智能分类器方法

小样本数据不能对分类器进行充分的训练。传统的分类器方法一旦设计好,再也不会有任何改进.本文将人工智能的思想、方法应用于分类器设计中,提出了智能分类器概念。智能分类器不但可以对未知样本进行分类识别,还具有多专家决策、预分类、学习等功能。智能分类器是一种自适应系统,其系统参数可在识别的过程中得到不断的优化。在ORL人脸库上的实验结果证明该方法在解决小样本问题时具有明显的优势。     

交通事故回归分析中对样本缺损的技术处理

笔者在文中对交通事故预测中方法的应用、因子挑选以及多种因素的组合对事故的影响进行了较为深入地分析,尤其对基于回归分析法的样本缺损值之处理技术进行了探讨,收到了较好的效果.     

基于大样本数据的沥青路面施工质量控制方法研究

为了进一步完善我国沥青路面施工质量的控制方法和评价手段,文中从过程控制的思路入手,通过采用无损检测方式获取路面施工过程中的大样本检测数据,并采用灰度图评价方法和统计分析评价方法对检测数据进行均匀性分析来评价沥青路面施工质量。实践证明该2种基于大样本检测数据的评价方法能有效的评价沥青路面施工质量,并能为指导后序生产提供有力的技术支持。     

沥青混合料拌和生产技术管理中容易忽略的几个重要环节

以提高沥青混合料拌和生产质量为出发点,对沥青混合料拌和生产过程中容易忽略但又特别重要的几个技术管理环节进行阐述,提出＂加强目标配合比的现场控制、重视热料仓取样的代表性、做好油石比的对比和标定工作＂等细节控制措施,具有一定的理论和实际意义。     

�����п���·��������С�������о�

为确保浮动车提供信息的准确性和可靠度,首先以RTMS数据作为真值来验证当前样本量条件下浮动车数据的有效性;然后通过简单随机抽样方法来逐步减少浮动车的样本量,并计算、比较不同样本量下的浮动车数据与RTMS数据的相关系数;最后得出确保浮动车数据有效所需的最小样本量. 经验证,本文研究范围内的二、三环快速路5 min时间间隔内每千米路段上需要的浮动车最小样本量为7～9个,而当前样本量条件下的浮动车数据在时间上和空间上能达到最小样本量要求的分别占73％和87％以上.     

快速查找初始聚类中心的K_means算法

传统的k_means算法对初始聚类中心十分敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优.为消除这种敏感性,针对k_means算法,提出了一种新的基于数据样本分布选取初始聚类中心的方法,对公共数据库UCI里面的数据实验表明改进后的k_means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性.     

厚壁取土器在底质取样中的改进应用*

以连云港港徐圩航道先导试挖阶段航道回淤观测工程为契机,以提高表层底质样取样精度为目标,在观测海域采用拖罐法、钻杆薄壁取样法及厚壁取样法进行对比试验.通过现场可操作性和室内试验成果的比较,提出改良的厚壁取样法,在满足取样要求的前提下大幅度提高取样效率,劳动强度低,在本地区后期的回淤物采样中广泛应用.     

汽车车身焊装过程小样本采样的评价极限

对汽车车身焊装过程中小样本采样的评价极限进行了研究。根据实际车身焊装过程中质量评价的需要,建立了基于蒙特卡罗方法的小样本采样评价极限确定方法,获得了车身焊装过程中小样本采样误差随样本量变化的曲线。在此误差曲线的基础上,以实际评价过程能够接受的置信程度为标准,确定小样本方法的评价极限,取得了很好的效果。     

长江航道整治建筑物服役状态时空分析与预测*

为了能够优化航道基础设施有限的维护经费分配,为整治建筑物维修预算的制定提供科学依据,对2017—2021年长江干线航道整治建筑物的技术状况分类进行全面统计,分别通过求期望和二次回归的方式对各管辖区域未来一年需要维修的建筑物数量进行预测。得到干线航道整治建筑物的服役状态时空分布特点,并提出以辖区为单元的建筑物未来服役状态预测方法。结果表明：整治建筑物技术状况类别占比的时间分布相对比较稳定,逐年变化不大,而空间分布受不同河段特定环境影响较大;在长江上游河段的二和三类占比突出,中、下游河段一类占比突出;求期望法的预测精度受时序样本的波动程度影响较大,而二次回归法受影响相对较小。     

车速传感器采集信号处理电路的设计

本文针对车用车速传感器的采集信号处理电路部分提出了一种硬件实现的方法,并运用C语言和keilc软件进行了软件的编程和仿真模拟,设计的采集信号处理电路具有很好的实时跟踪特性。