关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

一个异步的PGD算法

分析了并行优化算法中同步运算与异步运算的优缺点。提出完全异步的PGD算法。并且在一定的条件下。给出了算法的收敛性证明。最后结合大规模分布式并行计算机系统曙光-2000做出数值试验。结果说明异步的并行优化算法的效率高于同步的算法。     

多普勒雷达机房附属设施远程控制系统

给出一种使用公用电话网进行远程控制雷达机房附属设施的系统。该系统采用普通双音多频电话机上的按键,作为控制命令按键,通过MT8870双音调多频接收机作电话双音多频解码核心,实现对雷达机房附属设施远程控制功能。     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

网格中数据并行流水线的任务指派优化

为了缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排他地使用一组处理机.根据优化目的,优化过程可分成连续的两个阶段,即提高吞吐率和缩短吞吐率受限下的延迟.对不同的优化阶段,用不同的启发式算法确定一个并行系统中每个任务的处理机数.改派任一任务都会使流水线的性能发生变化,性能提高的幅度被称为任务优先级.通过重复改派优先级最高的任务,流水线的性能可迅速提高,这在仿真实验中已得到了证实.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

车间流程的免疫调度算法

为了高效地解决车间流程(Flow Shop)问题,提出了一种利用免疫算法求解Flow Shop调度问题的方法.该算法是根据人或者其他高等动物的免疫系统机理设计的,将调度目标和约束条件作为抗原,将问题的解作为抗体,对抗体采用按工件加工顺序进行自然数编码,并把最大流程时间的倒数作为适应度函数,新抗体的繁殖是通过部分匹配交叉算子和按工件顺序互换的变异算子实现的,对抗体产生的刺激和抑制通过抗体浓度来调节,而抗体浓度通过计算抗体之间的最大亲和力获得.通过对Flow Shop问题的基准测试表明,该算法不仅在求解问题的规模上具有很好的可伸缩性,而且在运算时间上也低于遗传算法和模拟退火算法.     

螺旋装煤机式水平煤仓输出煤量的影响因素分析

在螺旋装煤机式水平煤仓模型实验台上，通过正交实验，确定牵引速度υq，滚筒转速n，煤的断面形状S三因素对煤仓输出煤量的影响程度和三者之间的最佳匹配关系。     

机器视觉尺寸检测系统中安装误差分析

利用齐次坐标变换建立了面阵CCD尺寸检测系统中从工件平面到CCD平面的坐标变换关系，得出了无误差测量的变换公式，并讨论了这种投影变换的特点及在不精确测定安装参数的情况下对各被测尺寸分别标定进行测量的方法。     

基于数控机床分层快速成型金属零件的关键技术研究

快速成型技术作为一种高新制造技术，具有缩短产品上市时间、提高生产率、改善产品质量等优点．金属功能零件的快速制造是目前快速成型技术领域的研究热点之一、文章提出了一种基于数控机床来开发快速成型金属零件的方法．这种方法能够提高成型零件的表面质量．这里，主要分析这种工艺的基本原理及关键技术．