过滤白噪声地震动模型的CQC振型相关系数计算

当地震动模型为过滤白噪声时,通过频域有理分式积分,求完全二次型组合(complete quadratic combination,CQC)振型相关系数的闭合表达式将变得困难和不实用.本研究提出将传递函数转化为状态空间方程,通过求解Lyapunov方程得到振型相关系数的方法,且通过用Kanai/Tajimi模型验证了方法的有效性.该方法可推广到常见的过滤白噪声地震动模型,避免了频域有理分式积分闭合解的冗长公式,计算量小,可靠性好,是精确解.     

基于CMA—ES算法的支持向量机模型选择

研究模型选择对支持向量机(SVM)的泛化性能有着重要影响。针对传统梯度算法对初始值敏感及网格搜索法计算复杂的缺点,为了提高全面优化能力和分类精度,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的支持向量机(SVM)模型优化算法,通过对SVM泛化性能界(Bounds on Generalization Performance)的优化求解,实现了基于CMA-ES算法的SVM模型选择。在标准数据集上的实验结果表明:相比遗传算法和梯度算法,上述方法能够在较小计算代价下得到更优的超参数,提高支持向量机的预测精度稳定性,尤其适合大样本数据条件下的模型选择。     

热轧材冷拉过程65钢硬线断裂分析

65钢(/%:0.62～0.。70C、0.18～0.28Si、0.55～O.75Mn)硬线盘条的生产流程为120 t转炉-LF-170mm×170 mm连铸-高速线材轧制。采用光学和扫描电子显微镜分析了65钢φ6.5 mm热轧盘条在冷拉至φ1.85mm过程中断裂的原因。实验结果表明,断口宏观特征为笔尖状,盘条横截面组织均匀性较差;裂纹起源于心部粗大的先共析铁素体和粗片状渗碳体,断裂的主要原因是索氏体化率低,存在大块先共析铁素体和中心碳偏析。     

庄子的诗性语言

庄子与其他先奏诸子不同,他从开始就试图为人类寻找一条既可以摆脱现实的社会困境,又可以最终摆脱生命困境的途径.他用诗性的语言描绘了融于现实又超越现实的精神之美.本文阐述庄子诗性语言的产生、发展的同时,试从语言的角度理解庄子.     

蓝图敏捷——游戏行业应用

今年5月27日、6月5日和6月10日,连续进行的三场《游戏创造》“英雄会”让不少业界朋友对敏捷开发有了广泛的兴趣。会上,周铁人博士提出了其构思的蓝图敏捷开发方法,还向与会者介绍了如何让敏捷开发更加可控,如何应对人才战略等方面问题的方法和建议。下面我们请TechExcel CEO兼首席软件架构师周铁人先生对蓝图敏捷的概念进行介绍。     

一种基于颜色直方图的图像检索方法

随着社会和科技的发展,人们对基于内容的图像检索(CBIR)的要求越来越高,但因研究起点比效晚,技术上还不是很成熟.文中就图像检索所用到颜色、纹理、形状、轮廓的基本颜色特征中比较重要的颜色特征为主要研究对象,从传统的基于颜色直方图及其后来发展的主要面积直方图和平均面积直方图等思路出发,分析其优缺点,提出一种基于图像分割主要面积直方图方法,提高了图像检索的性能.     

80286虚拟方式及其在智能接口中的应用

80286虚拟方式寻址,利用虚拟方式寻址的BIOS中断INT15H/87H在智能接口中的应用.     

基于注意力机制和集成学习的网页黑名单判别方法

搜索引擎作为互联网主要应用之一,能够根据用户需求从互联网资源中检索并返回有效信息。然而,得到的返回列表往往包含广告和失效网页等噪声信息,而这些信息会干扰用户的检索与查询。针对复杂的网页结构特征和丰富的语义信息,提出了一种基于注意力机制和集成学习的网页黑名单判别方法,并采用本方法构建了一种基于集成学习和注意力机制的卷积神经网络（EACNN）模型来过滤无用的网页。首先,根据网页上不同种类的HTML标签数据,构建多个基于注意力机制的卷积神经网络（CNN）基学习器;然后,采用基于网页结构特征的集成学习方法对不同基学习器的输出结果执行不同的权重计算,从而实现EACNN的构建;最后,将EACNN的输出结果作为网页内容分析结果,从而实现网页黑名单的判别。所提方法通过注意力机制来关注网页语义信息,并通过集成学习的方式引入网页结构特征。实验结果表明,与支持向量机（SVM）、K近邻（KNN）、CNN、长短期记忆（LSTM）网络、GRU、结合注意力机制的卷积神经网络（ACNN）等基线模型相比,所提模型在所构建的面向地理信息领域的判别数据集上具有最高的准确率（0.97）、召回率（0.95）和F₁分值（0.96）,验证了EACNN在网页黑名单判别工作中的优势。     

超媒体系统的开放性探析

1.引言 超媒体系统从一开始就被视为信息集成的工具,为用户在包含各种媒体的信息仓中进行浏览或信息检索提供了方便的手段,允许用户在小块的信息(结点)之间通过任意的连接()来扩充自己的     

Hadoop平台的海量数据并行随机抽样

在“信息爆炸”的当今社会,海量数据对数据挖掘提出新的挑战。在数据挖掘转向云计算平台实现并行化的同时,研究并行化数据随机抽样进一步降低处理的数据规模。提出一种单次扫描即可实现清理脏数据并实现等概率抽样的mapreduce并行抽样算法。在hadoop平台上实现并与普通随机抽样方法进行比较,得出其时间效率非常高,是一种行之有效的方法。为以后数据挖掘中的抽样研究和推动数据挖掘在海量数据下的发展奠定良好基础。