大学英语分级教学模式下的学习策略培养

大学英语分级教学模式下对学生的学习策略培养非常重要。教师在整个教学过程当中,要研究和掌握学生的语言学习习得过程,研究其学习特点,认知风格,心理特征,加强对学生学习策略的培养和指导,帮助学生积极参与、探索、建构和使用学习策略,为学生掌握学习策略提供条件与平台,使学生自觉运用学习策略自我管理、自我调控、自我评估学习过程和学习效果,不断提高自主学习的能力。     

基于支持向量机的功率变换器开关管开路故障诊断

提出一种基于支持向量机的功率变换器开关管开路故障诊断方法。利用支持向量机建立分类模型,模型以相电流功率谱为输入量,7种故障状态为输出量,选用高斯核,使用基于二叉树分类器的分类算法。将诊断结果与基于BP神经网络的诊断结果进行比较,结果表明基于支持向量机的分类器在功率变换器开关管开路故障诊断中具有更高的准确率和更好的泛化能力。     

Linux线程机制研究

阐述了线程技术在linux操作系统中的发展过程,指出了早期linux线程机制的不足及在发展过程中的改进策略。简单分析了一般线程机制,详细分析了linux线程思想及在内核中的实现,包括linux线程描述数据结构,管理线程机制和策略,线程栈结构,线程id和进程id的创建和分配,Linux线程实现方法。     

On the roles of free play in army exercises and the Russians

The article outlines the essential role of free play elements in various types of exercises for the development of in-depth and practical military professionalism. It thereafter argues why such use of free play contradicts the military science founded Russian Way of War.     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

ARM内核体系架构及ARMv6上的Linux开发与优化

介绍了各款ARM内核体系架构的特性和增强技术,讨论了在ARMv6上的Linux开发与优化。从6款ARM内核体系架构的特性分析入手,引入了对ARM内核体系架构重要增强技术的介绍,在分析ARMv6体系架构功能特性的基础之上,分别讨论了Linux内核和工具链等所做的优化与改进。     

机器翻译中语义块汉英变换处理

首先解释了要素句蜕的内涵,同时介绍了HNC理论的句蜕观,并依据HNC句类理论提出了汉英机器翻译中,要素句蜕处理的具体规则,还结合真实语料进行了验证。     

Exact algorithms for scheduling multiple families of jobs on parallel machines

In many practical manufacturing environments, jobs to be processed can be divided into different families such that a setup is required whenever there is a switch from processing a job of one family to another job of a different family. The time for setup could be sequence independent or sequence dependent. We consider two particular scheduling problems relevant to such situations. In both problems, we are given a set of jobs to be processed on a set of identical parallel machines. The objective of the first problem is to minimize total weighted completion time of jobs, and that of the second problem is to minimize weighted number of tardy jobs. We propose column generation based branch and bound exact solution algorithms for the problems. Computational experiments show that the algorithms are capable of solving both problems of medium size to optimality within reasonable computational time. © 2003 Wiley Periodicals, Inc. Naval Research Logistics 50: 823–840, 2003.     

一种支持向量机增量学习淘汰算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。增量学习是解决这一难题的思路之一。分析了新增样本加入训练集后支持向量集的变化情况,提出了一种基于密度法的支持向量机增量学习淘汰算法,淘汰了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。实验仿真证明这种算法是有效的。