基于轮廓线匹配的二维重迭物体的识别

本文提出一种基于轮廓线匹配的二维重迭物体的识别算法,并采用一种点模式匹配的快 速算法进行特征点序列的匹配,通过引进形状移位数的概念和利用问题中的各种约束条件,提 高了物体识别速度.     

基于小波变换的可扩展网格编码

为了使位流可以适应网络带宽的异构、时变以及各个网络终端的不同图形处理能力,在网格压缩中引入了位率可扩展性和分辨率可扩展性的概念,提出一种基于小波变换的渐进压缩方法来产生同时具有位率和分辨率可扩展性的位流.该方法将各个子带独立进行编码,对每个子带中的小波系数,按确定的扫描次序转换成一维序列,量化后进行位平面编码.设计了一种自适应细分信息编码算法,使解码端知道每一个小波系数应该放置在哪一个顶点上.实验表明,该方法的位流大小约为PGC方法的70％左右,且具有PGC所不具有的分辨率可扩展性.     

双支持向量回归的牛顿算法

为提高支持向量回归的运算速度,提出一种双支持向量回归的牛顿算法。求解2个只带一组约束的支持向量问题,以减少运算量,将2个约束优化问题转化为无约束最优化问题,并采用牛顿迭代算法求解。实验结果表明,在保证与支持向量回归和双支持向量回归拟合能力相当的同时,该算法能减少训练时间。     

激光切割

一、激光切割的现象和原理激光切割是将激光束经透镜等集光系统得到高密度的光能,使被切割部位加热汽化,穿孔进行切割。现在的激光切割,一般都是与激光束同轴吹进气体,除极薄板的微细加工外,大多使用氧气或其它气体做辅助气体。利用气体辅助切割,对铁系材料来说有如下效果。1.氧气和铁的氧化反应热可以帮助加工部位的熔化;2.使生成的熔渣流动性好,并由气流将熔化     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

深基础施工环梁支撑技术

海口港澳发展大厦为软土地基，三层地下室，基坑挖深１５．３ｍ。施工中采用地下连续墙和大直径混凝土环梁支撑系统支护，技术经济效益明显。     

减少焊接烟气的方法

一、焊接烟气的产生带有药皮的焊条在焊接时所产生的烟气,可以解释为“熔池表面发生的高温蒸气,在大气中因急速冷却而形成的固体微粒”(焊丝也是同样)。因此焊接时的烟气发生量主要是受焊丝材料和焊接工艺的影响。影响焊接烟气发生量的各种因素如图1所示。     

焊接质量分级的国际动向

1.焊接质量分级的现状在制定焊接结构的法规、标准中对材料、结构设计、施工、检查等的要求,多是适应结构物的要求,定出一个质量要求水准。对此从焊接的共同性来说不可能定出单一的合格标准,因随着结构物的不同,其载荷种类、使用环境、发生破损时的危害性等条件也各不相同。     

一种基子距离的神经网络分类器的设计方法

本文提出一种基于距离的神经网络分类器的设计方法。用这种方法设计的网络比采用一般BP算法的网络有较快的收敛速度。这种网络也为理解三层网络的映射能力,记忆容量及隐节点的设置等问题提供了很好的启发和帮助。     

Optimal selection of reference set for the nearest neighbor classification by Tabu search

In this paper,a new approach is presented to find the reference set for the nearest neighbor classifer.The optimal reference set,which has minimum sample size and satisfies a certain error rate threshold,is obtained through a Tabu search algorithm.When the error rate threshold is set to zero,the algorithm obtains a near minimal consistent subset of a given training set.While the threshold is set to a small appropriate value,the obtained reference set may compensate the bias of the nearest neighbor estimate.An aspiration criterion for Tabu search is introduced,which aims to prevent the search process form the inefficient wandering between the feasible and infeasible regions in the search space and speed up the convergence.Experimental results based on a number of typical data sets are presented and analyzed to illustrate the benefits of the proposed method.Compared to conventional methods,such as CNN and Dasarathy‘s algorithm,the size of the reduced reference sets is much smaller,and the nearest neighbor classification performance is better,especially when the error rate thresholds are set to appropriate nonzerovalues,The experimental results also illustrate that the MCS(inimal consistent set)of Dasarathy‘s algorithm is not minimal,and its candidate consistent set is not always ensured to reduce monotonically.A counter example is also given to confirm this claim.