基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

基于多智能体技术的协同信息融合系统研究

为达到充分发掘信息组合潜能的目的,利用多智能体(multi-agent)技术构建了自协同信息融合系统。给出了自协同信息融合系统的体系结构,对该信息融合系统需要进行的协同内容进行了分析,总结了基于多智能体的协同信息融合的主要技术特点。该系统可以起到实现信息共享、统一协调传感器探测行为、提高信息融合系统综合效能的作用。     

对多轴机床进行快速几何校正的自调整激光干涉仪

软件容量误差补偿技术被证明可以有效地提高机床精度。但是,多轴机床的容量误差补偿需要事先知道机床几何误差的详细情况,这种几何误差常用激光干涉仪进行校正。商用激光干涉仪,如HP5529A,由于它的每种误差都需要采用不同的光学装置,因而十分昂贵;并且误差校正前要为光学装置和手动激光路线调整进行繁多的准备工作,所以采用商用干涉仪非常费时。除此之外,操作这种干涉仪还要求技术人员训练有素。用于     

一种有效的神经网络检测器

本文提出了一种有效的神经网络检测方法。该方法通过高效的自组织学习过程,使该神经网络对各种噪声或杂波分布能够快速准确地建模,最终能使在各种噪声分布条件下检测效果均逼近最佳检测器的性能。实验结果验明了该方法的有效性     

基于神经网络的超精密机床伺服进给非线性模型辨识

以双轴Ｔ型结构的超精密金刚石车床的伺服进给系统为研究对象,采用自构造神经网络技术,建立了系统的非线性动态数学模型,为系统非线性控制与补偿提供参考模型     

信号自屏蔽电荷耦合原理及应用

本文利用静电信号高压电极自身作为传感器的屏蔽电极,使屏蔽深度与仪器灵敏度要求相一致,并使输入端接收的电荷量与被测电位成正比关系,而获得被测电位数值,提出“信号自屏蔽电荷耦合”原理,并从理论上和实验上论述了原理的正确性和先进性。利用此原理研制成ZPD-l型静电电位动态测试仪,该仪器与美制263型高速静电表、日本MH型人体静电电位仪等先进仪器相比,具有输入电阻高(>10~(14)Ω)、动态特性好,抗干扰能力强、高电压非线性失真小等特点。     

纳米复合自修复添加剂发动机台架试验研究

通过WD615．67行车用6缸柴油机发动机台架试验,研究了含有纳米铜材料的纳米复合添加剂对发动机动力性能的影响,试验前后对发动机主要摩擦副尺寸进行了测量。结果表明,纳米复合添加剂对发动机不同材料的摩擦副均有较好的抗磨效果,特别是在缸套等摩擦部位出现了“负磨损”,实现了摩擦副表面的原位动态自修复。添加纳米复合添加剂后有效地降低了比油耗,减少了机械功率损失, 提高了发动机的功率,改善了发动机的动力性能。     

自组织映射神经网络分类器

本文利用改进的自组织映射人工神经网络的方法完成分类问题。该方法由给定的模式样本训练网络,分类的结果由网络的输出直接给出,避免了估计概率密度函数时引入的误差。实验的结果说明了该方法的有效性。