神经网络训练的分解重组算法

本文介绍了把线性不可分问题分解为一系列线性可分子问题、对线性不可分问题进行求解的网络分解重组算法．还证明了该算法的收敛性．实例研究表明：该算法不仅可以得到神经网络的隐层空间目标和隐层单元数，而且提高了对线性不可分问题的求解速度，因此是一个非常有效的神经网络训练算法．     

与星下在交的[0,ki]^m1—因子分解

设Ｈ是图Ｇ的任一个具ｍ条边的星，即ｍ－星。证明了，对任给的ｍ个整数ｋ１，ｋ２，ｋ１，．．．，ｋｍ，当对任意的ｘ∈Ｖ（Ｇ）有ｄＧ（ｘ）≤ｋ１＋ｋ２＋．．．＋ｋｍ－ｍ＋１时，Ｇ有一个「０，ｋｉ」＾ｍ１－因子分解与Ｈ正交。     

Lanczos算法误差估计的若干问题

设Ａ为ｎＸｎ实对称矩阵，对于给定的ｊ个线性无关列向量组成的ｎ×ｊ实矩阵Ｑ，对任意ｊ×ｊ实矩阵Ｔ，记Ｒ（Ｔ）＝ＡＱ－ＱＴ。本文给出ｊ×ｊ实矩陈Ｈ，使｜｜Ｒ（Ｈ），并证明当Ｔ取矩阵Ｈ时，文献［１］中Ｐ．１２２定理４．１０的“”可以改变成“１”。     

一株纤维素分解菌的分离选育

以天然秸秆纤维素为碳源,从土壤、酒糟及牛粪中共分离到5株能分解纤维素的真菌菌株.分别对其进行了滤纸分解度、羧甲基纤维素酶活力(CM C ase)、滤纸糖化力(FPA)和天然纤维素酶活力的测定.结果表明:F-25菌株对滤纸的分解能力最强,不到12 h滤纸全成糊状;同时羧甲基纤维素酶活力、滤纸糖化力和天然纤维素酶活力也最高,分别为2.884(m g/mL).30 m in、0.36(m g/mL).h和2768(m g/mL).d.     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

基于小波变换的能量和方差分析图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩.根据小波系数的分布特点严格推导得出:可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表;对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

粒度的分解与复合

文章定义了基于等价关系的粒度的概念,从整体上给出了粒度的分解和合成的统一方法.利用这个方法可以描述和区分信息系统中的元素.     

不同条件下钙基固硫剂的固硫机理

为了探求煤燃烧过程中传统钙基固硫剂固硫率低下的原因,本实验选用有代表性的含硫为2．92％的国家标准煤样,在不同条件下系统的研究了钙基固硫剂的固硫特性和固硫产物CaSO4的分解率;并分析了其固硫机理．实验结果表明:传统钙基固硫剂固硫效率低下的原因为高温下CaO化学结构的变化和固硫产物CaSO4的分解。该研究对改进传统钙基固硫剂的固硫效果有一定的理论指导意义。     

圆环射线分解投影轮廓的三维模型检索方法

虚拟现实、可视化技术、数字化和三维图形建模的发展使互联网和专用数据库中三维模型的数量和检索需求快速增长,因此提出了一种圆环射线分解投影轮廓的三维模型检索算法。首先,对三维模型进行位姿对准、投影变换和边界提取;然后,对提取的投影轮廓用圆环射线分解的组合方法参数化,并对该参数化函数进行傅立叶分解,得到图形特征;最后,对特征描述符做相似性匹配,计算特征比较值,得到检索结果。实验表明,该种方法对三维模型的检索效果较好。