基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.     

矩阵方程的最小二乘解

给出了矩阵方程AXB=D的对称最小二乘解的表达式.     

孔系组合夹具压紧方案的CAD方法

提出一种面向孔系组合夹具压紧部件方案设计的CAD方法,包括工件可压紧部位的确定与表示方法,压紧部件可行位置集合的生成方法,压紧方案设计质量的评价方法.原型系统的实现表明此方法适用于简单零件压紧部件的方案设计.     

间断常系数抛物方程组特征修正区域分解有限元法

研究了间断常系数抛物型方程组，应用特征修正区域分解有限元方法处理此问题．定义了一个函数，用这个函数在前一时间层的值近似在剖分子区域相交界面上的法向导数值，使得问题在子区域上是相互独立的，从而实现了并行．并给出了收敛性分析和L^2模误差估计.     

不同方法制备ZnO催化剂的活性比较

为提高ZnO在甲醇分部中的催化活性，以5A分子筛担载硝酸锌制备ZnO催化剂，并与碳酸锌直接分解制备ZnO的催化剂进行比较。发现前者的催化活性比后者高出很多，且克服了后者在实验中的许多不足。考查了分子筛担载硝酸锌制备ZnO的条件，确定出最佳焙烧温度与焙烧时间；所得催化剂的最高催化活性达76％。     

基于小波变换的弹射加速度滤波分析

根据小波分解与重构理论，对弹射加速度信号进行多尺度的小波变换，即用不同中心频率的带通滤波器对信号滤波，把主要反映噪声频率的那些尺度的小波变换去掉，再把剩余各尺度的小波变换结合起来，作小波重构变换，从而得到较好地抑制了噪声的信号。     

不同制备方法的CuC2O4-ZnC2O4·2H2O的热行为和热分解动力学

应用DSC、热重分析技术对共沉淀和机械混合CuC2O4-ZnC2O4·2H2O(摩尔比1∶1)在N2气氛中的热行为、热分解过程和热分解动力学进行了研究,DSC和TG曲线表明,机械混合样品的热分解过程与单独的草酸盐基本一致,共沉淀样品的热分解过程则不同于单独的草酸盐.用KAS的等转化率法求出较为可靠的活化能Ea,用热分析动力学三因子求算的比较法确定了2种样品热分解反应遵循的机理函数f(α),在Ea和f(α)的基础上计算出指前因子A.共沉淀样品中第2步、第3步热分解反应遵循的机理函数分别为R2和A2.机械混合样品中第2步、第3步热分解反应遵循的机理函数分别为2D和A2.     

An extended Lagrangian support vector machine for classifications

Lagrangian support vector machine (LSVM) cannot solve large problems for nonlinear kernel classifiers. In order to extend the LSVM to solve very large problems, an extended Lagrangian support vector machine (ELSVM) for classifications based on LSVM and SVMlight is presented in this paper. Our idea for the ELSVM is to divide a large quadratic programming problem into a series of subproblems with small size and to solve them via LSVM. Since the LSVM can solve small and medium problems for nonlinear kernel classifiers, the proposed ELSVM can be used to handle large problems very efficiently. Numerical experiments on different types of problems are performed to demonstrate the high efficiency of the ELSVM.     

基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

基于Delta算子的QR分解LMS算法

针对基于Delta算子的自适应滤波问题,提出了Delta算子描述的QR分解LMS(Delta-QR-LMS)算法。首先给出后向Delta算子模型的另一种表示形式,并利用该变换公式推导出Delta-QR-LMS算法的具体迭代步骤。通过仿真算例表明,Delta-QR-LMS算法比传统的LMS算法具有更好的滤波性能和更快的收敛速度。