基于虚拟机的数据中心能耗测量

提出一种基于计算密集型与I/O密集型建立虚拟机动态能耗的数学模型方法.结合了设备运行状态参数,在模型功耗处于计算密集型时引入了虚拟机的CPU使用率与CPU频率,处于I/O密集型时引入了虚拟机的硬盘读写总字节数与内存读写总字节数计算功耗,并对功耗进行积分得出数据中心能耗.与常规方法相比该方法进一步细化了测量粒度,且在使用Wordcount运行任务与Sort运行任务进行节点能耗测试时,得出能耗的平均误差为0.062 5.实验结果在粒度细化的同时保证了常规方法的同级别测量精度.     

RV摆线轮专用镗床几何误差分析

针对普通摆线轮镗孔设备存在效率低、精度低等问题,提出了一种摆线轮坐标孔专用镗床,并确定了专用镗床的整体结构。为提高专用镗床的加工精度,需要明确各几何误差元素对专机加工精度的影响程度,并重点控制影响程度较大的几何误差元素。首先分析了专用镗床的几何误差元素,基于多体系统理论和齐次坐标变换建立了专用镗床的几何误差模型,对比分析了模型计算结果与三角关系法计算结果,验证了误差模型的正确性;利用灵敏度分析法建立了各个几何误差元素的灵敏度方程,通过归一化处理确定了各个几何误差元素的灵敏度系数,得到了对专机加工精度影响最大的几何误差元素,并基于灵敏度分析结果,对专机关键部件进行选型。     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.     

基于嵌入式系统和红外图像的火焰检测算法

随着嵌入式技术的发展,把机器视觉应用于嵌入式系统是一个发展方向.目前火焰算法相对比较成熟,具有较高的准确率和抗干扰力.但算法复杂度普遍较高,主要应用于PC机系统,不能适应嵌入式系统的要求.结合已有的研究成果,提出了基于统计背景模型和火焰动态特征的火焰检测算法,成功移植到嵌入式系统上.试验证明算法抗干扰性强、检测率高,速度快.     

螺旋缝焊管截面在线测量系统的机构设计

为实现直径为1 016mm的螺旋缝焊管生产过程中钢管截面形状和尺寸的在线测量,进行了测量系统的机械机构设计与研制。系统设计过程中提出一种独特的同步带传动方式实现了轨道半径为750mm的高精度圆周运动。采用该传动方式使得传动机构尺寸小巧、运动平稳。同时,为防止运动小车所带电缆对工艺过程的干扰,还设计了一种连杆折叠式电缆收放机构,实现小车供电及信号电缆的自由收放。经长时间运行试验,结果证明机构运行可靠,可以满足测量系统要求。     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.     

基于支持向量机的小波域自适应水印算法

提出一种小波域中基于小波系数方向树模型的支持向量机自适应水印算法.利用支持向量机在小样本的情况下具有良好的学习和泛化性能的特点,建立小波域内不同尺度上同方向子带内相同空间位置的小波系数间的关系模型;根据关系模型来嵌入和提取水印.为提高图像视觉效果,采用模糊聚类的方法自适应地选取水印的嵌入位置.实验结果表明:该方法对常见的图像攻击具有很好的鲁棒性,而且水印的隐蔽性好、安全性强.     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明：基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3 mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

面向网络遥操作的多传感器集成手爪的设计

以网络遥操作为应用背景,设计了一种分层的多传感器集成手爪。设计中首先提出了包含了数据采集层、数据处理层、网络交互层等三个层次的手爪体系结构。然后提出了基于支持向量机的融合算法,并结合CAN总线等技术对手爪系统进行了逐层设计,使其具有模块化、智能化等特点。还搭建了多传感器集成手爪实验系统,完成了基于多传感器集成手爪的网络遥操作作业。实验结果表明：该手爪具有较强的局部自主能力,并有效提高了网络遥操作系统的作业能力。     

分类任务中标签噪声的研究综述

近年来,随着机器学习的发展,分类系统的性能有了很大的飞跃。模型需要大量带标签数据才能使训练结果达到要求,而获取高质量的标注数据费时费力。为了降低成本,出现了众包、自动化系统等方法标注训练数据。但是,这些标注方法往往会产生大量错误标注,即标签噪声。另外,信息不足、专家错误和编码错误等因素,也可能使标签受到污染。训练过程中对标签噪声的处理不当,可能会使预测精度和准确性降低,或者使模型复杂度增加。因此,研究标签噪声对推广机器学习在各领域的应用和降低机器学习算法的部署成本等方面具有重要意义。通过综述产生标签噪声的原因、影响以及近几年来应对标签噪声的一些技术方法,对标签噪声的研究现状和发展前景进行分析。