浅谈铁锁关镇畜牧业发展现状及对策

铁锁关镇大力发展畜牧产业，使畜牧产业呈现良好的发展势头，现畜牧业已成为全镇农村经济收入的支柱产业之一。但还有许多因素仍制约着全镇畜牧业的发展，通过对这些制约因素进行分析，提出实现畜牧产业化开发的对策与思路，力争使全镇的畜牧业发展更上一个新台阶。     

铁锁关镇发展适度规模养殖初探

近年来，铁锁关镇经济迅速发展，农民收入猛增。其中，尤以畜牧业发展势头最为强劲，但是由于各种原因，尤其是畜牧业发展规模较小，严重制约着我镇的畜牧业发展。笔者经过调查分析认为通过抓好畜牧养殖业结构调整、推广生态养殖业、抓好龙头企业建设、发展畜禽规模养殖场等一系列措施，可实现铁锁关镇畜牧业产业的突破发展。     

双组元推进系统的部分可观时间Petri网故障诊断

研究了基于部分可观时间Petri网双组元推进系统的故障诊断问题。针对双组元推进系统中环境复杂且部分关键信息无法通过传感器获取的情况,结合部分可观时间Petri网,提出构建修正状态类图的部分可观时间Petri网故障诊断方法。系统过程的节点对应为可观测变迁和不可观测变迁,结合变迁同步、异步触发关系,标定各变迁时间区间,建立部分可观时间Petri网模型,然后转化为修正状态类图。遍历所有满足可观测变迁触发时间和序列信息的路径,诊断系统是否发生故障。最后对双组元推进系统建立部分可观时间Petri网模型,结合系统工作过程中各执行机构可观测状态,对系统不可观部分进行故障诊断,验证了算法的有效性。     

混沌量子粒子群的权重类条件贝叶斯网络分类器参数学习

针对贝叶斯网络判别学习方法在处理大数据集时,存在的模型训练时间长、算法迭代次数过多等问题,通过引入指数级参数,提出了混沌量子粒子群的权重类条件贝叶斯网络参数学习方法。该方法首先通过优化对数似然函数,解决生成学习的参数估计问题。然后,使用生成学习的结果,初始化判别学习的参数。最后,引入混沌映射序列,通过混沌量子粒子群优化(chaos quantum particle swarm optimization, CQPSO)算法,优化条件对数似然函数。使用权重类条件贝叶斯网络分类器对液体火箭发动机的故障进行分类,仿真结果表明,改进的方法分类精度高,误分类率低。同时,采用CQPSO与量子粒子群优化(quantum particle swarm optimization, QPSO)算法、标准粒子群优化(particle swarm optimization, PSO)算法相比,能够有效减少算法的迭代次数,提高算法的效率。     

马氏田口施密特度量的双通道睡眠脑电信号异常检测

针对人工判别人睡眠质量存在的主观性过强、步骤烦琐以及准确性不高等局限性,采用马氏田口系统判别方法,提出一种基于马氏田口模型的睡眠质量的自动检测算法。算法通过对已被人工专家准确进行睡眠分期的人脑双通道脑电信号进行建模分析,在不同睡眠周期下,求取各个通道的标准化向量;同时进行对线性独立向量组进行施密特正交化处理,运用马氏田口施密特正交化方法计算出各个睡眠阶段的信噪比均值,以判别出睡眠质量正常者和异常者。实验表明,该算法可以有效地对睡眠质量的正常和异常进行检测。     

判别类条件贝叶斯网络分类器的量子粒子群优化参数学习

针对贝叶斯网络分类器在处理多属性分类问题时,存在分类精度下降、算法运行时间过长等问题,提出一种判别类条件贝叶斯网络模型。该模型在类条件贝叶斯模型的基础上,将条件对数似然函数以对数形式重新参数化,并使用量子粒子群优化算法最大化目标函数。新模型采用判别参数学习方法,直接计算条件概率,对于分类问题更加高效。本研究将判别类条件贝叶斯网络模型与TAN分类器相结合,使用量子粒子群算法进行优化,用于对液体火箭发动机的故障诊断与分类中。针对某型号火箭的仿真数据进行故障诊断与分类,与传统的贝叶斯分类器相比,改进的分类器在处理分类问题时,准确率和学习效率更高。     

基于宿主嵌入式软件白盒覆盖测试系统的设计

随着软件系统变得越来越复杂和庞大,软件中的安全缺陷也急剧增加,系统中的错误也在逐渐增多。本文实现了基于宿主的嵌入式软件覆盖测试系统,该系统通过对源程序进行词法语法分析、自动插装、测试用例的生成和加入、动态仿真运行及覆盖率报告分析等得到测试结果,有效的解决了传统的基于目标带来的软件测试依赖硬件等问题,基本满足了用户对嵌入式软件测试的需求。     

从就业情况谈高职院校教学管理对策

从近2年的高职院校双进会上，我们感到我们的教学和管理工作存在一些不足，主要表现在：学生自信心不足．专业理论知识面较窄．动手能力较差．不善与人沟通，语言表达能力以及面试技巧薄弱，不太注重形象和谈吐等问题。本文深刘分析了存在这些问题的原因，并提出了对策和建议。     

液体火箭发动机的分层贝叶斯变分推理故障诊断方法

针对稀疏数据场景下，传统的多项式-狄利克雷模型存在一定的分类精度问题，提出一种基于变分推理的分层贝叶斯网络的参数估计方法. 通过在传统的多项式-狄利克雷模型中引入超先验，构建出的分层多项式-狄利克雷模型可用于贝叶斯网络中的条件分布估计. 对分层多项式-狄利克雷模型的先验依赖结构进行分析研究，提出一种快速准确的自组织变分推理算法. 与传统的分类模型相比，本文提出的分层多项式-狄利克雷模型在处理小数据集液体火箭发动机的故障分类中有显著的性能提高.