浅谈工程机械租赁的边际利润空间

论述了边际利润的定义和工程机械租赁业务承接的必要性和重要性,分析了租赁企业如何提高设备利用率来实现企业经济效益的最大化。     

特征筛选对脑-机接口信号单次提取精度的影响

脑-之机接口的核心问题之一是通信载体信号的单次提取．在构建脑控拼写器的过程中，通过“模拟自然阅读”诱发模式产生的视觉诱发电位作为人脑与计算机之间的通信载体，采用支持向量机方法进行特征信号的单次识别．为提高识别精度，详细研究了信号时程、时段的选择对模式识别精度的影响．结果表明，信号时程越长分类精度越高，时程达到300ms时，分类精度就可达到最大值（且趋于饱和）；信号时段的选择对分类精度亦有较大影响，最佳时段在靶刺激出现后约250～350ms作为起始处．这一结果为提高系统的整体速度与精度打下了基础．     

Research on system-of-systems combat simulation model formal specification and representation

1. INTRODUCTION Weapon equipments acquisition and demonstration has become more and more prominent in the informationalized war conditions while operational effectiveness evaluation is its core part. The compl- exity and uncertainty of weapon systems operational effectiveness evaluation make traditional analysis methods or expert evaluation methods less effective to solve problems. Simulation based operational effe- ctiveness evaluation is an efficient solution. The increased complexity o…     

水钢3#烧结机台车截面的烧结矿组织结构分析

应用光学显微镜和X-射线衍射分析水钢3#烧结机台车截面烧结矿的组织结构,结果表明烧结矿以磁铁矿为主,组织结构均匀致密,铁酸钙为主要的粘结相,形成熔蚀和粒状结构,强度较高;而台车边缘和表层烧结矿的组织结构疏松,部分呈蜂窝状,铁酸钙较少,硅酸二钙和玻璃质较多,形成骸晶状和共晶结构,强度较低,致使返矿较高。     

Machine Translation Using Constraint-Based Synchronous Grammar

Introduction In machine translation,analysis of the structural devia-tions of the languages pairs is key to transforming one language into another.This analysis requires a large number of structural transformations,both grammati-cally and conceptually.The…     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

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。     

多普勒雷达机房附属设施远程控制系统

给出一种使用公用电话网进行远程控制雷达机房附属设施的系统。该系统采用普通双音多频电话机上的按键,作为控制命令按键,通过MT8870双音调多频接收机作电话双音多频解码核心,实现对雷达机房附属设施远程控制功能。     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.