一类改进的非单调的信赖域算法

很多信赖域算法的接受条件中仍然存在一些不合理的因素,本文给出了一种改进的非单调信赖域算法,该算法通过改变预计下降量,使其与实际下降量对应起来,且这种改变保持算法的收敛性.算例分析表明,这种算法可以减少迭代次数,提高求解精度.     

并行技术在电磁有限元计算中的应用

有限元方法FEM(Finite Element Method)是计算电磁学中非常重要的一种方法,而当问题规模较大时或计算量较大时,传统串行单机FEM难以胜任.本文在基于消息传递(MPI)的分布式并行系统上,采用有限元方法对电磁场问题进行并行求解.有限元方法形成的系数矩阵可以表示成块三对角矩阵,适合采用并行多分裂方法高效求解.并行计算技术的运用减少了计算时间并扩展了可处理问题的规模.结果表明,将并行技术应用于电磁有限元计算是有效并且可行的.     

如何实现AGV故障时的手机短信报警

用手机短信的方法实现AGV发生故障时发出短信报警信息,信息内容包括AGV的车号、发生故障的时间、地点和故障类型。可以实现及时处理发生的故障,保证设备安全及保障生产。     

粉煤灰对矿渣混凝土性能的改善

矿渣粉是工业废渣回收的产物,常加入水泥中生产出矿渣水泥,然而,矿渣水泥的性能存在着一些明显的缺点。本文对矿渣水泥的性能及粉煤灰加入矿渣水泥后性能的改善进行了总结。     

高强约束混凝土框架柱基于位移的抗震设计

根据收集的108根高强混凝土框架柱在固定轴向荷载和水平反复荷载作用下的试验结果，首先讨论了试验柱的屈服位移角、最大位移角、极限位移角和延性与剪跨比、轴压比、配箍特征值、保护层面积和核心混凝土面积比值及纵筋配筋率之间的关系；然后分析回归出试验柱的极限位移角与轴压比、配箍特征值及保护层面积和核心混凝土面积比值之间的关系式；接着建立了配箍特征值与轴压比和极限位移角之间的关系，并提出了配箍特征值的实用计算公式；最后，通过比较分析，给出了高强混凝土框架柱箍筋加密区的最小配箍特征值，并与现行规范（GB50010-2002）规定的框架柱箍筋加密区最小配箍特征值进行了分析比较．     

基于语义的Web信息检索改进模型

目的针对传统W eb信息检索模型的不足,提出一种基于语义的W eb信息检索模型。方法模糊相关技术、Ontology及W eb挖掘技术。结果建立了一种五元组的语义信息检索模型,并给出了该模型的关键实现算法。结论利用此模型实现的信息检索系统进行信息检索时具有更高的准确率和查全率。     

Netifilter/iptables的架构及应用

本文通过研究Linux 2.4/2.6内核netfilter/iptables的架构,介绍了如何利用基于Linux的iptables来构建防火墙.     

Fe3+/UV光催化降解活性染料X3B的研究

为考察活性染料X3B在Fe3 /UV(λ≥320nm)体系中的降解行为,研究了Fe3 浓度对X3B降解的影响.结果表明:X3B在Fe3 /UV体系中能有效降解,且降解速率常数随着Fe3 浓度的增加而增大;通过光谱比较、X3B降解过程中的光谱特征以及羟基猝灭实验等,推测了X3B的降解机理.研究结果支持羟基自由基机理,而非配合物降解机理.     

Yarn Properties Prediction Based on Machine Learning Method

Although many works have been done to constructprediction models on yarn processing quality, the relationbetween spinning variables and yam properties has not beenestablished conclusively so far. Support vector machines(SVMs), based on statistical learning theory, are gainingapplications in the areas of machine learning and patternrecognition because of the high accuracy and goodgeneralization capability. This study briefly introduces theSVM regression algorithms, and presents the SVM basedsystem architecture for predicting yam properties. Model.selection which amounts to search in hyper-parameter spaceis performed for study of suitable parameters with grid-research method. Experimental results have been comparedwith those of artificial neural network(ANN) models. Theinvestigation indicates that in the small data sets and real-life production, SVM models are capable of remaining thestability of predictive accuracy, and more suitable for noisyand dynamic spinning process.     

AdaBoost for Improved Voice-Band Signal Classification

A good voice-band signal classification can not only enable the safe application of speech ceding techniques, the implementation of a Digital Signal Interpolation （DSI） system, but also facilitate network administration and planning by providing accurate voice-band traffic analysis. A new method is proposed to detect and classify the presence of various voice-band signals on the General Switched Telephone Network （GSTN）. The method uses a combination of simple base classifiers through the AdaBoost algorithm. The conventional classification features for voice- band data classification are combined and optimized by the AdaBoost algorithm and spectral subtraction method. Experiments show the simpleness, effectiveness, efficiency and flexibility of the method.