汽轮发电机多故障诊断的SOM神经网络方法

汽轮发电机组的振动故障具有多样性的特点,经常出现多种故障同时发生的情况.传统的BP神经网络方法可对单一故障有效诊断,若要对多故障进行诊断,则需对各种多故障样本进行学习,使输入空间在训练过程中被样本空间完全覆盖,将大大增加样本空间及学习训练负担,同时网络归纳、联想能力随之大幅度下降,诊断难以实施.因此,将自组织特征映射(SOM)神经网络应用于汽轮发电机组的振动多故障诊断,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对多故障进行判断.经实例分析证明,该方法可对多故障进行有效诊断.     

以就业为导向创新软件工程专业教学评价体系

文章首先分析了现行教学质量评价中出现的问题,提出构建符合各专业学科实际情况的教学质量评价体系的解决思路.最后根据软件工程专业特点,建立了具有软件工程特色的教学质量评价体系和评价方法.     

在多校区运行中的毕业设计管理模式探讨

介绍了多校区模式给毕业设计管理带来的困难,分析了多校区模式下提高毕业设计质量的途径,设计了基于多校区的毕业设计过程管理与质量监控系统来解决多校区管理中毕业设计存在的时空问题、交流问题和质量监控问题和档案管理问题,提高毕业设计质量。     

并行级联分组码基于相关运算的叠加反馈译码

为了获得接近LLR算法的译码性能,对译码器的输出进行简单的相关运算,并对Chase2译码算法进行适当的改进,通过将接收信息与子译码器的输出软信息进行线性叠加反馈,实现了并行级联分组码的Turbo迭代译码。仿真研究验证了算法的有效性。     

并行级联分组码基于相关运算的叠加反馈译码

为了获得接近LLR算法的译码性能,对译码器的输出进行简单的相关运算,并对Chase2译码算法进行适当的改进,通过将接收信息与子译码器的输出软信息进行线性叠加反馈,实现了并行级联分组码的Turbo迭代译码.仿真研究验证了算法的有效性.     

基于单元的快速的大数据集离群数据挖掘算法

提出基于单元的快速的大数据集离群数据挖掘算法,用聚簇技术对数据进行预处理,然后将数据放入合适的空间单元并对非空单元使用维单元树（cell dimension tree,CD-tree）进行索引,数据集中大部分位于高密度区且与离群数据无关的数据将会被过滤掉,从而避免了大量不必要的计算。实验表明,该算法能快速准确地从大数据集中挖掘出离群数据,并提高离群数据的检测速度。