基于PCA与主动学习AdaBoost的频谱感知算法

针对认知网络中各低信噪比环境下主用户信号检测率偏低的问题,提出一种基于主成分分析和主动学习AdaBoost的主用户信号频谱感知算法.该算法首先采用主成分分析算法对信号特征参数进行提取,获得信号的主成分,之后利用主动学习算法通过多次迭代抽样,获取有利于提高分类性能的样本,并对AdaBoost分类器进行训练,最后利用训练完成的AdaBoost分类器对待测信号进行分类检测.仿真实验表明,在各低信噪比情况下与ANN和MME算法相比较,所提算法具有较高的分类感知性能,有效地实现了对主用户信号的频谱感知.     

基于动态融合蚁群遗传算法的医学图像配准

将基于动态融合的蚁群遗传算法作为一种新的图像配准优化算法应用在多模医学图像配准中。该算法以互信息作为相似性测度,生成初始信息素分布,采用蚁群算法搜索最优变换参数,其中动态融合策略提高了混合算法的搜索效率。仿真实验结果表明,该算法有效地避免信息函数的局部极值,减少大量重复运算,提高了配准的效率,配准结果具有良好的稳定性。     

联合循环平稳特征PCA与RVM的频谱感知

针对无线信道环境中低信噪比情况下主用户信号检测率较低的问题,提出了一种基于循环平稳特征主成分分析(PCA)与相关向量机(RVM)的认知网络频谱感知算法。该算法结合了主成分分析算法与相关向量机分类方法,应用于解决认知网络频谱感知问题。首先对信号循环平稳特征参数进行特征提取,通过主成分分析进行降维提取信号主成分,生成训练样本和待测样本,并完成对相关向量机的训练,再采用训练完成的相关向量机算法分别对有无主用户情况下的信号进行分类检测,最后获得主用户信号存在性的感知判断。仿真实验表明,与人工神经网络、支持向量机和最大最小特征值算法相比较,所提算法在低信噪比情况下具有较高的分类检测性能,检测率最大可提高61.6%,有效地实现了对主用户信号的感知。     

耐火纤维喷涂复合炉衬技术及应用

提出了一种耐火纤维复合层衬里结构及其喷涂技术 ,给出了耐火纤维棉的选用 ,结合剂的制备 ,以及喷涂技术的要点。对几个石化工业炉的案例分析表明 ,采用耐火纤维喷涂技术不仅能大大缩短施工周期 ,而且能够提高加热炉的热效率 ,节能效果和综合经济效益十分显著。     

基于小波变换的脉搏波标志点检测方法

针对脉搏波信号的标志点检测提出了一种基于小波变换的信号特征检测方法.该方法首先对脉搏波信号在小尺度上进行小波变换,然后利用系数中的极大极小值对来确定原始信号峰值的范围,进而返回原始信号定位峰值点.最后以原始信号的峰值为参照点提取出其他标志点的具体位置.采用此方法进行脉搏波信号的标志点定位,为进一步进行血流动力学参数的计算研究奠定了基础.     

水热处理对大米品质特性及其体外消化的研究

以籼稻为原料,采用超声波、蒸煮、超高压等一系列辅助处理,通过单因素和正交实验优化,得到慢消化蒸谷米的最优工艺参数为：超声波大小550 W、蒸煮时间30 min、超高压功率450 MPa,最终产品GI值为46,属于低GI食品。并通过GC-MS、电子鼻、傅里叶红外光谱对其消化特性和品质特性进行分析。结果表明,电子鼻主成分分析总贡献率高达97.9%,GC-MS实验中得出慢消化蒸谷米出现了反式-2-癸烯醛、2-丁基-2-辛烯醛、苯甲酸乙烯酯以及2-己基-1-癸醇等特征性香气成分,傅里叶红外光谱数据表明超高压、超声波等一系列处理促进了淀粉糊化。其模糊综合感官评分为86.3,由此可知慢消化蒸谷米品质较好,气味、外观品质、软硬度、弹性、黏性均具有良好的感官品质。     

Ce含量对8021铝合金凝固组织的影响

利用光学显微镜(OM)、扫描电子显微镜(SEM)、硬度测试等检测技术研究不同Ce含量对8021铝合金微观组织及力学性能的影响.研究结果表明:随着Ce含量的逐渐增加,富铁相逐渐由粗大的针状、片状转变为点状、短棒状,但当w(Ce)＞0.2％时,出现过变质现象.当w(Ce)=0.2％,熔体720℃保温时间30 min时变质效...     

基于互信息及蚁群算法的红外与可见光图像配准研究

红外与可见光传感器是图像系统中常用的两种传感器,对这两种传感器图像进行有效的融合,能够得到更加丰富的图像信息,并具有更高的可靠性,有利于提高对图像信息的分析和识别能力.快速准确地实现图像配准是图像融合的前提.为此,本文提出了一种基于互信息及蚁群算法实现红外与可见光图像配准的方法.     

硅酸铝纤维喷涂工艺在裂解炉中的应用

将耐火纤维喷涂工艺用于裂解炉的构筑中，给出了炉衬结构和厚度的设计，纤维喷涂工艺要点和运行效果的检验结果。