变工况下轴承健康监测的相关向量机与自适应阈值模型方法

工况在旋转机械运行过程中通常是变化的。变化的工况和故障一样,也会引起机械振动特征发生改变,从而引起诊断误差。为此,提出一种用于变工况下轴承健康监测的新方法。该方法使用相关向量机拟合振动特征的统计量随工况参数的变化,得到特征统计量与工况参数之间的连续函数关系;基于不同工况下的特征统计,构建自适应阈值模型。将该方法用于不同转速下的轴承健康监测,结果表明,当转速超过某一个较小的值时,该方法有效。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

Scheduling jobs with piecewise linear decreasing processing times

We study the problems of scheduling a set of nonpreemptive jobs on a single or multiple machines without idle times where the processing time of a job is a piecewise linear nonincreasing function of its start time. The objectives are the minimization of makespan and minimization of total job completion time. The single machine problems are proved to be NP‐hard, and some properties of their optimal solutions are established. A pseudopolynomial time algorithm is constructed for makespan minimization. Several heuristics are derived for both total completion time and makespan minimization. Computational experiments are conducted to evaluate their efficiency. NP‐hardness proofs and polynomial time algorithms are presented for some special cases of the parallel machine problems. © 2003 Wiley Periodicals, Inc. Naval Research Logistics 50: 531–554, 2003     

武器系统经济性参数的支持向量机方法分析

采用一种基于支持向量机的武器系统费用分析方法.计算结果表明,这种方法有效解决了参数法对样本量要求较高以及对非线性问题处理能力较弱等问题.与传统方法相比较,有更好的拟合精度和泛化能力,因而该方法可以作为研究此类问题的新途径.     

混合式学习背景下在线学习策略的缺失及补偿

混合式学习已经成为当前教育趋势，对于混合式学习中的在线学习研究成果越来越丰富。本文通过网络平台问卷调查了混合式学习模式下大一新生在线学习情况，发现在线学习的最主要障碍之一是在线学习策略缺失，导致学习过程不顺畅。文章指出，针对在线学习的管理策略和元认知策略两方面，教师可以通过教学管理的具体手段给予干预，培养学生的在线学习策略，提高其学习效率，真正实现课堂教学和在线学习的高效融合。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

云平台上基于关键路径截取的有向无环图应用调度算法

针对云平台上有向无环图科学应用执行容易产生虚拟机资源过剩、资源使用率低及费用虚高的问题,给出一种基于关键路径截取的有向无环图应用调度算法。该算法采取关键路径截取技术,循环找出最晚完成的未分配任务,从该任务出发,在所有未分配任务构成的图中找出最大连通子图,并计算该子图的关键路径,然后将关键路径上的任务集调度到性能匹配的虚拟机上执行;同时通过任务回填技术充分利用虚拟机的空闲时间槽,提高资源使用率。实验结果表明,在云计算平台上,该算法不仅能够在截止时间内完成有向无环图科学应用,而且可以提高资源使用率,有效减少完成该应用所需整体费用。     

基于粗糙集和支持向量机的火炮内膛疵病识别方法

火炮内膛疵病智能识别是火炮内膛窥测的最终目标,它涉及到内膛疵病的特征提取和疵病识别两方面。首先建立了包括疵病形状、纹理与颜色特征的火炮内膛疵病特征体系;并采用模糊粗糙集理论分析了各疵病特征对疵病识别的敏感性,由此优化了疵病特征体系,降低了疵病特征维数;建立了最小二乘支持向量机小样本、非线性数据特征的多疵病分类器,提高了疵病识别效率和质量。     

大口径机枪弹性枪架稳定性分析的冲量法

大口径机枪在弹性枪架上射击稳定性的问题,是影响连发射击精度的一个重要问题,按传统方法以最大后座力或自动机后座到位的瞬间作用校核稳定性,其结果与实际射击现象不符。本文在分析大量实验现象后,提出稳定性分析计算中的冲量法,并以12.7mm 大口径机枪为例进行检验,结果与实验现象相符.     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。