排序方式: 共有39条查询结果,搜索用时 15 毫秒
31.
32.
队 列歌唱是部队官兵在集合列队以及行进时的一种有组织的演唱形式 ,也是我军的光荣传统之一。在过去战争年代 ,队列歌唱使官兵树立必胜的信念。在和平时期 ,尤其在军事斗争准备期间 ,队列歌唱能激发官兵的练兵热情。总政治部曾在全军政治工作会议上对部队文化工作提出了“四有”的要求 ,这“四有”的第一有就是“队列集会有歌声”。为使队列歌唱组织更加规范 ,并使其充分发挥职能作用 ,在这里谈一谈组织队列歌唱时的技巧问题。选择合适的歌曲(一 )选歌要注意演唱的速度是否合适。要选以队列歌曲为主的歌 ,因为队列歌曲是进行曲体裁的一种 ,… 相似文献
33.
本文提出了一种称为可能模型集合(LMS)算法的变结构多模型(MM)估计器,它适用于大多数混合估计问题并且比较容易实现。在任何时刻使用所有与系统模式匹配的模型。本文讨论了该模型的不同版本。最简单版本通过删除所有不太可能的模型,激活所有主要模型可能跳变的模型来获得模型集合的自适应,从而获得可能的期望系统模式转移。通过一个跟踪机动目标和一个失效检测和识别的例子来演示了LMS估计器设计和应用的通用性、简单性和容易性。文中也给出了算法同其它一些固定结构-变结构估计器在费效比方面的比较结果。 相似文献
34.
35.
鉴于滚动轴承振动信号具有非线性、非平稳的特点以及难以获得大量典型故障样本的现实情况,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)与极限学习机(extreme learning machines, ELM)相结合的滚动轴承故障诊断方法。采用CEEMD方法对滚动轴承非平稳的原始加速度振动信号进行分解,得到若干个平稳的本征模函数(intrinsic mode function, IMF)分量,计算不同状态下滚动轴承振动信号经CEEMD分解后各IMF分量的能量熵,从蕴含着主要故障信息的IMF分量中提取出能量特征,对其进行T分布随机近邻嵌入(T-stochastic neighbor embedding, Tsne)聚类可视化分析,观察特征对滚动轴承状态的反映情况,将特征作为输入建立极限学习机,判断滚动轴承的工作状态和故障类型。使用美国凯斯西储大学公开的人工损伤轴承数据进行仿真实验,对轴承得不同运行状态的识别准确率可以达到95%,明显高于多分类支持向量机、K近邻等方法,该结果表明,所提方法在... 相似文献
36.
讨论了Laplaoe分布中,方差已知的情况下,均值θ在简单半序约束下的最小L_1保序回归(ML_1IR),就最小L_1保序回归的唯一性以及一些其它性质予以了讨论,并且给出了计算方法。 相似文献
37.
38.
39.