基于信息熵的粮食干燥塔温度预测控制

针对混流式粮食干燥塔生产过程中,物理化学变化复杂,温度变化呈现的非线性和滞后性,难以准确检测的问题,提出了一种基于信息熵的温度预测方法;首先分别采用支持向量机和灰色预测独立建立第一降速段的温度模型;利用加权方法对两种模型进行集成,最后利用信息熵算法,对加权因子进行优化,提升模型的预测精度;运行结果表明干燥后的稻谷含水量与设定值误差从原来的±24.7%,降低至8.5%,验证本方法在实际生产中的有效性。     

基于ANSYS强度仿真与动力学测试的包装结构优化设计

目的 在保障机械结构强度的前提下,对消费量大的某泵用木包装结构进行优化设计,对机械强度进行CAE有限元仿真,并进行振动跌落冲击测试,以降低成本提高产品价值。方法 首先分析产品的使用功能,设计新型包装方案,将原有铁底板支撑结构优化改为用材更少的V型木质支撑结构,建立力学模型,进行底强度分析以及稳定性计算;然后运用SolidWorks建立3D模型,运用ANSYS Workbench进行仿真评估;最后生产出新型包装,并根据包装测试标准进行了测试。结果 新的包装结构用V型木质取代了铁底板支撑,节约了100%的铁质包装材料,并通过了冲击振动跌落测试。优化设计的新包装型式能满足运输过程中的冲击振动跌落等产品保护要求,满足运输稳定性的功能要求。结论 本文以价值工程理念为指导,优化设计的新包装结构,在满足产品功能的同时节约了成本,是价值工程在包装优化领域极好的运用,为机械工程领域包装工程师提供了设计参考和解决方案。     

基于 ResU-Net 的三维断层识别方法及应用

断层刻画了地层的边界位置,地震成像数据中反射层的不连续性可作为断层解释的主要依据。深度神经网络的强非线性性质可作为地震数据中断层不连续特征表达的有力工具,断层识别问题可视作一个像素级别的二分类问题,并使用深度学习方法对此问题进行建模求解。据此可给出一种端到端的基于深度学习网络的三维断层自动识别方法。首先利用地震子波与反射系数卷积合成多组三维地震数据,建立用于深度网络学习断层特征的样本数据,随后搭建网络进行训练,网络训练完成后应用于实际地震数据。鉴于残差模块可很好地提升网络泛化性能,所提出的将残差网络中的残差块结构引入U-Net中的方法,可用于提升通过合成数据样本训练得到的网络模型在训练数据之外,即实际地震数据上的断层识别性能。所建立网络用于断层解释时,输入为叠后三维地震数据,输出为相同维度的三维数据体,其中每一输出值代表输入三维地震数据相同位置处断层的概率。实际算例对比测试表明,此方法可对三维地震数据中的断层进行有效识别,在合成数据集上训练精度相差不大的前提下,引入残差模块的ResU-Net在实际地震数据上的断层识别泛化性能得到提升。     

一种快速自适应谱估计算法

通过对梯度格型快速自适应算法的研究,结合最大熵谱外推目前存在的缺点,将梯度格型算法应用于最大熵谱外推中,并将其与伯格算法进行了比较。     

LPP solution schemes for use with face recognition

Locality preserving projection (LPP) is a manifold learning method widely used in pattern recognition and computer vision. The face recognition application of LPP is known to suffer from a number of problems including the small sample size (SSS) problem, the fact that it might produce statistically identical transform results for neighboring samples, and that its classification performance seems to be heavily influenced by its parameters. In this paper, we propose three novel solution schemes for LPP. Experimental results also show that the proposed LPP solution scheme is able to classify much more accurately than conventional LPP and to obtain a classification performance that is only little influenced by the definition of neighbor samples.     

Recognition of handwritten Chinese characters by critical region analysis

The problem of recognizing offline handwritten Chinese characters has been investigated extensively. One difficulty is due to the existence of characters with very similar shapes. In this paper, we propose a “critical region analysis” technique which highlights the critical regions that distinguish one character from another similar character. The critical regions are identified automatically based on the output of the Fisher's discriminant. Additional features are extracted from these regions and contribute to the recognition process. By incorporating this technique into the character recognition system, a record high recognition rate of 99.53% on the ETL-9B database is obtained.     

基于递阶综合评价模型的电力用户能效评估系统

针对电力用户能效评估,建立了基于递阶综合评价方法的能效评估系统,该系统将能效评估过程分解为三个层次,分别为基于G1群组判断的一级指标评估、基于熵权法的二级指标评估以及最终的综合评估,充分结合主客观评价信息,克服传统单一赋权法局限性,因而能有效地运用到电力用户能效评估的日常工作中。     

基于矩阵分解的DLDA特征抽取方法分析

提出两种基于矩阵分解的DLDA特征抽取算法。通过引入QR分解和谱分解(SF)两种矩阵分析方法,在DLDA鉴别准则下,对散布矩阵实现降维,从而得到描述人脸图像样本更有效和稳定的分类信息。该方法通过对两种矩阵分解过程的分析,证明在传统Fisher鉴别分析方法中,矩阵分解同样可以模拟PCA过程对样本进行降维,从而克服了小样本问题。在ORL人脸数据库上的实验结果验证了该算法的有效性。     

基于特征选择和最大熵模型的汉语词义消歧

词义消歧是自然语言处理中一类典型的分类问题.在分类中,特征的选择至关重要.通常情况下,特征是由人工选择的,这就要求特征选取者对于待分类的问题本身和分类模型的特点有深刻的认识.分析了汉语词义消岐中特征模板对消歧结果的影响,在此基础上提出一套基于最大熵分类模型的自动特征选择方法,包括针对所有歧义词的统一特征模板选择和针对单个歧义词的独立特征模板优化算法.实验结果表明,使用自动选择的特征,不仅简化了特征模板,而且提高了汉语词义消歧的性能.与SemEval 2007:task #5的最好成绩相比,该方法分别在微平均值MicroAve(micro-average accuracy）)和宏平均值MacroAve(macro-average accuracy）)上提升了3.10%和2.96%.     

粗糙集理论在计算机基础教学测评中应用

计算机基础课的教学,从内容、方法到手段不断改进,但缺乏灵活、有效的教学测评方法。参加计算机基础等级考试的师生,如何在考前能够快速、准确了解教学效果并及时发现存在的问题,有针对性地做好考前辅导工作。依据粗糙集理论中条件属性对决策属性重要性的不同,确定对考试结果有重要影响的教学内容。知识约简的信息论观点包含了知识约简的代数观点[1],利用信息熵计算属性重要性,通过对属性重要性分析,为今后的教学重点供了理论依据。