预测支持系统中的人机界面Agent及其机器学习

人机界面 agent是一种具有一定智能性 ,并能增强应用系统与用户间交互的计算机程序 .通过机器学习机制 ,这种 agent能够适应用户的习惯 ,使系统更有效的服务于用户 .本文将界面 agent( Interface agent)技术应用于预测支持系统 ( FSS:Forecasting Support System)中 ,并采用适当的学习方法 ,可以很好地解决其中的复杂人机交互问题     

CSCW系统中协同机制及协同活动模型

分析了当前计算机支持协同工作 (ComputerSupportedCooperativeWork ,CSCW)系统普遍存在的问题 ,首先定义了协同的基本概念和类型 ,并引入协同代理的新概念 ,研究了CSCW这样的人机结合系统中协同成员间的语义通信机制和信息共享机制。在此基础上 ,分离出协同活动中的独立信息实体 ,建立了面向对象的协同活动模型。最后 ,用协同活动模型分析了一个典型的协同工作的实例。     

集成人机交互仿真系统研制与应用

基于虚拟现实技术和人机工程学原理,综合应用多通道宽屏投影拼接、光学运动跟踪和数据手套手势跟踪、Vega和Creator等许多虚拟现实软、硬件技术,构造出一个可供人与计算机中的虚拟操控系统进行实时交互的虚拟仿真环境,可对人机交互绩效进行动态、客观的测量,继而评价操控面板系统的设计质量,亦可用于各类二维操控面板的操作培训。初步实验结果验证了系统的可行性。     

高功率放大器的相位失真对系统性能的影响

目前关于高功率放大器的研究中,很少有文献详细分析关于相位失真对系统性能的影响。尤其是在对SSPA功放的分析中,许多文献认为其相位失真为0。基于典型的TWTA和SSPA模型,从星座图弥散,误码率(BER),功率谱密度(PSD),系统总性能损失(TD)等几方面进行仿真,深入分析了相位失真对OFDM无线通信系统性能的影响。根据仿真分析得出了重要结论。     

柔性印刷机虚机实电仿真系统

提出了一种用于装备工业的真实电控装置和计算机模拟的虚拟机械进行联合调试的新思想——虚机实电．虚机实电系统不需要连接到真实的机械设备上，就可以调试其电控装置，能够发现其潜在的错误，因而能够缩短产品的调试时间，节约成本，极大地提高企业的竞争力。作为其一个应用实例，介绍了柔性印刷机虚机实电仿真系统。给出了其系统结构和组成，详细介绍了其五个功能模块。并对系统的实时性问题提出了解决方案．通过试验实现了其真实电控装置对虚拟印刷机的实时控制，验证了上述思想的正确性。     

基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。     

基于支持向量机的换档质量评价系统

车辆换档质量是自动档车辆最重要的性能之一,因此换档质量的评价一直是车辆性能研究的一个重点。以支持向量机理论为核心创建的换档质量评价系统,综合考虑了车辆换档的各种工况和影响因素,利用支持向量机良好的泛化能力,能够稳定的对换档质量进行动态综合的评价。     

基于并行计算的盾构机刀盘三维切削仿真

针对盾构机工作时刀盘切削土体的数值仿真，建立了细致分析模型，并利用任意拉格朗日欧（ALE）和流固耦合（FSI）理论及方法未解决传统有限元方法进行切削仿真时易引发的网格大变形问题；在国产曙光4000A超级计算机上利用LS-DYNAMPP970完成了并行计算，采用了传统递归坐标对分、以夏根据仿真模型特点提出的基于耦合均衡坐标对分等两种区域分解策略。结果表明，ALE-FSI方法能有效处理刀盘切割土体仿真时的网格大变形，仿真数据与试验数据对比也比较一致：通过促进负载均衡，在计算时CBCB法比RCB法体现出了更好的加速比和并行效率。     

一种新的支持向量机快速训练算法

针对大规模数据集的分类中支持向量机的训练,为解决选取样本集合边界向量时需事先判定样本集合是否线性可分的问题,提出一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击噪音点和孤立点干扰的能力,并且计算简单,易于实现。实验结果证明了这种方法是有效的。     

基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。