离散雅可比多项式序列预报控制理论与算法

本文提出一种用于微机加工误差实时预报控制的新方法;构造了离散雅可比多项式序列的计算通式及其递推格式;证明了其离散正交性;开发了用于微机在线预报与控制的递推公式及算法.本文所提出的理论与算法对加工误差的实时补偿控制是适用有效的.     

一类特殊的离散Walsh-Haar变换的快速算法

利用Walsh-Haar矩阵HKRm＋1,的递归性以及Walsh序的离散Walsh变换的快速算法,提出了一类特殊的Walsh序的离散Walsh-Haar变换的快速算法．该变换的特殊性在于Walsh-Haar函数系与Haar函数系一样,其演化生成时的伸缩比均为R=2．采用对输入数据奇偶二分及对变换结果数据对半二分,如此对一个KR^m＋1点的数据经过m＋1步加上logK步二分以及若干次调序后,便得到变换结果．本设计方法可用于研究其他序的伸缩比为2的离散Walsh-Haar变换的快速算法．     

不可压混流驱动问题全离散最小二乘混合元方法

讨论了不可压缩混流驱动问题的全离散最小二乘混合元方法.利用最小二乘混合元方法逼近压力方程,而用全离散标准Galakin方法逼近浓度方程,通过引进椭圆投影进行误差分析,最后得到最优误差估计.     

化工过程动态分布参数模型的空间—时间分步离散化实时仿真

根据动态仿真的实时性要求,对化工过程动态分布参数模型,提出了空间－时间分步离散化的处理方法,即先只对空间自变量作离散化处理,将动态分布参数模型中的偏微分方程化成时间为自变量的初值条件常微分方程组,然后采用Ｒｕｎｇｅ－Ｋｕｔｔａ等方求解。     

基于属性重要性和样本信息熵的多连续属性离散化后处理方法

有效判别决策表中离散化后样本数据的类型对于对后继阶段的机器学习和数据挖掘过程具有非常重要的意义.本文提出了一种基于属性重要性和样本信息熵的数据类型判别方法,并利用人工改造的一部分UCI数据库进行了模拟试验,结果表明方法是有效的,识别样本数据的准确率较高、识别错误率和拒识率较低.     

基于离散元法的输送机优化设计软件研制

通过基于离散元法研制了输送机工作过程及其性能分析软件.该软件可在输送机的设计阶段,由输送机的CAD模型(CAD软件设计图)进行输送机工作过程的动态仿真,分析输送机的工作过程及性能.通过改变输送机的CAD模型,分析评价不同结构及尺寸输送机的性能,实现输送机结构及尺寸参数的优化,为输送机的研究和设计提供一种新方法和新手段.     

低信噪比实孔径雷达机场目标图像匹配算法

提出了一种适用于低信噪比条件下的实孔径雷达机场目标图像匹配定位算法.通过对实孔径雷达图像中机场目标的检测识别,实现匹配定位.算法包括机场跑道检测及跑道端点定位两个阶段,分别采用了线特征滤波技术及目标背景的对比度信息.首先通过线特征滤波预处理和投影变换检测机场跑道所在的直线,然后利用机场在实孔径雷达图中的结构特征,根据机场及周围背景的对比度来定位跑道端点.实验结果表明:在成像条件较差的情况下,该算法仍能保证较高的匹配定位准确度.     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法.借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优.实例分析表明,所提算法能够...     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

有限域上椭圆曲线Weil对的计算

在公约密码学中,有限域椭圆曲线Weil对的计算问题研究多集中于理论研究,而对实践应用关注甚少,导致部分理论研究需要新的方法支持。为此,给出了Weil对的计算方法,通过实例指出了Miller算法在有限域上点的选择问题,分析了两种不同方法使用Miller算法的差异。通过Miller算法,指出了MOV(Menezes-Okamoto-Vanstone)攻击离散对数的局限性。实践分析表明,有限域上椭圆曲线Weil对的计算是小子阶上的计算,对于大子阶的计算不是很有效。