基于对象工厂设计性虚拟实验流程的研究与实现

基于Internet虚拟实验室是一种重要教学资源,对其进行研究具有重要意义．通过采用基于Java组件对象技术,利用对象工厂计模式有效解决了虚拟实验室中动态对象的引入、创建、调用,以及与异种对象间通信．实现了可视化虚拟实验流程的定制和软件重用．     

基于构件检索的构件适配模式

针对传统的规约匹配可能出现的部分匹配问题,定义了输入适配、输出适配、串行适配、选择适配和递归组合模式等5种构件适配模式,并将其按照原子构件和复合构件的适配方式进行分类．通过研究原子构件适配模式所具有的清晰的前后置条件约束和逻辑关系,进一步从适配理论上分析了相应的复合构件适配算法的可行性．将切片思想引入需求规约的描述,得到分解的子规约,能较好地精化检索条件,从而提高构件检索的杏伞率和杏准率,并提高库中构件的可复用件．     

基于参考独立分量分析的语音增强方法

参考独立分量分析（independent component analysis with reference,ICA—R）将源信号的先验知识以参考信号的形式引入学习算法中,可以从混合信号中仅抽取期望的源信号．基于ICA—R提出了一种语音增强新方法．通过比较语音信号和多种噪声信号的特点,合理地构造了具有语音信号重要特性的参考信号,进而应用ICA—R从多种加性噪声中抽取了期望增强的语音信号．计算机仿真和性能分析结果均表明了该方法的有效性．     

结合逆非线性主成分分析和极值理论的桥梁损伤检测

为提高环境和运营变化（Environmental and Operational Variations, EOV）影响下的桥梁损伤检测可靠性,结合逆非线性主成分分析（Inverse Nonlinear Principal Component Analysis, INLPCA）和极值理论提出一种新的桥梁损伤检方法。该方法采用INLPCA对桥梁损伤特征进行建模,利用不完备健康监测数据的估计误差和添加神经网络训练惩罚项控制INLPCA的非线性程度。采用INLPCA对损伤特征的重构误差和马氏平方距离（Mahalanobis Squared Distance, MSD）建立损伤指标（Damage Indicator, DI）,最后基于DI的广义极值（Generalized Extreme Value, GEV）分布建立损伤检测阈值。以比利时KW51铁路桥和天津永和斜拉桥为例,验证所提方法的有效性。结果表明,所提方法能准确检测EOV影响下的桥梁损伤且对不同桥型和不同损伤特征均有良好的适用性。     

构件对软件构架可靠性作用的分析

通过使用基于构架的软件可靠性模型对软件构架的可靠性进行了估算和分析,探讨了在软件构架中如何快速判断哪个构件对整个软件构架的可靠性影响较大或较小.同时,给出了判断的一般思路,并提出了如何进一步提高判断准确度的若干可行方案.     

一种新改进的DS/CDMA多用户检测器

提出了一种利用盲信号分离技术(BSS)与RAKE接收相结合的新多用户检测器.利用基于高阶累积量快速定点的独立分量分析(ICA)算法,从CDMA系统的多址干扰信号中较好地分离出需要用户的多径混合信号和多址干扰信号,进而通过RAKE接收需要的用户信号.     

基于董事会治理因素的财务危机预警模型的构建

企业在经营过程中存在着越来越多的财务风险,为了防止这些风险演变为财务危机,及时进行财务危机预警分析,就需要理顺公司的治理结构,引入董事会治理因素来完善财务危机预警机制.以120家上市公司为研究对象,分别运用非参数检验、T检验以及主成分分析对财务变量和董事会治理变量进行筛选,进而运用Logistic回归分析构建预警模型.结果显示,未引入董事会治理变量的模型的预测正确率为92.5%,而引入董事会治理变量的模型预测正确率为94.15%,预警能力明显增强,也说明,董事会治理因素是影响公司财务危机的一个重要方面.     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于PCA和相位差校正法的风切变预警算法

为了提高相干激光雷达风切变预警算法的预警率,提出一种基于主成分分析（principal component analysis,PCA）和相位差校正法的风切变预警算法。首先,利用PCA对雷达回波信号进行低阶主成分向量提取以实现信号重构,提高信噪比。其次,采用基于快速傅里叶变换的相位差校正法对回波信号峰值频率进行校正,降低回波信号能量泄露。然后,分别利用旋转电机实验数据和小型飞机实验数据对所提算法进行性能评估。结果表明,采用所提算法估计相干激光雷达回波信号峰值频率的平均绝对误差为0.26 MHz,对实际低空风切变的预警率为92.31%。所提算法可以有效降低相干激光雷达回波信号频率估计误差,实现低空风切变预警。     

基于主成分回归分析的瓦斯含量预测

为了增加多元回归模型预测的精度,将主成分分析与多元回归分析相结合提出了PCA—MRA模型,并将该模型用于实际瓦斯含量预测。结果表明,PCA—MRA模型消除了输入变量之间的相关性,减少了输入变量值个数,提高了预测精度,便于实际推广和应用,为瓦斯含量预测提供一种新的途径。