云计算虚拟机群中带遗传算法的负载均衡算法

研究面向单个云的虚拟机群,以最小化任务响应时间和资源损耗代价为优化目标,提出基于遗传算法的负载均衡优化算法.所提算法实现了自适应的变异概率,并且可以根据用户任务的实际需求动态地调整系统响应时间和资源损耗在整个优化过程中所占的比重.模拟仿真结果表明,该算法不仅能够满足用户需求,而且能够获得较高的资源利用率.     

Huber-SVR中参数μ与输入噪声间关系的研究

为了提高Huber-支撑向量回归机Huber-SVR的鲁棒性,研究了Huber-SVR算法中参数μ与输入噪声之间的关系,利用将SVR的优化问题转换成最大后验估计问题的思想,推导出Huber-支撑向量回归机后验估计最大化的条件,并着重研究了输入噪声为高斯噪声的情形,得出了输入噪声为高斯噪声时Huber-支撑向量回归机中参数μ与σ之间的近拟线性关系,为在输入高斯噪声方差σ为已知的情况下合理地选择μ提供了依据．     

针筒三角走针跑道的加工与设计问题探讨

本文对目前所普遍采用的针织圆纬机针筒三角走针跑道的加工方式与设计方程不一致,以及因加工方式本身引起的跑道不良径向倾斜等问题,进行了分析探讨,提出了如下解决途径:在设计上,把方程式表示为以中心角θ为自变量函数 y=ψ(θ)。在加工上,改装数控机床或设计夹具,达到三角坯料相对刀具除保留 Y 向运动外,增加能够控制的θ角的运动,可获得精确符合方程的跑道曲线和避免跑道的径向倾斜。或者,可按文中所述规律与公式,合理选取基准线并作坐标转换,可避免不良径向倾斜产生于跑道上压力角最大处和获得正确的跑道曲线。     

蜗杆砂轮磨齿机加工过程的数值仿真

利用数值仿真的方法对蜗杆砂轮磨齿机在误差条件下的加工过程进行仿真。在数 学处理上，从实际曲面的接触方程出发，采用优化的方法，直接得到工件上各点处的 加工误差。指出在加工过程中存在平差作用和均化作用，解释了加工中的一些现象， 找出了原因，为该类机床的设计及工艺参数的制定提供了参考依据。     

基于支持向量机的ESP系统传感器故障诊断方法

应用支持向量机(SVMs)回归估计方法建立ESP系统的传感器预测模型；将支持向量机模式分类方法应用于传感器的故障分离，用DAGSVM作为残差分类器获得故障结果。研究结果表明将支持向量机应用于ESP系统的传感器故障诊断是有效可行的。     

基于支持向量机和子空间划分的波段选择方法

高光谱图像具有较高的谱分辨力,从而能够更精确地描述地物目标特性。然而,其较大的数据量和较高的数据维给分析和处理带来很大的困难。高光谱图像间存在着大量的冗余信息,波段选择能够有效地去除冗余信息从而减少计算量。针对一类波段选择方法所选取的波段易于集中而造成信息冗余和信息损失的缺陷,提出一种基于支持向量机和子空间划分的波段选择方法。首先对支持向量机判决函数进行敏感度分析和对数据源进行子空间划分,然后结合敏感度分析结果和子空间划分结果来实现有效的波段选择。实验证明了这种方法的有效性。     

基于支持向量信息测度排序的快速分类算法

如何降低支持向量机海量训练样本的数目,是提高算法速度的关键。提出利用支持向量分布的几何特征建立基于特征空间中支持向量信息测度的快速算法,对于训练样本首先进行基于支持向量信息测度升序排序处理,然后根据训练样本提供的信息测度选择合适的训练样本子空间,在该样本子空间内采用乘性规则直接求取Lagrange因子,而不是传统的二次优化方法;最后针对附加残余样本进行交叉验证处理,直到算法满足收敛性准则。各种分类实验表明,提出的算法具有较好的性能,特别是在训练样本庞大、支持向量数量较多的情况下,能够较大幅度地减少计算复杂度,提高分类速度。     

单参数支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法，由于其出色的学习性能，该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中，标准的支持向量回归算法在采用ε-不敏感损失函数时引入两个参数．为了减小学习复杂性，给出一种单参数约束下的支持向量回归算法，该算法能够减少支持向量的数量，提高程序的运行速度．最后，以一个混沌时间序列预测为例，所给方法同标准支持向量回归算法进行了比较，运行速度明显提高．     

液体包装机计量机构的设计

对全自动液体包装机上使用的容积泵型计量调节机构提出了改进，在曲柄连杆调节的基础上加入了回流调节阀的调节。经实际使用证明，采用两级调节的设计使得调节方便，精度提高，不需停机即可实施，整机效率提高６％以上，易于实现计量的自动化控制。     

坐标测量机上形位误差评定方法的国内外研究现状

本文对国内外坐标测量机上形位误差检测方法进行了综述。指出只有最小条件法才是符合ＩＳＯ标准的形位误差评定方法。