基于图聚类的组合横切关注方面挖掘方法

提出了一种图聚类方法,即发现软件系统中组合横切关注的方面挖掘方法.该图聚类方法不仅考虑了连接度,亦考虑了相似度.采用一个新的图聚类算法来发现组合横切关注,一个组合横切关注也是一个软件模块,既包含相似的元素,又包含连接紧密的元素.利用程序元素之间的相似度和连接度,采用基于authorityshift的有向图层次聚类算法,来发现属于同一软件模块的程序元素集合;然后采用fan-in技术来确认组合横切关注模块.对比实验结果验证了该方面挖掘方法的有效性.     

M2W型发射机射频功率放大模块工作原理及维护研究

该文从M2W型发射机射频功率放大模块的电路结构特点出发,分析了M2W型发射机射频功率放大模块的工作原理,并介绍了M2W型发射机射频功率放大模块的维护,从而为同类研究提供参考。     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

基于事物特性表的液压机柔性模块族建模方法研究

本文针对柔性模块族设计、拓展及优化等问题,分析了柔性模块化的设计特点及事物特性表的原理功能,提出了基于事物特性表的柔性模块建模步骤与方法:功能模块分析、拓扑结构分析、模块配置分析和模块参数分析。最后,以单柱C型液压机机身柔性模块建模分析为例,验证了该方法的有效性和可行性,为快速变型设计提供了支撑。     

编读互动

智慧产品,因"小"而美,未来世界,因"微"而变!21世纪,地球面临着人口膨胀、资源枯竭、能源成本不断攀升等危机的重重"挑战"。微纳制造妙手回春,正一一抚平这些地球的"创伤",还我们一个更高科技、更省能节力,更品质优良的"微型化"的新世界。微纳制造业自其诞生之初,一直被人们认为在解决地球危机中大有用武之地。微纳制造业也是一个资金、资源、知识高度密集型的产业。如今,微型卫星、微纳米材料、微机电系统、佩载式医疗等     

车辆保险中零索赔客户的随机风险分析——基于零膨胀泊松模型

对车辆保险中的零索赔客户进行了研究.在分析零膨胀泊松模型的结构及思想的基础上,结合现实数据,给出了零索赔客户中的优良客户、潜在风险客户及其比率.使用该方法对零索赔客户进行统计推断分析,为保险人正确掌握零索赔客户的随机风险信息提供一定的理论依据.     

基于域适应与分类器差异的滚动轴承跨域故障诊断

基于数据驱动方法诊断滚动轴承故障时，不同工况下的数据特征分布差异会导致模型诊断性能严重下降.针对这一问题，提出了基于域适应与分类器差异的滚动轴承跨域故障诊断方法.首先利用卷积神经网络对带标记的源域样本和无标记的目标域样本进行特征提取;然后通过2个全连接分类器进行故障分类;最后通过分步优化分类损失、域最大平均差异损失和分类器差异损失，实现源域和目标域之间的域分布对齐，从而实现无标记目标域样本的故障诊断.实验结果表明，所提方法与主流的域适应方法相比具有更高故障诊断准确率，验证了该方法的合理性和可行性.     

机载相控阵雷达灵巧干扰信号模型及抑制方法研究0

目前对灵巧干扰的研究主要集中在常规地面雷达,对于机载雷达下的干扰模型及其抑制方法的研究较少。针对此种情况,建立了机载雷达背景下噪声卷积干扰、随机移频干扰和延时转发干扰3种典型灵巧干扰的空时信号模型,并从杂波自由度、空时功率谱图和距离-多普勒谱图的角度分析了干扰分布特性以及影响空时自适应处理(space-time adaptive processing, STAP)性能的内在机理,在此基础上提出了一种基于单元平均选小检测的机载雷达杂波和干扰同时抑制方法。该方法从杂波空时功率谱角度准确估计干扰来向,并据此形成干扰辅助波束,最后通过STAP实现干扰和杂波的有效抑制。仿真结果表明,所提方法相对于传统级联抑制方法,对延时转发灵巧干扰的抑制性能改善5 dB以上,验证了所提方法的有效性。     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

局部双排桩在成都膨胀土地区深基坑支护中的应用

近年来，成都东郊膨胀土地基基坑工程事故频发，多种支护结构均出现不同程度的失稳现象。局部双排桩是在充分发挥双排桩优势基础上的一种适用于膨胀土地区的具有经济、快速、节能、节材、安全等特点的支护方法，从施工效果来看，基坑的变形均在规定范围内，证明了该支护型式切实可行。