ELMs和SVMs在多分类问题上的泛化性能比较

多分类问题是机器学习、数据挖掘领域的重要研究内容。在文本分类、语音识别、图像识别、基因检测等方面有广泛的应用。通过在UCI数据集对极限学习机算法ELMs(ELM,KELM)和支持向量机算法SVMs(SVM,LSSVM)在多分类问题上的表现进行详细比较,得出以下结论:ELMs相较于SVM在多分类问题上有更高的分类准确率,而且随着分类数目的增加,ELMs的泛化能力相较于SVM提高越多,但是ELMs对于LSSVM并没有得到上述结论;ELMs相较于SVMs对数据的类别数目不敏感,分类准确率随类别数目增加下降不明显;ELMs相较于SVMs在多分类问题上所需计算代价更小,且拥有更快的学习和训练速度,适用于多分类问题。     

BPEL在煤炭销售系统中的应用研究

随着互联网应用的深入发展和企业之间合作的加强，单个的web服务很难满足复杂的业务需求，需要将单个的web服务组合起来，形成一个新的、具有增值能力的web服务，并将组合一起的web服务应用在不同的系统环境中。提出了基于BPEL的web服务组合，将web服务组合在煤炭销售管理系统中加以应用，高效的利用了互联网上的web服务，降低了开发复杂项目的成本，增加了企业的利润。     

基于连续小波变换和无模型元学习的小样本汽车行星齿轮箱故障诊断

针对行星齿轮箱振动信号具有较强的非平稳特性、故障样本少以及传统深度学习对数据依赖性的问题,提出了一种基于连续小波变换（Continuous wavelet transform,CWT）和无模型元学习（Model agnostic meta learning,MAML）的小样本行星齿轮箱故障诊断方法。通过CWT将行星齿轮箱振动信号转换为时频图像,有效地表达行星齿轮箱非平稳性特征;利用MAML“学会学习”的能力训练小样本的时频图像,对“未见过”的行星齿轮箱故障类型进行测试。通过对不同样本数量、跨工况条件和不同噪声环境下的行星齿轮箱进行故障诊断实验,结果表明,该方法相比于其他方法具有更高的识别精度、泛化性和鲁棒性。     

合金元素Nb对螺纹钢组织和性能的影响

为优化螺纹钢生产中微合金铌的含量并对热处理工艺提供理论依据,绘制了不同铌含量钢种的动态连续冷却转变曲线(CCT曲线).分析结果为:当高铌螺纹钢冷却速度在2 ～ 10℃/s、低铌螺纹钢冷却速度在5～ 10℃/s的时候,室温下金属内部主要由铁素体、珠光体和贝氏体组成;当冷却速度大于10℃/s的时候,铁素体和珠光体含量减少,...     

E36船板钢板坯凝固组织模拟研究和应用

为改善钢厂E36钢板坯内部质量,通过ProCAST软件建立E36钢板坯凝固过程数学模型,并在此基础上采用CAFE模块对研究过热度(10～25℃)、拉速(0.70～0.85 m/min)和二冷比水量(0.30～0.39 L/kg)等不同连铸工艺参数以及加入电磁搅拌的300 mm×2 070 mm铸坯凝固组织进行模拟.从模...