基于SVM降雨充水矿井涌水量预测

为了准确预测降雨充水矿井涌水量,将SVM算法应用于降雨充水矿井涌水量预测,通过对SVM算法分析,确定了合适的核函数及其参数,提出了基于SVM算法的降雨充水矿井涌水量预测模型,并根据所选矿区自然地理情况,确定了预测输入因子和输出因子。通过MATLAB语言编程,结果显示:预测值与实际测量值具有较好的一致性,验证了矿井涌水预测模型是有效的。     

基于SVM数据融合的实时粒子滤波算法

采用粒子滤波的目标跟踪算法在粒子数目较多时计算量大、实时性差,针对该问题提出了一种新的基于支持向量机数据融合的实时粒子滤波算法。该算法在估计窗实时粒子滤波的基础上,使用支持向量机融合窗内不同时刻粒子集,并根据融合的结果更新粒子权值,实现对目标状态的快速跟踪。相对于原算法采用最小化Kullback-Leibler距离来调整估计窗混合分布的权值,该方法的计算复杂度低、速度快,进一步提高了算法的实时性。对纯角度目标跟踪问题的仿真结果表明了该算法的可行性和有效性。     

Petri网系统的弱公平性判定

本文首先给出了一个Petri网系统的有效可重复向量的两个性质.随后,又给出了用有效可重复向量判断Petri网系统弱公平性相关问题的一个充分必要条件.在一个Petri网系统中,任意的两个变迁ti,tj,则tj弱公平依赖于ti,当且仅当不存在这样的有效可重复向量X,使得X（j）〉0且X（i）=0.最后,用一个实例展示结论的应用过程.     

子空间投影稳健波束形成算法及其性能分析

基于投影方法的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其他算法实现简单。通过分析,在信号加干扰子空间准确已知的条件下,该方法与基于特征子空间的稳健算法等价。由于该方法适用于较高信噪比和较低信号加干扰子空间维数的场景,而且子空间及其维数必须是已知的,因此给出了一种用于信号加干扰子空间及其维数的稳健估计方法,使该算法的应用条件得以满足。详细分析了理想条件下子空间选取对算法性能的影响,并进行了详细的仿真分析,验证了所提出方法的正确性和有效性。     

稳健的多通道SAR特征投影杂波抑制算法

针对强干扰目标信号污染影响传统的特征投影方法杂波抑制性能的问题,提出了一种稳健的特征投影方法。该方法首先构造与回波数据矢量对应的模归一化矢量,对其协方差矩阵进行特征分解,构造新的噪声子空间,最后将回波数据矢量向新的噪声子空间投影进行杂波抑制。理论分析和实验结果验证了该方法的有效性和稳健性。     

携人源TPA基因的慢病毒表达质粒的构建与鉴定

利用PCR扩增人源TPA基因,再用酶切-连接的方法将目的片段亚克隆入慢病毒表达质粒pL-PGK-eGFP中,最后用测序、酶切和在293细胞中瞬时表达的方法进行了鉴定.结果显示：含人源TPA基因的pL-PGK-TPA-eGFP慢病毒表达载体构建成功,为进一步利用转基因技术更加安全高效地生产TPA,治疗血栓类疾病打下基础.     

Uq（Sp（2n））-模同构R= οf^-οP中 的简化

给出了Uq（Sp（2n））-模同构R= οf^-οP中 的一个简化表达式 ′,即 ′=1×1＋∑ht（μ）≥2 μ≠τ（μ）（q^-1-q）Fμ ×Eτ（μ）＋∑ht（μ）≥1（-1）^ht（μ）（1 -q^-2）qμFμ×Eμ＋∑μ=τ（μ）^μ≥α1（q^-2-1）（1 ＋qμ）Fμ×Eμ.     

高压断路器电机操动机构技术的研究

为了提高高压断路器的工作可靠性,实现运动过程全程可控,研究了一种利用永磁同步电机驱动高压断路器的操动机构。介绍了永磁同步电机的控制方法,使用MAT-LAB/Simulink创建了电机控制系统的仿真模型。同时使用一台断路器试验样机、一台永磁同步电机及以数字信号处理器(TMS320F2812DSP)为核心的电机控制电路建立起电机操动机构的硬件试验装置。在DSP控制器中实现了永磁同步电机的矢量控制算法,构成了电机的全数字位置伺服控制系统。通过对电机进行位置伺服控制,实现了对断路器行程的全程控制。系统仿真结果及试验结果表明,由电机操动机构驱动高压断路器,可实现对断路器行程特性的控制,满足高压断路器合分闸智能操作的要求。     

一种新的模糊支持向量回归方法

为克服传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计所带来的局限性问题,提出了基于样本到超平面距离的新隶属度函数设计方法。该方法从支持向量机的回归本质出发,通过更加合理地设计隶属度函数,提高支持向量机的回归的泛化鲁棒能力。仿真结果证明,该方法具有更好的鲁棒性,提高了模糊支持向量机的泛化能力。     

量子粒子群优化神经网络集成股市预测模型研究

利用量子粒子群优化神经网络集成个体的网络结构和连接权值,对集成个体进行支持向量机回归集成,建立一个新的量子粒子群优化神经网络集成股市预测模型。新模型能有效提高神经网络集成系统的泛化能力,易操作,稳定性好,预测精度高,具有良好的应用前景。