标进行现场海面高测量得到的海面高(Sea Surface Height,SSH)序列之中,除了包含有由风浪引起的高频噪声外,还包括了仪器误差造成的影响。前者可通过低通滤波方式消除,而后者由于是全频段的白噪声,不能通过低通滤波的方式消除。通过研究奇异谱分析(Singular Spectrum Analysis,SSA)的方法,确定了嵌入维数和截断长度的选取准则,并对其进行仿真,验证了该方法在消除海面高序列的仪器误差噪声中的有效性,同时也验证了嵌入维数和截断长度选取准则的有效性。最后,利用该方法处理了某次DGPS浮标实验获得的海面高序列,处理结果与原始序列相比较为平滑,且在精度上有一定的改善,验证了奇异谱分析方法的有效性。