大型喷浆机器人的灵巧度分析

灵巧度是衡量机器人运动失真程度的重要参数。对机器人灵巧度评价指标进行了对比研究 ,结合大型喷浆机器人自由度较多的特点 ,用雅可比矩阵的条件数对喷浆机器人的灵巧度进行了分析。结果表明 ,大型喷浆机器人在不同形位下的条件数都很小 ,具有较好的运动灵巧度。     

Face Recognition Based on Support Vector Machine and Nearest Neighbor Classifier

Support vector machine (SVM), as a novel approach in pattern recognition, has demonstrated a success in face detection and face recognition. In this paper, a face recognition approach based on the SVM classifier with the nearest neighbor classifier (NNC) is proposed. The principal component analysis (PCA) is used to reduce the dimension and extract features. Then one-against-all stratedy is used to train the SVM classifiers. At the testing stage, we propose an al-     

论迭代法的结合应用

本文讨论同时求解非线性代数方程全部单根的迭代法的结合应用.构造出一些新的迭代法并讨论了它们的收敛性和效率.结论表明新迭代法收敛更快且计算效率更高.数值例子的结果是满意的.     

一种评定实验教学质量与学习效果的方法研究

本文分析了实验教学评价的特殊性、复杂性与重要性。介绍了运用权重法评定实验教学效果的基本步骤方法。设计了用权重法评定实验教学质量与学习效果的两例评估计算方法。提出了还可以根据实验教学的实践性特点,用权重法设定专项评价和制作自动评价系统课件的设想。     

Subset threshold autoregression

We develop in this paper an efficient way to select the best subset threshold autoregressive model. The proposed method uses a stochastic search idea. Differing from most conventional approaches, our method does not require us to fix the delay or the threshold parameters in advance. By adopting the Markov chain Monte Carlo techniques, we can identify the best subset model from a very large of number of possible models, and at the same time estimate the unknown parameters. A simulation experiment shows that the method is very effective. In its application to the US unemployment rate, the stochastic search method successfully selects lag one as the time delay and five best models from more than 4000 choices. Copyright © 2003 John Wiley & Sons, Ltd.     

攀枝花市人才发展对策研究

本文通过对攀枝花市人才状况进行调研,针对攀枝花市人才队伍现状以及人才资源管理中存在的问题,结合攀枝花市未来发展规划及实际,提出攀枝花市人才开发的对策。     

浅谈如何做好群众工作

通过回顾党的历史上关于群众工作的一系列决策决定,指出领导干部要进一步提高对做好群众工作重要性的认识;对做好群众工作中领导干部的要求做出阐述。     

网格技术发展现状研究

本文阐述了网格的概念、基础理论、国外一些国家的网格研究计划,并在此基础上对国内的研究工作提出了一些建议。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。