汽车仪表指针三维定位压装系统研制

采用PLC和触摸屏作为控制核心，研制一套适应性强、经济性好、性能可靠、操作简便、生产精确度和效率较高的汽车仪表指针三维定位自动压装系统。通过整机测试与实际产品投入生产使用，取得了良好的效果，完全能满足当前汽车配件厂的生产要求。     

一种有效估计着陆引导信号多径时延的方法

利用导航信号收发已知且具有周期性的特点,提出了一种对着陆引导信号多径时延进行有效估计的方法。该方法首先计算相关函数,而后对相关函数进行二次微分,对时延值进行初步估计。最后通过直线拟合算法和比例拟合算法提高估计精度。通过计算机仿真,验证了算法的有效性。该算法具有在低采样率的条件下,估计精度高的特点。     

基于改进LGDF模型的超声图像自动分割方法

基于局部高斯分布拟合能量(LGDF)模型的图像分割方法,对初始轮廓选取及参数选择较敏感.如果初始轮廓手动选取不当会由于陷入局部极小值而导致分割失败,且分割速度较慢.针对以上不足,提出了一种改进的LGDF模型的超声图像自动分割方法.该方法的正则化项由具有双极值点的势函数构成,在水平集函数进化过程中,可以避免由单极值点势函数造成的水平集函数震荡和扭曲,从而加快了收敛;另外,将局部熵阈值分割的结果作为LGDF模型的初始轮廓,接近真实轮廓,可以克服手动选取初始轮廓的影响.实验结果表明,该方法能自动获取合适的超声图像初始轮廓,并得到较好的分割结果,同时大大提高了分割速度.     

EHGFs方向可控滤波压制地震勘探随机噪声

为有效提取地震信号同相轴信息, 解决以哈密特-高斯函数(HGFs: Hemite-Gauss Functions)为核函数的方向可控滤波器因无方向性而导致同相轴被降频的问题, 引入以拉伸哈密特-高斯函数(EHGFs: Elongated Hemite-Gauss Functions)为核的方向可控滤波去噪方法。该方法考虑有效信号与随机噪声在方向性上的差异,
通过近似拟合方法构造EHGFs 方向可控滤波器, 借助EHGFs 具有明确的方向性, 滤波时沿着轴向进行滤波,提高线性度, 减少平滑作用, 取得方向滤波数据后再根据数据局部数字特征进行数据重组, 达到去噪效果。实验结果表明, 该方法具有明显压制随机噪声、恢复有效信号的效果。     

我国生猪补贴政策及其效用研究

探讨自2007年下半年政府出台一系列生猪补贴政策以来,补贴政策实施的有效性以及如何合理制定补贴政策。     

基于编组拟合的合成孔径雷达图像线特征提取

为了从合成孔径雷达(SAR)遥感图像中高效率地提取线特征、满足目标识别与场景分析等应用的需要,采用曲线结构基元取代通用的直线结构基元,通过像素编组以及曲线拟合提取并连接,使得复杂的全局优化简化为基于连接关系和总长度的聚类和筛选,借助低分辨率图像对高分辨率图像的掩码操作先主后次地提取不同宽度的线特征。应用所提出的方法在实际SAR图像上进行了实验,获得了与观察相一致、具有单像素宽度的线特征二值图像。实验结果表明:所提出的方法可以快速准确地提取出场景中真实的线特征,采用曲线基元形式和编组拟合方法有利于降低问题复杂度、提高处理效率。     

基于MATLAB的兰州市商品住宅价格变动分析及预测

根据2001～2010年的相关数据,利用MATLAB建立了兰州市商品住宅价格变动趋势的数学模型Z1=p2t2+p1t+p0,以及商品住宅价格的多元线性回归模型log Z=C0+C1log(N1)+C2log(N2)+C3log(N3)+C4N4并进行分析,考虑4个主要影响因素:人口数、房地产开发商平均投资成本、人均收入...     

计算机辅助解析FTIR定量研究蛋白质构象的应用进展

综述了计算机辅助解析傅里叶变换红外光谱在蛋白质构象定量研究中的应用进展,简要介绍了红外光谱测定及二阶导数谱、去卷积和曲线拟合等计算机数学处理方法.对已有的研究结果进行了分类总结,最后讨论了该领域中存在的问题和发展方向.     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

Modeling and Forecasting the Yield Curve by an Extended Nelson‐Siegel Class of Models: A Quantile Autoregression Approach

This paper compares the in‐sample fitting and the out‐of‐sample forecasting performances of four distinct Nelson–Siegel class models: Nelson–Siegel, Bliss, Svensson, and a five‐factor model we propose in order to enhance the fitting flexibility. The introduction of the fifth factor resulted in superior adjustment to the data. For the forecasting exercise the paper contrasts the performances of the term structure models in association with the following econometric methods: quantile autoregression evaluated at the median, VAR, AR, and a random walk. As a pattern, the quantile procedure delivered the best results for longer forecasting horizons. Copyright © 2011 John Wiley & Sons, Ltd.