阿瑟·米勒戏剧《推销员之死》中美国梦的体现

在＂美利坚＂这个新世界被意大利探险家亚美瑞格·韦斯普奇发现后,千千万万的人为着所谓的＂美国梦＂涌向那里并定居下来。从此,＂美国梦＂便成了该民族永恒的话题。＂美国梦＂让人们相信在美国,不论种族、性别和阶级,只要不懈努力就有可能获得成功,人们必须通过自己的决心、勇气以及勤奋实现理想。因此,上百年来,＂美国梦＂几乎成了所有渴望成功的美国人的精神支柱和动力源泉。美国剧作家阿瑟.米勒的代表作《推销员之死》便深刻地反应了＂美国梦＂在一群普通民众的生活中是怎样被塑造、被极力追寻的。他们之中,有的人成功了,实现了自己的梦想,过上了更好、更富裕、更幸福的生活;还有的却经历着一代又一代的失败与毁灭。     

基于OpenCV的匀速模糊图像复原与算法分析

对水平匀速直线运动造成的模糊图像进行频谱分析,估计出模糊距离,进而求得图像的点扩散函数。采用维纳滤波法和投影复原法复原图像,分析这2种算法对模糊距离的鲁棒性。采用OpenCV与MFC函数库作为软件设计基础,实现的软件系统对匀速模糊图像的复原效果比较理想。     

热定型工艺对斜纹涤纶机织滤布透气性能的影响

通过改变热定型温度、时间等工艺条件测试了织物热定型前后的透气性的变化,探讨了热定型工艺参数对涤纶机织滤布透气性的影响规律;采用二次回归正交设计得出斜纹涤纶机织滤布透气性与定型工艺的非线性关系,建立了热定型工艺与织物透气性影响规律的二次回归非线性经验方程.在定型温度为212℃、定型时间为143 s时涤纶机织滤布的透气量达...     

一种基于支持向量机的非线性系统辨识方法

提出一种新的非线性系统辨识方法,基于支持向量机回归算法,选取高斯核函数构造了从输入空间到高维特征空间的非线性映射,以避免繁琐的运算,实现对非线性系统的辨识。仿真结果表明了SVM具有很好的拟合和泛化能力,同基于神经网络的非线性系统辨识相比,其辨识和泛化性能要优于神经网络。支持向量机的使用为工业过程的系统辨识提供了一条新的途径。     

基于视觉注意力模型的红外人体图像兴趣区域提取*

由于红外人体图像所处背景的复杂性,使用阈值分割定位红外人体图像往往把大量的非人体图像一起分离出来,这给后续工作带来了巨大的计算量.研究了红外人体图像的典型特点和人眼视觉判断人体轮廓图像的敏感特征,使用该特征建立了简单的人眼视觉对人体的注意力模型,并构建特征判别概率函数,对待定目标进行概率的估算,最终使用该模型快速地剔除非人体红外图像的干扰,并准确地定位人体兴趣区域.     

水电站月度调度函数的模型制定与模拟结果评价

基于统计学中多元逐步回归原理建立了多年调节水电站分月调度函数模型,并根据水电站优化调度特征确定待选自变量,用以指导电站实际优化调度运行。在考虑电站自身各约束及综合利用要求的前提下,进一步采用程序设计模拟调度函数指导水电站长系列调度运行,通过对模拟结果的全面评价,证实所建立的调度函数具有良好的指导意义和实用价值。     

离子膜车间杜邦膜监测工作总结

通过对杜邦膜NX2002TX和旭硝子公司的F-893膜在第1年应用中运行数据的比较。证明在使用第1年内，NX2002TX膜的性能高于F-893膜。     

基于二部图投影的微博事件关联分析方法研究

文章针对微博事件相对于传统事件在传播过程中的新特征,提出了利用图论中二部图的理论来获取微博事件间的关联关系的新方法。文中给出了将微博事件和微博用户的关系转换为二部图网络的方法,并根据微博用户在微博事件中的角色特征,给出了微博用户的综合权重,由此来构造“微博事件--微博用户”加权二部图。通过对比多种二部图投影算法,提出了一种基于加权的一维投影算法,在保留二部图结构信息的基础上得出了微博事件间相互关联和影响的定量表示。最后通过实验验证了文章算法的合理性和正确性。     

优化SVR的加权马尔可夫链用电量预测

研究电力系统中用电量的准确预测问题.由于影响用电量的因素众多,并且用电量数据与相关因素之间呈现高度的非线性关系,传统的预测方法很难捕捉用电量的变化趋势,预测精度较低.为了提高预测的精度,提出了一种马尔可夫链优化的SVR模型.上述模型根据支持向量回归机原理,以网络搜索交叉验证的思想优化模型参数,通过加权马尔可夫链原理优化预测结果,将原来的数值预测转化为概率区间上的预测.同时,在利用加权马尔可夫链的预测信息之后,也提高了预测的精度.最后,将改进模型应用于江苏省全社会用电量的预测分析,实验结果表明优化的支持向量模型优于其它对比模型,有较高的泛化能力和预测精度.     

采用支持向量回归抑制噪声的经验模态分解方法

在实际信号分解中,经验模态分解（ EMD）是对噪声敏感的,往往会分离出一些虚假的本征模函数,对信号的分析产生一定影响。为了提高EMD分解的正确率,减少其出现虚假本征模函数的情况,文中提出了一种基于支持向量回归（ SVR）的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组,然后利用EMD方法对重组信号进行二次分解。实验表明,二次分解结果已经非常接近于理想的分解结果,不会出现虚假IMF。这种分解方法对噪声不敏感,能有效提高EMD方法对噪声的容忍度。