振动技术在金属材料铸造成形中的应用与发展

介绍了振动技术在铝、铜、铁等金属材料铸造成形中的应用研究现状,就振动类型和振动对铸造成形的机理作了阐述,分析了施加振动对金属铸造成形时金属内部组织改善、强度性能提高的原因,指出现有振动技术中存在的不足,介绍了多维振动铸造机的设计思路和研制进展情况。振动铸造实践证实,在金属材料的铸造成形工艺中施加多维振动能明显改善铸件的性能,提高铸造效率,多维振动铸造机的研制为今后多维振动技术的研究和应用提供参考。     

复杂网络局部特征分类

针对现有的图分类算法往往从网络全局出发、存在对大规模网络分类效果不好或计算开销过高等问题,提出了基于局部特征的复杂网络支持向量机分类(LF-SVM)算法.从网络局部拓扑结构出发,利用局部Ego-Net的特征对不同的复杂网络进行分类,使得对不同规模的网络都能较好地完成分类工作.实验结果表明:LF-SVM算法对于不同大类的网络及大类内部的不同子类网络,均能实现有效分类,分类速度明显快于现有的全局分类算法,且在部分指标上优于全局分类算法.     

旋挖机在跨越沪杭高速施工中的应用

根据杭浦高速公路临平互通主线沪杭分离式立交的施工经验,论述旋挖机的成桩施工工艺,提出如何在施工过程中对旋挖机进行质量监控。     

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。     

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.     

丝印织物基UHF-RFID标签的耐机洗性及涂层优化

为探究机洗的应力作用对工业化丝印织物基超高频射频识别(ultra high frequency-radio frequency identification,UHF-RFID)标签的破坏作用以及涂层对标签的保护机理,采用紫外固化聚氨酯丙烯酸酯(PUA)涂覆天线,通过弯曲和扭转变形模拟机洗中的应力作用,分析涂层厚度对天线...     

参数优化支持向量机的农业大棚温室温度预测模型

利用支持向量机核函数linear,polynomial,radial basis function和sigmoid,通过粒子群算法对惩罚参数c和gamma寻优,建立农业大棚温室温度预测模型.试验结果表明:通过粒子群算法设定惩罚参数c为14.392,gamma为0.01时,得到的P_RBF预测模型对由24个测试时间所测数据组成的训练集拟合程度达90.849%,对加入随机影响因子的由5个测试时间所测数据组成的预测集拟合程度达90.545%,显示该预测模型具备相当的鲁棒性;P_RBF模型对温室内温度预测具备相当的可靠性,可以准确预测温室内温度变化趋势,解决温室控制系统中温度难以预测的问题.     

开放存取期刊站点自动分类方法

为了提高OA期刊站点分类识别的准确率,从抽取到的站点标题和正文中提取关键词构建语料库,并将其作为最小二乘支持向量机的输入矢量。针对最小二乘支持向量机参数选取和基本粒子群算法极易陷入局部最优解问题,借鉴遗传算法和自然选择机理,提出了基于混合粒子群的最小二乘支持向量机算法。实验结果表明,该分类方法提高了站点识别精度。     

多类SVM分类算法的研究

支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括"一对多"方法、"一对一"方法、决策有向无环图方法、基于二又树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.     

基于PSO优化LSSVR的三维WSN节点定位方法

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。