机械能流密度矢量

本文通过对连续媒质内机械能流转移的分析,引入机械能流密度矢量S,并讨论了机械能流在动力学系统中的一些应用。     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机(SVM)参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

基于速度矢量的6足机器人三角间歇步态规划与分析

为提高大惯量6足机器人行走的稳定性与连续性,提出了基于速度矢量的三角间歇步态.该步态以三角间歇步态为基础,统一映射平动与转动速度矢量为绕旋转中心转动,达到6足机器人全方向行走且速度平滑切换的目的.首先,由旋转中心理论计算中心坐标,在足端工作空间约束下计算最大旋转速度;其次,对摆动相采用足端0冲击摆线轨迹规划,支撑相采用增量式轨迹规划以便于编程计算连续运动指令实现变速度矢量运动;最后,在虚拟样机和物理模型上进行不同步态的对比实验.结果表明采用基于速度矢量的三角间歇步态晃动幅度与方差最小,提出的方法可保证大惯量6足机器人连续稳定的全方位运动.      

基于GA-SVM的上市公司财务评价模型研究

财务评价是企业财务管理中的重要环节,本文在对传统财务评价方法的不足进行分析的基础上,结合财务管理理论和企业预警理论,采用GA-SVM方法建立上市公司财务评价模型。首先以沪深两市2007~2009年度A股上市公司为研究对象,以因财务状况异常而被列为特别处理的公司(ST公司)作为界定上市公司的财务危机标志,并以上市公司年报财务数据作为输入特征向量,然后将遗传算法与支持向量机相结合,通过实证方法建立上市公司财务评价模型,实证结果验证了该模型的有效性。     

一种基于深度卷积神经网络的摄像机覆盖质量评价算法

随着视频监控系统的大规模普及,视频监控系统的效用评价成为一个重要的研究课题.当前视频监控系统评价只考虑了摄像机的覆盖率,缺少对摄像机覆盖质量的量化评价.该文提出了一种基于深度卷积神经网络的监控摄像机覆盖质量评价算法.将摄像机覆盖质量评价问题转化为对摄像机所采集视频帧的质量评价问题,探讨了基于视频帧的摄像机覆盖质量等级的分级策略,标注了一个摄像机视频帧质量等级数据集; 设计了一种新颖的多维标签赋值方法,利用深度卷积网络学习鲁棒的视频帧表示,进一步基于支持向量回归机(SVR)学习视频质量回归函数,从而实现对摄像机覆盖质量的鲁棒估计.实验结果表明:该算法能够准确地对监控摄像机的覆盖质量进行自动评测,有效监测了摄像机监控质量的实时变化.     

一种改进的基于Sobol序列的快速线积分卷积法

为提高快速线积分卷积法（Sobol-FLIC）的计算效率和流线的覆盖率，提出了一种改进的基于Sobol序列的快速线积分卷积法。计算结果表明，与一般的快速线积分卷积法相比，改进后的算法计算效率提高了约10%，同时可以产生稀疏纹理和密纹理，并且采用二次LIC法对图像进行后处理提高了可视化效果。在Matlab环境中，该算法与几种基本算法（LIC，FLIC）的可视化效率、计算固定数目流线的可视化结果和图像覆盖率的比较结果证实了其优越性。     

各向异性厚壁圆筒的磁弹性动力学问题的解析解

给出了在横向磁场作用下,各向异性厚壁圆筒磁弹性动力学问题的解析解,磁弹性运动平衡方程中考虑了惯性效应和横向磁场中的Lorentz力的影响,利用相应的有限Hankel变换和Laplace变换,求得在横向磁场作用下,各向异性厚壁圆筒的动应力响应历程及筒体内磁场矢量扰动响应规律。     

特征根法求线性递推关系式的通项及应用

文章利用特征根法讨论了二阶齐次线性递推关系式an=pa（n-1）＋qa（n-2）的通项，并介绍了它在数学课程中的一些简单的应用。     

滤波角速率输入的圆锥误差补偿

为了提高光纤陀螺捷联惯性导航系统精度,提出了滤波角速率输入的圆锥误差补偿方法。根据滤波前后物理量圆锥效应的不同,分析滤波圆锥误差准则,并依据滤波角速率求取滤波角增量的算法,推导了滤波角速率输入的捷联惯性导航系统圆锥误差补偿中的误差补偿系数和误差主项。结合光纤陀螺特性的对比仿真结果表明,滤波角速率输入圆锥误差补偿算法精度比传统姿态算法精度高2～3个数量级。滤波角速率输入圆锥误差补偿算法更贴近工程,对提高角速率陀螺构建的捷联惯性系统精度具有重要理论和工程意义。     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。