水资源-环境系统灰色加权模型研究

本文在水资源－环境系统的工程实例基础上,详细论述了灰色加权模型的递增赋权、层次分析法赋权、概率法赋权和专家赋权的计算方法     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

LDPC码偏移修正加权比特翻转译码算法

大量仿真表明,基于幅度和的改进型加权比特翻转(modified sum of the magnitude based weighted bit flipping, MSMWBF)译码算法对于行重/列重较小的低密度奇偶校验(low density parity check, LDPC)码而言,展现出巨大的性能优势,但对于行重/列重较大的基于有限域几何(finite geometry, FG)的LDPC码,性能损失严重。首先对此现象进行理论分析。其次,引入附加的偏移项对MSMWBF算法的校验方程可靠度信息进行修正,提高了算法对行重/列重较大的LDPC码的译码性能。仿真结果表明,在加性高斯白噪声信道下,误比特率为10E-5时,相比于MSMWBF算法,在适度增加实现复杂度的条件下,所提算法可获得约0.63 dB的增益。     

基于数据加权策略的模糊C均值聚类算法

针对模糊C均值(fuzzy C means, FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California Irvine, UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。     

化归在独立院校高等数学课程教学中的应用

高等数学是独立院校理工类专业的必修课程,但是独立院校学生的数学基础相对薄弱.研究了如何利用化归思想提高独立院校高等数学课程的教学质量.     

提高大学生学习高等数学的兴趣

<正>刚刚从中学迈入大学校门的大学生,由于受应试教育的影响,习惯了传统的填鸭式教学方法.大学中高等数学知识量很大,而课时量比高中又少了很多,这样就导致学生不适应大学的学习方法和学习环境,最终导致学习兴趣下降,学习积极性不高,因而学习效果较差.兴趣是推动学生学习的一种最实际的内部动力,直接影响着学习的效果.如果学生对高等数学学习产生了兴趣,就会主动愉快地努力求知,以极大的精力投入到高等数学的学习之中.     

基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。     

求极限的常用方法与技巧

求极限是高等数学中最基本的运算之一,本文结合教学实践,举例介绍了求极限的常用方法与技巧。     

基于根移动方法的LQR控制器设计

阐述一种LQR控制器设计的新方法。根据哈密尔顿系统理论,深入研究了系统特征方程的闭环极点和加权矩阵的关系,给出了希望加权矩阵的确定方法。通过Matlab仿真实验,证明了根据极点的移动范围来确定LQR控制器的方法是可行的。     

Research on Thermal Properties of Nomex Fiber and Nomex/Viscose Blended Fabric

Based on the analysis of the properties of Nomex 450 and Nomex 462,the thermal properties of Nomex 462/Lenzing Viscose Flame retardent(FR)blending materials were analyzed.It was discovered through burning test and Thermal Gravity(TG)analysis that the blended material was superior in thermal behaviors to the material made from either Nomex or Viscose FR filament,when the ratio of Nomex and Lenzing Viscose FR reached 80∶20,and excellent thermal properties were achieved with the value of Limiting Oxygen Index(...