排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
针对模拟电路的故障诊断问题,详细介绍了支持向量机算法,由于它在非线性映射、小样本学习方面的独特优势,故将它引用到模拟电路的故障诊断过程中.并提出了一种基于支持向量机的诊断方法,该算法能够对被测电路的故障进行有效并且精确地分类.以折线逼近平方曲线的近似测量电路为例,设计了基于支持向量机的模拟电路故障诊断系统.以实际测试数据作为训练样本进行学习训练后,对其它实际测量数据进行诊断,其结果正确,验证了算法的有效性. 相似文献
2.
3.
4.
1新型干法的生产实践 高海拔地区新型干法工艺起步较晚,由于受空气含氧量及气压低等客观环境和管理机制及人才的软环境的因素影响.造成新生线达产、达标周期长。由项目、设计、选型、生产和管理等方面的综合因素影响,各项资源消耗指标偏高,极大地影响了经济效益的提升,以青海水泥股份有限公1000t/d生产线来分析见表1. 相似文献
5.
6.
由于消费者购买被动式超低能耗建筑的意愿不足等因素,导致我国被动式超低能耗建筑产业发展缺乏动力,处于"推而不动"的阶段.现以被动式超低能耗建筑的潜在消费者为研究对象,甄别出消费者在做出购买决策时的影响因素,根据影响因素设置观察变量,测度潜在变量,构建被动式超低能耗建筑消费者购买意愿结构方程模型;并采用问卷调查法收集数据,... 相似文献
7.
8.
随着社会的进步,经济飞速发展,我国高层建筑地位提高,高层建筑产业是我国国民经济的主要基础产业和支柱产业,建筑企业在我国国民经济建设中占据着极其重要的地位.但是.建筑企业施工自身具有危除性,因此,笔者就以高层建筑企业为例,浅析企业安全监理体系的构建,对高层建筑安全监理的要点进行研究. 相似文献
9.
目的 细粒度图像分类是计算机视觉领域具有挑战性的课题,目的是将一个大的类别分为更详细的子类别,在工业和学术方面都有着十分广泛的研究需求。为了改善细粒度图像分类过程中不相关背景干扰和类别差异特征难以提取的问题,提出了一种将目标检测方法YOLOv3(you only look once)和双线性融合网络相结合的细粒度分类优化算法,以此提高细粒度图像分类的性能。方法 利用重新训练过的目标检测算法YOLOv3粗略确定目标在图像中的位置;使用背景抑制方法消除目标以外的信息干扰;利用融合不同通道、不同层级卷积层特征的方法对经典的细粒度分类算法双线性卷积神经网络(bilinear convolutional neural network,B-CNN)进行改进,优化分类性能,通过融合双线性网络中不同卷积层的特征向量,得到更加丰富的互补信息,从而提高细粒度分类精度。结果 实验结果表明,在CUB-200-2011(Caltech-UCSD Birds-200-2011)、Cars196和Aircrafts100数据集中,本文算法的分类准确率分别为86.3%、92.8%和89.0%,比经典的B-CNN细粒度分类算法分别提高了2.2%、1.5%和4.9%,验证了本文算法的有效性。同时,与已有细粒度图像分类算法相比也表现出一定的优势。结论 改进算法使用YOLOv3有效滤除了大量无关背景,通过特征融合方法来改进双线性卷积神经分类网络,丰富特征信息,使分类的结果更加精准。 相似文献
10.
为解决电子商务中各种文件的隐秘传输问题,在分析可执行文件特点的基础上,结合空域信息隐藏原理,设计实现了一种带有密钥的.EXE文件隐密传输方法.该方法在密钥的作用下,将.EXE文件的比特流,隐藏在载体图像较低的3个比特位上.方法已采用Matlab编程实现,实验表明采用该方法进行可执行文件隐藏时,嵌入前后图像的PSNR大于30dB,人类的视觉根本无法区分.而且恢复的可执行文件同正常文件一样,其运行未受任何影响.算法的隐藏效果较好,可以满足文件的隐秘传输需要. 相似文献