金融POS机在公用分组交换网上的应用

金融ＰＯＳ机在公用分组交换网上的应用,对使用信用卡的客户购物更方便。工程中对传统电话网组网方式和公用分组交换网方式进行了分析比较,结果采用了后者来实现对信息的处理,从而提高了金融机构信用卡的服务质量,这将对金卡工程起到积极的促进作用。     

基于自适应惩罚的潜变量高斯图模型结构学习

采用自适应惩罚似然方法解决含潜变量高斯图模型的结构学习问题.模拟结果表明,自适应惩罚显著优于非自适应惩罚,可有效降低估计偏差,更准确地估计给定潜变量时观测变量间的条件独立性关系.     

基于GPRS的β射线透射式粉尘监测系统

当前工业生产中产生了大量的粉尘,给人类的健康造成了严重的危害;粉尘测量就显得尤为重要.经过长期的发展,粉尘测量已从短时间单地点向长时间大面积在线测量的方向发展.提出了一种基于GPRS技术的远程β射线透射式粉尘监测系统.系统由远程测量模块和监控中心PC机组成,它们通过GPRS网络和Internet网络进行通信.系统能够对一个区域粉尘状况监测、记录、分析.既可以用于监测一个城市粉尘状况,也可用于检测一个面积较大的矿区、企业.系统具有较高的实用价值.     

基于空间交替广义期望最大化算法的信道参数估计的改进

在大规模多输入多输出(multiple-input multiple-output, MIMO)系统中,空间交替广义期望最大化(space-alternating generalized expectation-maximization, SAGE)算法可以精准有效地估计出信道参数信息,从而被广泛使用。针对SAGE算法两种初始化方法均无法处理信道中多条径的时延相等或接近时,低功率径无法估计出来的情况,提出了一种在估计子径时将功率低于一定阈值的径作为噪声消除掉的SAGE优化方法。在仿真阶段,首先对SAGE算法的两种初始化方式进行了分析与比较;接着对比了改进后的SAGE算法与原算法的性能差异。仿真结果表明,改进后的SAGE算法能够较好地估计出原被噪声淹没的径,提高参数估计精度,并且加快迭代收敛速度。     

基于数据处理分组法(GMDH)的遗传选择算法与数据挖掘克隆技术

数据处理分组法(GMDH)的多层算法(MIA)是通过利用遗传算法的选择程序来实现的,该算法包含了为获取更少误差而生成的最优神经元的克隆操作.选择程序根据适应度以及网络输入的某种概率从已有的神经元中为新神经元寻找父代.克隆实质是对最优神经元的克隆体参数进行稍微调整.从机器学习库选出实验结果表明,通过克隆操作进行基因改造后的GMDH网络表现得比其它方法优越.     

聚合物段塞交替注入参数优化研究

通过室内物理模拟实验,研究了注入方式对压力梯度的影响。研究表明,交替注入方式的压力梯度在较宽范围内均高于笼统注入方式。表明交替注入时,由压力梯度产生的,促使残余油受力以及变形的力,在较长的受效时间内大于笼统注入方式;同时研究了段塞交替次数和段塞组合方式对驱油效果的影响。实验结果表明:在聚合物用量相同的情况下,随着段塞交替次数的增加,化学驱采收率呈先增大后减小的趋势,最佳交替次数为4次;先注高浓度高分子量段塞组合驱油效果好于低分子量低浓度段塞组合的驱油效果;在聚合物用量不变的情况下,高分子量聚合物和低分子量聚合物交替注入驱油效果优于单独高分子量聚合物的驱油效果;最终优选最佳驱油体系为:主段塞0.1 PV2 g/L(分子量2 500×104),副段塞0.25PV0.5 g/L(分子量700×104),交替4次。     

基于GTM900I模块的车载监控终端设计

根据车辆定位监控系统的数据采集和处理以及其数据通信等功能特点,使用华为GTM900I一体化模块实现了一个结构紧凑、功能齐全的车载监控终端的实现方案.利用该系统可以远程无线监控、调度所有在GPRS/GSM网络覆盖范围内的移动车辆目标,满足物流、客运、安防等行业的监控、管理需求.     

混合效应模型的双MCP惩罚分位回归研究

针对混合效应模型,在已有的双Lasso正则化分位回归(DLQR)的基础上,结合MCP惩罚,提出了双MCP正则化分位回归(DMQR).通过对惩罚方法的改进,使得模型的拟合效果大大提高.在求解参数时使用交替迭代算法使得每次只用求解单个MCP惩罚的分位回归,并结合针对非凸惩罚的迭代坐标下降法(QICD)使得计算的速度大大提高.在稀疏模型的模拟研究中发现,无论在何种误差条件下,DMQR都能很好的排除冗余变量,效果相对于DLQR有了较大的提升.且在模型的稀疏程度不同时,都能得到很好的模拟结果.     

非凸-凹极小极大问题的双尺度交替梯度下降上升算法

针对一类非凸-(强)凹极小极大问题,基于双尺度梯度下降上升算法,用交替梯度更新来替代同步梯度更新,从而提出了一种新算法-双尺度交替梯度下降上升算法.通过数值实验结果表明,新算法在MNIST数据集上的分类准确率明显高于原算法,从而验证了新算法的有效性.     

模拟退火聚类算法在结构面产状分组中的应用

鉴于以往的结构面产状分组方法常存在算法复杂、聚类精度差及分组效率低的不足,提出了一种新型的融合模拟退火算法及K-means聚类(SAK)的结构面分组算法,该算法简单易实现.利用模拟退火算法的退火原理,对K-means算法聚类的结构面分组结果进行优化,以期克服K-means算法易受初始聚类中心影响的缺陷.计算机模拟生成的结构面数据的分析表明,所提方法相较于传统K-means算法具有明显优势.将该方法应用于重庆市三环高速公路兴隆隧道实测结构面的分组中,并与已有方法进行对比.结果表明:该方法不仅聚类精度高,而且迭代速度也较快,具有较强的工程实用性.