基于矢量空间的群体聚类方法研究

通过对群体成员的思维模式进行分析,基于矢量空间提出了群体中任意两个成员偏好矢量相关性度量的一般范数以及基于该矢量相关度的启发式算法,通过执行该使算法使群体中的成员形成若干个不同的聚集。在此基础上,定义并计算群体中各个聚集的偏好和整个群体的偏好,定义并计算群体中各个聚集的一致性指标和整个群体的一致性指标,为群体决策提供依据。最后通过一个实例对算法和一致性指标等进行验证。     

电动汽车驱动用感应电机的MATLAB/Simulink仿真

根据矢量控制系统中的坐标变换原理及电机方程简化原则,推出了感应电机在M、T坐标系中的数学模型,然后基于MATLAB/Simulink仿真平台构建了电机系统的仿真模型.仿真和实例验证表明基于MATLAB/Simulink仿真是有效的,所建电机模型正确;矢量控制的感应电机具有良好的调速性能,适用于驱动电动汽车.     

教练员对运动员训练作用的系统模型

针对训练过程中教练员的作用建立了系统数学模型,使教练员在训练过程中的作用得以量化,通过引入有差和无差的概念,分析了教练员在训练过程中2种作用的不同效果.     

旋量与张量、旋标架与零标架的对比研究

严格证明了关于零矢量、零标架、旋量及旋标架的11个性质，对旋量与张量、旋标架与零标架进行了比较研究，表明旋量对于研究黑洞的零曲面性质是比张量更为优越的工具．     

基于生命游戏置乱的MPEG-4运动矢量水印算法

提出一种基于MPEG-4视频对象运动矢量的视频水印算法，它直接对压缩后的视频数据流进行操作，将经过置乱的水印信息嵌入到运动矢量的标志位上，与视频压缩标准有很好的兼容性。实验结果表明，该算法简洁有效，嵌入水印所引起的信噪比的损失很小。此外，算法采用具有单向特性的生命游戏置乱来抵抗解释攻击。     

一种用于彩色图像认证的脆弱水印算法

提出了一种用于彩色图像认证的脆弱水印算法。这种算法是采用了均值量化的方法 ,把数字水印嵌入图像的离散小波域 ,可以检测在空间域和频率域的图像失真。利用脆弱数字水印算法提供的关于失真的估计信息 ,可以帮助用户判断图像内容的可靠程度。同时还采用了聚合篡改区域方法来完成失真检测 ,能够区分出恶意攻击和一般的图像处理。仿真结果证明 ,该方法可以提供图像修改的程度和修改区域的信息 ,其可信度比一般量化方法强。     

深度学习在引力波数据处理中的应用初探

截至2018-01-16,LIGO已成功探测引力波事件6次.可以预期,引力波探测事件会越来越多,引力波天文学会很快进入到大数据阶段.深度学习在大数据处理方面近年来得到迅速发展.它在数据处理速度,准确度等方面都表现出极大的优势.深度学习在引力波数据处理中的应用讨论还不多.本文引入此问题,并对其进行初步研究.引力波数据最大的特点是强噪声、弱信号.现行的数据处理方法是利用匹配滤波的方式把引力波信号从强噪声中挖掘出来.同时,匹配滤波方法还可以确定引力波源的性质,定量确定其参数.匹配滤波方法的弱点是计算量巨大.这导致数据处理速度很慢.对于将来的大数据引力波天文学,这更将是一个巨大的隐患.匹配滤波方法的另一个潜在问题是,完备准确的理论波形模板是其工作的前提条件.这个潜在问题的后果是很难找到理论预期之外的引力波信号.深度学习的数据处理方法有可能在这些问题上提供出路.同时,深度学习也会遇到其自身的若干困难和问题.本文将从网络结构、训练数据制备、训练优化、对信号识别的泛化能力、对数据的特征图表示以及对特征数据遮挡的响应等方面来展开讨论.     

航行补给中的补给船鲁棒同步控制

针对航行补给作业的补给船同步航行控制问题,考虑了补给船动态不确定性和未知时变环境扰动,将扰动观测器和矢量逆推方法相结合,设计了补给船鲁棒同步航行控制律.在被补给船的某一舷外引入与其航迹距离相对固定的虚拟航迹,构造扰动观测器,估计由船舶动态不确定性和时变扰动构成的复合扰动;采用矢量逆推方法,设计补给船鲁棒同步航行控制律,使补给船能够以任意小的误差跟踪虚拟航迹,从而实现补给船与被补给船的同步航行,并保证补给船航迹闭环控制系统中所有信号全局一致最终有界.基于一艘补给船的仿真研究结果及比较验证了所提出的补给船同步航行控制律的有效性和低保守性.     

校企合作卓越人才项目学生量化考评体系构建 ——以市场营销专业为例

校企合作卓越人才项目为应用型本科院校的转型发展提供了有效路径,卓越人才项目的开展对学校、企业、学生都大有益处,但卓越人才项目的考评体系不健全影响了项目的开展。通过对参与卓越人才项目的三方调研,对现有卓越人才项目考评体系存在的问题进行分析,借鉴台湾地区相关经验提出了新的卓越人才项目学生量化考评体系。     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.