基于改进的C-支持向量机的手写体数字高识别率方法研究

手写体数字的识别在社会经济、社会生活的许多方面都有着广泛的应用。同时支持向量机是近几年来模式识别领域中的一种新技术,它被广泛应用到文字识别、人脸识别等应用中。为此将支持向量机技术应用到手写体数字的识别中,通过使用改进的C-支持向量机进行手写体数字的识别,并得出相应的识别率,结果表明此方法可行且有较高的识别率。     

拉深翻边复合成形工艺参数多目标优化设计

通过对拉深翻边复合成形工艺设计中的失稳方式进行理论分析和模拟仿真,建立了破裂、起皱和厚度不均3个目标函数.针对各成形质量目标相互关联而无法同时达到最优的特点,提出一种基于多目标优化技术的综合优化方法.以空调外机面板为例,经试验设计和基于Matlab的数据处理技术构建响应面模型,采用改进的快速分类非支配遗传算法对模型进行全局寻优,获得了一组最小化成形缺陷的非劣解集.结果表明,该多目标优化模型具有较好的优化效果和工程实用性.     

单纯形法优化花生根中白藜芦醇的微波提取工艺

采用微波提取与分子荧光分析技术．探索正交试验与改进单纯形试验设计相结合优化花生根中白藜芦醇的微波提取工艺．通过L9（3^4）正交试验考察料液比、微波功率、乙醇溶剂浓度以及微波提取时间等因素对白藜芦醇提取效果的影响．再采用改进单纯形试验进一步优化提取工艺．研究表明：结合正交试验与改进单纯形法提取花生根中白藜芦醇的最佳工艺条件为料液比1：15（g·mL^-1）,微波功率中高火,微波时间5min,乙醇浓度68％．在最佳工艺条件下白藜芦醇的平均提取率为0．1515％,与单纯采用正交试验最优提取条件相比白藜芦醇的提取率提高了24．30％,有效地实现了花生根中白藜芦醇的最佳提取效果．     

盾构地铁管片设计的修正模型及其应用

管片和围岩变形一直是地铁设计和施工中待解决的难点之一,通常所采用的惯用法模型中,管片的计算主要考虑土层抗力和接头对结构的主要影响.在对现有模型中管片接头计算方法的研究基础上,本文得到了改进后的惯用法模型,推导了修正惯用法模型的位移求解公式,用地层结构法建立了围岩和衬砌的有限元模型.并结合哈尔滨地铁一号线工程实例资料,用修正惯用法模型求解衬砌的位移解析解,又用地层结构法中现用的惯用模型公式分别对围岩变形和衬砌进行了数值解计算,并进行比较.经研究表明,修正后的模型和推导的公式是可靠的,该项研究成果对管片设计具有一定的理论意义.     

基于改进粒子群算法的分布式电源选址定容优化设计

在分析了分布式电源接入对配电网影响的基础上,针对配电网中的关键问题———分布式电源的选址和定容,进行了优化设计.通过构建包含分布式电源的投资运行费用、环境因素、网损费用的目标函数,并考虑潮流约束、电流约束、电压约束、系统容量约束等条件,搭建了分布式电源的模型,采用一种改进的粒子群算法,设计出了分布式电源所处位置及容量.通过仿真分析计算,验证了该方案的正确性和有效性.     

改进的PWM方法在大坝安全监测中的应用

本文主要利用置信区间法对大坝进行安全监测,利用改进的PWM方法和传统方法对大坝位移的置信区间进行检测,结果显示改进的PWM方法与传统方法相比较监测的结果基本一致,但是误差更小,更能较好的反映大坝安全性态,更好的预防大坝安全事故的发生。     

一类具有非线性收获率的捕食者-食饵生态经济系统的分支分析

研究了一类捕食者-食饵生态经济模型的动力学行为.该模型具有非线性收获率,这使得模型更具一般性.选取经济利润v作为分支参数,通过局部参数化方法,Hopf分支理论和形式级数方法研究了系统的Hopf分支.同时,改进的参数化计算过程更简单,能够处理更复杂的模型.最后,通过MATLAB仿真证明了我们的结果.     

设施拥堵状态下的层次性备用覆盖网络模型与改进遗传算法

经典的分层覆盖位置问题(HCLP)是在有限预算内找到设施位置以提供分层服务的问题.这个过程中,需求点的差异化服务需求可以来自层次型网络中不同服务可用性的设施.我们设计了混合服务可用性的层次型网络,通过讨论层次型设施数量为定量和变量的情况构建混合层次网络备用覆盖问题的整数规划模型,并设计、改进元启发式算法来求解问题.结果表明考虑变量的混合服务可用性的优化模型在一次覆盖中能更好的满足客户的需求,而其备用覆盖能力和系统造价并非始终优于单类型层次网络;建议的启发式算法在合理的计算时间内产生高质量的解.     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

冲击噪声下基于Lorentzian范数的CSR参数估计

针对现有重构算法及其改进算法在压缩感知雷达(CSR)参数估计中存在的稳健性不强、适用性不广等问题,提出了一种适用于冲击噪声背景的鲁棒性算法——Lorentzian-ISL0(基于Lorentzian范数的改进光滑l0范数).建立CSR参数估计的稀疏线性模型,并基于Lorentzian范数和高斯函数稀疏正则化,构造冲击噪声下稳健的优化目标函数;修正优化目标函数的牛顿方向,并沿修正方向对估计值进行更新,直至收敛.仿真实验结果表明:与已有算法相比,本文方法计算复杂度更小,支撑集重构更精确,信号重构精度更高.