基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性，建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束，钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标，建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例，采用实际数据验证所建立的方法，并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法，在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明，钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力，尤其是干道直行机动车的通行能力，可降低车辆的平均延误。     

基于读者满意度调查的图书馆电子阅览室信息服务质量评价与分析——以广州中医药大学第二临床医学院图书馆为例

通过对电子阅览室读者满意度的问卷调查和对调查数据的分析,对电子阅览室服务质量进行了综合评价,旨在进一步完善电子阅览室的各项工作,从而提升读者对图书馆的满意度.     

城市治理首要应加强市民的思想道德建设——以湛江市治理交通秩序为例

交通混乱既影响城市形象,又制约经济发展。本文通过对湛江市区交通混乱现象进行深入调查研究,认为要从根本上改变这一现状,取得长效成果,除了采取行政立法、经济处罚、改善交通基础设施等治理措施外,还应着重加强市民的道德建设,提高其思想道德素质,培养市民良好的社会道德行为习惯。文章旨在为加强湛江市民道德建设,解决湛江及其它城市突出交通问题提供参考。     

论高校图书馆员信息素养的培育与提升

随着信息技术的迅猛发展,高校图书馆员信息素养日益成为影响图书馆服务质量的关键因素.从信息素养的含义与特征出发,剖析了图书馆员信息素养的现状,提出了提升图书馆员信息素养的途径和方法.     

现代信息检索理论架构研究

信息作为一种新的资源,对当代经济和社会的发展起着非常重要的作用,如何高效快捷地利用现代信息是当前我国信息检索领域研究的重要问题。阐述了现代信息检索理论架构研究的前提,分析了当前主要的信息检索理论,探讨了网络信息检索的主要方法。     

GIS专业英语教学改革的探讨

在分析GIS专业发展特点、明确GIS专业英语课程设置目标的基础上,探讨了GIS专业英语的教学内容及其教学方法与手段.GIS专业英语的教学内容不能一概而论,教师应根据GIS专业的发展特点及GIS专业英语课程设置目标制定合理的教学内容.在教学过程中,应注重精读与泛读相结合,GIS专业术语学习及"听、说、写"能力的培养.     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.