基于遗传算法的支持向量机预测含能材料密度的研究

基于遗传算法(genetic algorithm,GA)的变量筛选和支持向量机(support vector machine,SVM),提出了一种改进的定量结构-性质相关(quantitative structure detonation relationship,QSPR)建模方法——遗传-支持向量机(GA-SVM),并用其建立含能材料的定量结构-爆轰性能关系(QSDR)模型,此外还应用标准SVM方法建立了QSDR模型,并用这2种模型进行呋咱系含能化合物密度的预测,随机选取85%化合物作为训练集,用来建立模型,其余化合物作为测试集来测试模型的预测能力。预测结果的交互检验的相关系数平方分别为0.9887和0.9885,平均相对误差分别为1.16%和2.12%,表明了2种建模方法的有效性。通过对2种模型的预测能力进行比较,GA-SVM方法建立的QSDR模型能更好地预测呋咱系含能化合物的密度,更利于实际应用。     

基于PCA及SVM对含能化合物结构性能预测

本文使用PCA(主成分分析)算法对含能化合物的结构参数进行数据预处理,这可降低数据维数和提取数据特征信息,将预处理后的数据作为SVM(支持向量机)算法的输入,通过SVM同归算法来建立含能化合物分子结构和性能之间的定量关系模型.结果表明,该模型能较好的反应含能化合物分子结构和性能之间的关系,具有较高的预测精度.     

基于FPGA技术的FIR数字滤波器的设计

在数字化技术在各个领域得到广泛运用的今天,数字滤波器是数字系统中信号处理关键的一环。数字滤波器和模拟滤波器相比具有更高的精度、信噪比,以及不可比拟的可靠性。由于在性能、成本、灵活性和功耗等方面的优势,基于FPGA的信号处理器已广泛应用于各种信号处理领域。本文主要介绍了基于现场可编程门阵列(FPGA)技术FIR数字滤波器的设计,该方法通过DSP Builder和MATLAB等软件进行开发、仿真和验证,使之便于在FPGA中实现。     

体育馆智能照明控制系统的网络架构及仿真应用

比赛场地照明是体育场馆内训练、比赛、转播及全民健身等功能实现的重要环节之一。根据不同规模等级体育场馆的照明需求,本文提出四种适用于不同规模体育馆的场地照明智能控制系统架构,并模拟其控制和实现方式。