Spatial discretization error in an artificial benchmark model of oblique laser incidence by finite volume approximation for radiative heat transfer

The spatial discretization error in a finite volume method approximation for radiative heat transfer is investigated. An artificial benchmark model for oblique laser incidence on a two-dimensional rectangle containing a semi-transparent medium is proposed, in addition to using reference data from the Monte Carlo method. Within the framework of the current model, it is shown that numerical scattering in the finite volume method is affected by the spatial grid values and the different spatial discretization schemes to a large degree. Numerical scattering also varies with the degree of absorption coefficient deviation. Numerical scattering is distributed in a symmetrical profile along the laser incidence direction, and all of the schemes show symmetrical cross-scattering.     

分数阶傅里叶变换在Chirp调制信号中的应用

利用分数阶傅里叶变换离散算法的定义和量纲归一化原理,分析了一种将连续FRFT直接离散化的算法,并对该算法在处理Chirp信号中存在的不足进行了改进,简化了该算法的计算量.研究了基于FRFT的Chirp信号的解调过程,确定了能量聚集的最优分数阶阶次.     

Context-aware end-to-end QoS diagnosis and guarantee based on Bayesian network

A systematic approach for end-to-end QoS qualitative diagnosis and quantitative guarantee is proposed to support quality of service (QoS) management on current Internet.An automatic unwatched discretiz...     

粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

基于粗糙集的增强学习型分类器

为了提高分类的精确度,提出一种基于粗糙集理论的增强学习型分类器。采用分割算法对训练数据集中连续的属性进行离散处理;利用粗糙集理论获取约简集,从中选择一个能提供最高分类精确度的约简。对于不同的测试数据,由于离散属性值的变化,相同的约简可能达不到最高的分类精确度。为克服此问题,改进了Q学习算法,使其全面系统地解决离散化和特征选择问题,因此不同的属性可以学习到最佳的分割值,使相应的约简产生最大分类精确度。实验结果表明．该分类器能达到98％的精确度．与其它分类器相比．表现出较好的性能。     

曲率障碍下四阶变分不等式问题的Morley元逼近一个新的误差估计式

对简支情形的曲率障碍问题,采用修正的离散格式给出了Morley非协调元逼近的一个新的误差估计,改善了已有的结果．     

基于断点辨别力的粗糙集离散化算法

提出了基于断点辨别力的粗糙集离散化算法.通过分析候选断点与决策类之间的相关性,定义了候选断点对决策类的辨别力,并以此作为断点重要性的度量,实现连续属性的离散化.离散化后的决策系统不改变原有的相容性,而且能最大限度地保留有用信息.采用多组数据对此算法的性能进行了检验,并与其他算法做了对比实验.实验结果表明此算法是有效的,而且当候选断点个数增多时仍有较高的计算效率.     

离散化四足机器人自由步态控制方法

为了实现离散化四足机器人自由步态的控制,提出一种新的基于中枢神经模式发生器(CPG)的自由步态控制方法。介绍了离散化四足机器人模型,在已确定的地形中,设定四足机器人起始点与抵达点的状态。将连续步态按照离散化步态完成排序,形成排序集合。在此基础上,利用中枢神经模式发生器CPG,采用周期性振荡信号对离散化四足机器人腿部各关节进行控制,给出单独神经元模型。为了便于分析,使用互抑神经元构成的振荡器对神经元的输出信号进行改善,通过该振荡器产生规律的振荡信号,以控制离散化四足机器人完成自由步态移动。实验结果表明,所提方法能够有效控制离散化四足机器人实现自由步态移动。     

二维水翼超空泡的一种数值解法

采用奇异积分方程方法,研究了二维薄翼定常自然超空泡问题.应用一种修改的离散化方法对积分方程进行了求解.给出了平板水翼和弧线形水翼的超空泡形状.计算了超空泡水翼的升力系数和空泡阻力系数.与已有的理论结果作了对比,证明了数值方法的适用性.     

隐式双离散方法定价Merton跳扩散期权模型

构造隐式双离散方法定价Merton跳扩散模型下的欧式和美式期权.给出了该离散方法的稳定性分析.数值实验表明,所构造的方法是有效稳健的,比显式格式具有明显的优势.