机器学习研究

由于Internet的使用，不分时间与地域地获得信息已成为现实，但是，如何有效利用这些信息，并使用这些信息提高生产率成为迫切需要解决的问题．机器学习是解决这类问题的有效方法之一．在此将对目前机器学习研究的主要趋势、理论与技术以及存在的问题，根据作者的研究经验进行综述，以便引起研究者的注意．     

中国近代针织技术设备的发展

本文对中国针织工业的发展作了初步探讨。对19世纪末20世纪初,从引进到仿制手摇袜机、横机和改进其它各类针织机器设备的发展过程及针织业发展地区作了分析。认为采用引进国外针织技术设备并加以技术改造之方法来发展中国针织业是行之有效的,使得中国针织业在短短几十年内走完了国外从发明针织机到完善针织设备的几百年历程。     

限矩型液力耦合器的研究与应用

介绍了液力耦合器的工作原理、功能和特点,对其分类与参数、使用与维修进行了说明。     

基于虚拟机的研究

随着计算机硬件价格的大幅下降,越来越多的计算机都具有1GB以上的内存和160GB以上的硬盘,目前看来性能已经不存在问题.越来越多的人开始对多操作系统和复杂网络环境很感兴趣,但是由于计算机硬件和人员操作水平的局限,仍然很难让每个人都在自己的系统上安装多个操作系统,这使得实现这些复杂环境的实验变得非常困难.文章提出利用虚拟机来解决安装多操作系统和复杂网络实验的困难问题.     

关于自动打孔机控制系统的硬件设计

自动打孔系统是机械式织带机系统实现自动化的一个重要部分，采用基于上下位机模式的系统设计方案，对自动打孔系统的硬件部分进行设计，并对其中的关键性部件、接口等的工作原理，特点都作了详细说明。     

关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

平行工件在线排序问题的下界

通过分析模型Q2m|rj=0,mj,on-line-ncv|Cmax的特点,设计出了实例并证明了模型的下界为2-s/m(s+1),这一下界推广了1995年Shmoys,Wein和Williamso研究的模型Pm|rj,mj,on-line-ncv|Cmax的下界2-1/m.     

基于一类支持向量机的快速人脸相似性学习

把一类支持向量机应用到人脸相似性学习中,提出了一种快速的人脸相似性学习方法.和标准支持向量机相比较,一类支持向量机的主要特点是只利用相似样本进行训练,减少了数据量,能快速地进行相似性学习.2个实际人脸数据库上的实验结果表明,本方法能够快速地学习到人脸相似性,其运行时间至多是支持向量机算法的三分之一.     

凸极同步电机回路参数的计算

凸极同步电机回路参数的计算是交流电机多回路理论的基础。本文应用气隙磁导的概念和谐波分析的方法建立了一套电机回路参数的计算方法。由单个线圈出发来处理定子回路，按照转子本来的阻尼笼来处理阻尼回路，这使得本文提出的方法既可灵活应用于定于绕组的各种不对称状况，又可应用于转子的各种不对称状况。     

交流电机的多回路理论

本文提出了适用于分析研究交流电机绕组不对称状态的多回路理论。这种新的分析方法把电机看作有相对运动的多个回路组成的电路，物理概念明确，便于灵活应用。用交流电机多回路理论研究凸极同步电机定于绕组内部故障电流的计算和异步电机统组不对称问题等的实践表明，多回路分析方法是解决这类问题的有效手段。     

基于通用抽象接口的CPU仿真

为实现对微处理器的仿真,基于虚拟机(Virtual Target Machine)方法设计出了一组微处理器抽象接口(Abstraction Interface).通过实现该组接口就可以建立相应的后端虚拟机,其仿真尺度包括了指令单步运行和对时序模拟、汇编代码的支持,并可根据前端调试命令而实现与宿主机平台无关的软件仿真.     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析。并已成为国际机器学习界的研究热点。本文主要讨论其基本原理与SVM训练算法。     

两种机器学习方法及其在机器翻译中应用

在智能技术的研究中,从例子中学习和类比学习是两种好方法。第一部分研究了两种机器学习方法;第二部分讨论了类比机器翻译方法。     

基于VMware虚拟网络的构建

在介绍虚拟网络有关概念和原理的基础上,阐述了VMware软件支持的三种网络模式各自的功能和特点,并给出了利用VMware软件构建虚拟网络的方法．     

用于分类的支持向量机

支持向量机是20世纪90年代中期发展起来的机器学习技术,建立在结构风险最小化原理之上的支持向量机以其独有的优点吸引着广大研究者,该文着重于用于分类的支持向量机,对其基本原理与主要的训练算法进行介绍,并对其用途作了一定的探索．     

支持向量机的算法研究

支持向量机(support vector machine,SVM)是20世纪90年代发展起来的一种新型机器学习方法,是在统计学习理论基础上发展起来的一种新的数据挖掘方法,已广泛应用于模式识别与回归分析.并已成为国际机器学习界的研究热点.本文主要讨论其基本原理与SVM训练算法.     

理想机模型与人工智能

提出了理想机是包容性最大的智能系统理论模型，是人类利用工具的最理想目标，是对人、动物及一切人造机器系统功能的科学抽象的概念。在此把人工智能归结到了理想机的高级信息处理机中。鉴于研究人工智能系统的超复杂性和艰巨性，提出了研究智能的策略：跳高原理、波动机理。其核心是制定研究目标要恰当，不能太高、太大。否则结果很可能是失败。     

最小二乘模糊支撑向量机研究

支撑向量机是以统计学习理论为基础,以结构风险最小化（Structure Risk Minimization,SRM）为原则的新型学习机,已经广泛地用于模式识别、回归估计、函数逼近、密度估计等方面。在对已有的分类问题的SVM算法的研究分析基础上,结合Lin和Wang提出的模糊支撑向量机模型和现有的最小二乘支撑向量机模型得出最小二乘模糊支撑向量机模型。     

10KW电视发射机黑灯丝电路的设计与制作

简述了１０ＫＷ电视发射机黑灯丝电路的设制及工作原理，电路特点，并分析了它的可用性及产生的经济效益。     

基于核函数的学习算法

论述基于核函数的方法,包括支持向量机的分类、聚类与回归算法,基于核的Fisher判别分析、感知机和主成分分析,介绍学习算法、简化算法和多类分类等研究课题,及基于核函数方法的应用.