深度学习的车间零件分拣机器人目标识别方法

针对目前方法识别机器人目标时,由于未能详细分析分拣机器人运动规律,导致该方法开展目标识别时,存在平均置信度低、识别效果差等问题,提出深度学习的车间零件分拣机器人目标识别方法。该方法通过分析分拣机器人运动规律,提取待检测目标的特征向量值;结合深度学习理论建立目标识别模型,并寻找模型最佳参数;建立待检测目标的相关测试集放入模型中训练,基于模型输出结果,完成机器人的目标识别。实验结果表明,运用该方法识别目标时,其在特征提取后,分拣目标数量为1000个时,识别准确率达到了97.5%以上,识别耗时在100s以下,平均置信度约为0.8,有效提高了平均置信度、降低了识别时间,识别效果好。     

220t/h锅炉给粉变频调速控制系统的设计与应用

以２２０ｔ／ｈ锅炉给粉变频调速控制技术为例，介绍了给粉变频调速控制技术的性能、结构等特点。     

数据采集卡驱动程序的设计与实现

USB具有方便快速的特点，已经发展成为计算机与外设的一种普遍接口。本文在简要分析了USB设备驱动程序的工作原理及其体系结构的基础上，首先对电机参数测试虚拟仪器中USB型数据采集卡的硬件实现做了简要的介绍．进而对其驱动程序的具体实现作了深入地剖析。最后在应用程序和驱动程序之间通信问题的基础上，介绍了客户端应用软件的设计。     

基于Rough集理论的模糊值属性信息表简化方法

为了有效地在信息表中处理取值为模糊术语的属性，解决Rough集对模糊值属性处理能力较弱的问题，提出了模糊不可分辨关系的概念，用于处理属性值为模糊术语的信息表．将约简、核、相对约简与相对核以及规则的约简与核等Rou曲集理论中一系列知识约简的概念推广到模糊环境下，提出了一种有效的模糊值信息表简化的启发式算法．数值实验验证该方法在模糊值属性信息表简化方面比传统的Pawlak方法和其他一些学者的相关工作更为有效．     

基于类的面向对象软件测试技术研究

面向对象软件测试是面向对象软件开发的一个重要阶段,是保证软件质量、提高软件可靠性的关键。文中针对面向对象程序的特点及对软件测试的影响,提出了一种基于状态的类测试的面向对象软件测试方法,该方法与有限状态机理论相结合,从而提高了软件的质量,使软件的执行高效、可靠。     

决策表的最小算法及其优化问题

首先给出了计算决策表的所有规则的所有约简的一种算法。以此为基础从三个不同的角度(即最小算法包含的约简数最少,或其中每个约简所含合取项最少,或其中所有约简的合取项数之和最少)讨论了最小算法的优化问题,分别证明它们是NP-hard问题,给出了最小算法三种优化问题的启发式算法,并对其时间复杂度进行了分析。最后,演示了三个算例。     

一种基于随机块模型的快速广义社区发现算法

随机块模型可以生成各种不同结构(称作广义社区,包括传统社区、二分结构、层次结构等)的网络,也可以根据概率对等原则发现网络中的广义社区.但简单的随机块模型在网络生成过程建模和模型学习方面存在许多问题,导致不能很好地发现实际网络的结构,其扩展模型GSB(general stochastic block)基于链接社区思想发现广义社区,但时间复杂度限制其在中大型规模网络中的应用.为了在无任何先验的情形下探索不同规模网络的潜在结构,基于GSB 模型设计一种快速算法FGSB,更快地发现网络的广义社区.FGSB 在迭代过程中动态学习网络结构参数,将GSB 模型的参数重新组织,减少不必要的参数,降低算法的存储空间;对收敛节点和边的参数进行裁剪,减少每次迭代的相关计算,节省算法的运行时间.FGSB 与GSB 模型求解算法有相同的结构发现能力,但FGSB 耗费的存储空间和运行时间比GSB 模型求解算法要低.在不同规模的人工网络和实际网络上验证得出:在近似相同的准确率下,FGSB 比GSB 模型求解算法快,且可发现大型网络的广义社区.     

复杂网络半监督的社区发现算法研究

随着大数据时代的到来,复杂网络的社区发现已成为一个重要研究方向。层次聚类算法作为社区发现的经典算法受到了广泛应用,然而该算法具有较高的时间复杂度和较低的运行效率。为提高社区发现算法的运行效率,提出了一种基于节点相似度的半监督社区发现新算法--SSGN算法。充分利用先验知识must-link、cannot-link约束集合,将先验信息通过衍生规则进行扩展,并对扩展的信息通过基于距离度量的方式加以验证。采用人工网络和真实网络进行验证,UCI 数据集和大型真实数据集上的实验结果表明, 基于节点相似度的半监督社区发现算法较其他半监督聚类算法更准确,也更高效。     

决策树分类方法在软构件检索中的辅助决策支持研究

构件库的检索效率不仅包括对构件本身的检索效率,还包括构件查询者对构件的理解效率。而一般的构件库系统只是从描述性信息方面提供对构件的理解,却很少从实际复用方面提供对构件的理解。数据挖掘技术为解决上述问题提供了一条可行的途径,文中对如何利用决策树分类方法进行可复用构件的复用历史信息和用户反馈信息隐含知识的挖掘作一探讨。通过对数据挖掘技术的应用,使构件库的相关人员能够从其他复用者实际复用构件的角度来理解构件,从而为构件生产者改进构件、管理者管理构件、复用者理解和选取构件提供一定程度的辅助决策支持。最后,通过实验验证了这种方法的可行性与有效性。     

基于系统调用的入侵检测规则的生成

由授权进程产生的系统调用短序列可作为计算机免疫系统中的“自我”标识。介绍如何利用数据挖掘技术在应用程序的系统调用数据集上进行分类挖掘,从而生成计算机免疫系统中的入侵检测规则,给出并分析了实验结果,发现用此方法生成的规则对未知数据进行分类有较高的准确率。