正交频分复用系统非线性信道估计算法

为了提高正交频分复用(OFDM)系统的传输质量和有效性，提出了一种基于最小二乘支持向量机的OFDM非线性信道估计算法．通过在OFDM符号中插入导频而获得训练数据，利用最小二乘支持向量机将训练数据映射到高维空间，并在此空间采用结构风险最小化准则对时变信道频率响应函数进行回归估计，把低维空间的非线性估计转化为高维空间的线性估计，提高了估计的精度．仿真结果表明，该算法能够有效地减小由多径引起的频率选择性衰落的影响，与传统算法相比，在同一误码率条件下的信噪比提高了3～7dB。     

氨基脲桥联杯[4]芳烃衍生物的合成及性能研究

设计并合成了下沿含缩氨脲基和席夫碱基的新型桥联杯[4]芳烃衍生物,经1H NMR、MS和元素分析等表征确证其结构;测定了新型桥联杯[4]芳烃衍生物对金属阳离子和氨基酸分子的两相萃取性能,结果表明新型主体分子通过多官能团的协同作用具有较好的配位性能。     

基于模糊法和神经网络的增压开采方案的优选研究

多属性决策问题广泛存在于经济、管理、社会等各个领域中,如方案优选、工厂选址、资源分配、投资决策、项目评估、质量评估、科研成果评价、人才考核、产业部门发展排序、经济效益综合评价等,因此多属性决策理论及方法有着广阔的应用前景．对多属性决策理论、方法及其应用进行系统的研究具有重要的学术价值和实践意义．基于模糊理论的模糊优选方法是一种用于涉及模糊因素决策问题的优选方法,采用模糊优选方法可以较好地解决方案优选中的模糊性问题．本文以ANN、模糊理论为基础,对引入模糊优选方法解决气藏增压开采方案优选问题进行研究．     

神经网络及其在股市预测中的应用

将BP神经网络和RBF神经网络应用于股市综合指数预测.预测结果表明,RBF网络计算量少,学习速度快,预测精度高.     

LDPC 码改进型LBP 译码算法研究

针对LDPC(Low Density Parity Check) 码分层( LBP: Layered Belief Propagation) 译码算法计算复杂度高、不易于硬件实现的问题, 提出一种改进算法。该算法首先引入函数f(x)使LBP译码算法的计算复杂度大大降低; 同时引入具体参数校正因子和偏移因子, 提升译码性能。仿真结果表明, 改进后的算法相比LBP 算法在计
算复杂度降低的同时, 也提升了译码性能, 从而达到了易于硬件实现的目的。     

神经网络在项目财务评价上的应用

利用人工神经网络BP算法建立项目财务评价模型,用模糊数学的隶属函数描述评价指标.由隶属函数的峰值和均值组成学习样本训练神经网络,使之具有联想记忆功能,对未在训练中出现的待评价的样本指标也能作出决策,实现项目的财务评价.     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

新疆禾本科短命植物旱麦草的营养器官解剖学研究

本文报导了禾本科短命植物的旱麦草[Eremopyrum triticrurm(cmerth)Nevshi]具有特殊的解剖结构,茎在抽穗时,仍具有实心的薄壁组织,此特点在禾本科中生植物中罕见.在根、茎、叶中皆有大型薄壁细胞.茎、叶的表皮细胞及根中柱鞘内的薄壁细胞,它们的细胞壁均增厚,起着机械支持作用.叶的栅栏组织发达,由 2～3层栅栏细胞组成,等面叶,属于C_4植物型,根、茎仅有初生结构,其内部结构简单.     

多尺度B样条小波变换去除噪声的一种方法

基于Ｂ样条小波的特点,利用小波变换引出了Ｂ样条小波实现信号分解和重构的实用公式．从理论和实验两个角度分析了不同噪声在小波变换下的传播性：白噪声和尖脉冲由于具有负奇异性和稠密性及方差均随尺度的增大而减少,据此提出一种用小波变换去除随机噪声的新算法．经过实验,与过去常用的均值滤波和中值滤波方法进行对比认为,该方法对白噪声和尖脉冲噪声均有良好的抑制作用,对信号的突变信息和波形都有较好的恢复作用,克服了均值滤波及中值滤波法造成原信号边缘模糊的缺陷．该方法可推广到其它信号的处理,具有一定的理论意义和实用价值．     

基于RBF神经网络的Web分类挖掘研究

根据Web文档分类与人工神经网络理论，设计了一个Web分类挖掘系统。针对BP网络分类器的不足，提出了用径向基函数神经网络对Web页面中的文本信息进行分类的方法。实验初步证明，用径向基函数进行分类比BP算法构造的神经网络更具准确性，有效地提高了分类的正确率。