融合互近邻降噪的动态数据流分类研究

动态数据流分类挖掘应用场景逐渐增多,如何辨识出动态数据流中概念漂移和噪声信息成为数据流分类研究中的重点。因此提出一种具备噪声检测能力的动态数据流增量式分类挖掘模型解决此类问题。当动态数据流中出现样本信息与分类模型概念不相容时,采用互近邻思想检测样本是否为噪声,在此基础上用支持向量机作为学习器,通过增量式学习解决数据流中概念漂移。在两种不相容度量标准下,结合理论分析和实验,证明了所提的分类方案是有效可行的。     

“互联网+”支持下的小学英语混合学习方式探究

今天的世界,无网不在,网络学习已经向每一位学习者敞开怀抱。在传统课堂与在线教育的激烈角斗中,混合式学习应运而生。它不仅突破了传统课堂的时空局限,也弥补了纯粹在线学习中师生情感交流的不足。探究小学英语混合学习模式,在实现教育方式和学习方式变革的同时,也让学生最大程度地体验了个性化学习。●时代呼唤未来公民,混合学习势在必行我国实行全民英语教育以来,"哑巴英语""书本英语"仍然广受诟病。这与匮乏的语言环境、有限的英语课时、师资的     

《汉语字母》学习工具制作综述

特色与亮点将课本知识采用计算机游戏的形式展现给学生,使他们的学习过程充满乐趣,这是多媒体教育的一种新形式,也是我近几年来一直探索的方向。在此次的作品创作中,我打破了游戏元素设计的一般方法,制作了《汉语字母》学习工具并获得了师生的一致好评。《汉语字母》学习工具采用AS2.0编程技术并结合Flash的动画功能,根据学生学习汉语字母的认知规律,分别设计了三种完全不同的学习形式,以满足学生在相应学     

基于水泥水化的混凝土碳化深度预测模型

为了准确预测混凝土碳化深度的时变演化规律,基于周期性边界条件,本文提出了改进的水泥水化数值分析模型。引入中心水泥颗粒的未水化水泥层、水化产物层和空气层的受干扰程度3个参数量化表征了水化过程中水泥颗粒之间的干扰效应,考虑水泥矿物组分、水灰比、粒径分布对水泥水化进程的影响,分析了水泥水化度、孔隙率、水化产物随龄期的发展变化规律。结合Papadakis的混凝土碳化深度预测模型,提出了基于水泥水化的混凝土碳化深度预测方法。采用标准碳化试验方法对本文提出的模型进行了验证,试验研究表明模型预测结果与试验结果吻合良好,本文提出的混凝土碳化深度预测模型对研究混凝土耐久性具有重要意义。     

保德沿黄公路改道工程边坡坡脚冲刷试验

针对黄河北干流东岸沿黄公路改道占用黄河河道情况,在现场查勘的基础上,通过对河道冲淤演变与洪水特点分析,确定了设计洪水。根据改移公路工程的情况,利用清水动床实体模型对不同工程边界条件下50 a一遇洪水路基坡脚处河床冲刷深度进行了试验。试验研究表明,在试验来流条件和桥下路堤完全被冲毁的情况下,公路路基平均冲刷深度为4.21 m,最大冲刷深度为9.04 m,最深点位置在桩号K0+550处;在试验来流条件和桥下路堤不被冲毁的情况下,公路路基平均冲刷深度为4.12 m,最大冲刷深度为7.56 m,最深点位置在桩号K0+800处。     

基于局部全局一致性学习算法的故障选线方法

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故障信号的特征量输入局部全局一致性学习算法,通过标签循环传递判断故障特征信号,从而选出故障线路。通过Matlab仿真模型与实验室测试平台对该方法进行了研究,结果表明该方法具有较高的选线可靠性与准确性。     

基于离散余弦变换低频分量特征及学习向量量化的煤岩识别方法

针对现有煤岩识别方法适用范围小、识别正确率低等问题,采用图像分块离散余弦变换处理煤岩图像,将每一个图像块的DCT变换系数以"Z"字型排列,构成表达图像块的向量;采用2种方式提取煤岩图像特征:一种是用图像块向量每一维的均值和所有图像块向量的总体方差构成煤岩图像特征向量,另一种是按照图像块DCT变换顺序,将图像块向量级联构成煤岩图像特征向量;采用学习向量量化神经网络进行煤岩识别,2种特征提取方式的识别准确率均为96.67%,比Haar小波方法提高了3.3%,比Daubechies小波方法提高了5.8%。     

经纬度坐标下矿山微震震源深度的测定方法

针对经纬度坐标下矿山微震震源深度难以确定或误差较大的问题,提出了一种震源深度的测定方法。该方法在只利用微震P波走时的情况下,通过改进微震线性定位法计算微震震源的平面位置和发震时刻,然后通过震源到台站的震中距和微震走时,先进行TD模式拟合,在剔除错误数据后进行DT模式拟合,最后依据拟合直线的截距确定震源深度。实际应用结果表明,该方法能有效降低错误实测数据的干扰,提高震源深度的测定精度。     

斯坦福大学公开课：机器学习课程——Open Stanford Course Engineering Everywhere-MachineLearning

随着"智能制造"概念的普及,人工智能技术的研究与应用变的越来越被人们关注。人工智能在制造中的运用已经成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。机器学习无疑是最有希望实现这个"智能"的研究方向之一。斯坦福大学的"Stanford Engineering Everywhere"免费提供学校里最受欢迎的工科课程给全世界的学生和教育工作者。得益于这个项目,我们有机会和全世界站在同一个数量级的知识起跑线上。     

NVIDIA发布深度学习战略

2015年4月15日,NVIDIA在京召开了以"GPU计算开启深度学习的大门"为主题的战略发布会,公布了最新的针对深度学习的产品和解决方案,其中包括:全球最快GPU GeForce GTX TITAN X,针对研究人员的深度学习平台DIGITS DevBox,加速深度学习的下一代GPU架构Pascal和用于自动驾驶汽车的深度学习平台DRIVE PX.