无线电子鼻测量系统设计与实现

介绍一种用于远程实时环境气体浓度精确监控的无线电子鼻网络节点设备,讨论了用于环境测量的电子鼻的节点设备组成和原理。同时考虑到气体传感器噪声及环境噪声对测量精度影响,建立了气体浓度测量的卡尔曼滤波模型,重点讨论卡尔曼滤波技术应用到气体浓度测量过程中,通过实验数据的结果确定了滤波器参数,提高了噪声影响下气体浓度的测量精度。     

计算机硬件课程虚拟实验平台的开发与设计

针对传统的计算机硬件教学实验平台现存在的局限性,根据网络虚拟实验室的设计原则和目标,本文对虚拟实验平台的功能、模块、系统流程等进行了分析。以《计算机硬件技术基础实验教材》中的8254硬件实验为例,采用控件技术、虚拟仪器技术和MySQL数据库技术相结合的方法,以C／S为体系结构,在Visual C＋＋6．0集成开发环境下,利用VC＋＋等编程语言编写仿真控制平台,细致的剖析了构建网络虚拟实验平台的开发过程和关键技术。     

一种改进的RBF神经网络参数优化方法

提出了一种改进的RBF神经网络参数优化算法。通过资源分配网络算法确定隐含层节点个数,引入剪枝策略删除对网络贡献不大的节点,用改进的粒子群算法对RBF网络的中心、宽度、权值进行优化,使RBF网络不仅可以得到合适的结构,同时也可以得到合适的控制参数。将此算法用于连续搅拌釜反应器模型的预测,结果表明,此算法优化后的RBF网络结构小,并且具有较高的泛化能力。     

不平衡数据分类方法综述

随着信息技术的快速发展,各领域的数据正以前所未有的速度产生并被广泛收集和存储,如何实现数据的智能化处理从而利用数据中蕴含的有价值信息已成为理论和应用的研究热点.数据分类作为一种基础的数据处理方法,已广泛应用于数据的智能化处理.传统分类方法通常假设数据类别分布均衡且错分代价相等,然而,现实中的数据通常具有不平衡特性,即某一类的样本数量要小于其他类的样本数量,且少数类具有更高错分代价.当利用传统的分类算法处理不平衡数据时,由于多数类和少数类在数量上的倾斜,以总体分类精度最大为目标会使得分类模型偏向于多数类而忽略少数类,造成少数类的分类精度较低.如何针对不平衡数据分类问题设计分类算法,同时保证不平衡数据中多数类与少数类的分类精度,已成为机器学习领域的研究热点,并相继出现了一系列优秀的不平衡数据分类方法.鉴于此,对现有的不平衡数据分类方法给出较为全面的梳理,从数据预处理层面、特征层面和分类算法层面总结和比较现有的不平衡数据分类方法,并结合当下机器学习的研究热点,探讨不平衡数据分类方法存在的挑战.最后展望不平衡数据分类未来的研究方向.     

基于VC＋＋的Word文档自动生成技术

采用COM技术调用OLE自动化对象,实现了Word文档在Vc＋＋平台中的自动生成。运用书签定位和光标跟随相结合的技术,在自动生成的Word文档中精确插入了文字、图片、表格和目录。     

基于时空约束和稀疏表示分类的目标跟踪算法

针对经典稀疏分类目标跟踪算法中目标模板和目标基的建模及更新方式效率低,跟踪性能不可靠等问题,提出一种新的目标跟踪算法,解释了时空约束原理,目标基、背景基、时序特征池的创建方法以及选择与抛弃两种基更新机制;该算法采用时序循环更新方式解决模板更新问题,结合稀疏表示分类和标准对冲实时计算目标坐标。相比其他几种经典目标跟踪算法,有效提高了在复杂背景下的目标跟踪性能。     

基于空间聚类的动物疫点分布划分算法研究

防疫管理资源(人员和设备等)的合理有效配置是动物疫情防疫管理关注的问题之一。根据疫点的空间分布情况,基于空间聚类和最大夹角边界确定方法,提出了对疫点分布进行分类划分的方法。首先研究了将K-Means聚类分析方法应用于疫点的空间聚类分析,实现了疫点按空间亲疏关系的分类。在此基础上,根据最大夹角原理,在聚类结果中确定了每一个分类的边界线,实现了对疫点按空间关系进行分类划分区域的方法,从而为疫情管理人员有效地监测与分析疫情空间分布模式、控制管理和预防动物疫情的扩散提供了支持。     

基于.NET的Oracle BLOB数据高效存取方法

为保证实际项目中海量数据存储的管理效率,在ASP.NET平台上使用C#编程,通过ADO.NET访问Oracle后台数据库,采用内存流读取数据,启用通用自定义HTTP请求处理程序同步处理HTTP Web请求,实现了对BLOB类型数据的高效存储和读取。该方法同样适用于其他形式的BLOB大型数据。     

基于联合分布偏移差异的跨域滚动轴承 故障诊断方法

现有的无监督域自适应故障诊断方法大多只基于单一域信号实现,提取的故障信息不够全面。 只注重实现源域和目标 域特征的边缘分布对齐,忽略了样本的条件分布差异,限制了诊断精度的提升。 为克服以上问题,提出一种基于联合分布偏移 差异(joint distribution offset difference, JDOD)的跨域滚动轴承故障诊断方法。 使用两个结构一致的卷积神经网络(CNN)分别 提取信号的时域与频域特征,获取更完整的故障信息。 提出联合分布偏移差异,实现不同域特征的边缘分布对齐和条件分布对 齐。 在两个多工况轴承数据集上与多种先进方法展开对比实验,取得了 99%以上的平均诊断精度。 实验结果表明联合分布偏 移差异有效提升了跨域故障精度。