基于AIGA-WLSSVM的埋地管道腐蚀速率预测方法

为了降低埋地管道腐蚀影响因素之间的复杂相关性,提高腐蚀预测精度,文中提出一种基于自适应免疫遗传算法-加权最小二乘支持向量机(AIGA-WLSSVM)的埋地管道腐蚀速率预测建模方法,并采用AIGA优化模型参数,进一步提高模型的学习能力和稳定性。最后通过实例分析验证了AIGA-WLSSVM建模方法在埋地管道腐蚀速率预测中的可行性和有效性,为埋地管道的检修与更换提供参考。     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.     

围区吹填造地新型竹隔堤结构稳定性计算

采用竹结构替代传统的抛石与袋装砂堤,作为围区吹填分区隔堤是一个新的设计思路。为了解该新型隔堤挡土结构在土压作用下的整体安全稳定性与合理的结构尺度,基于浙江省台州东部新区涂面整理工程环湖护岸竹结构外部建设条件,分析影响其整体安全稳定性的因素,采用湖内蓄水平衡土压力的方法,进而运用有限元分析软件PLAXIS计算竹隔堤两侧不同水位差与竹隔堤结构不同跨数组合方案时竹隔堤整体稳定性。     

基于改进移动最小二乘法的结构可靠性分析

基于改进移动最小二乘法对结构可靠性问题进行分析,数值模拟结果表明,改进方法可有效提高计算精度.具体方法是使用椭圆范数代替二范数来度量样本点到中心点的距离,并根据上次迭代所得到的响应面在中心点处的法向量与坐标轴所成角度,对影响域进行旋转变换;从而将样本点的权重大小由样本点与中心点、响应面的距离共同决定,并将每次迭代得到的响应面函数在中心点处的法向信息包含在内.     

基于滑模变结构的船用永磁同步电机直接转矩控制

电力推进在船舶动力系统中应用得越来越多,本文对船用永磁同步电机直接转矩控制进行仿真研究.针对传统永磁同步电机直接转矩控制中存在的磁链和转矩脉动较大,逆变器开关频率不稳定等问题,将滑模变结构控制策略引入.设计转矩和磁链2个滑模控制器,取代传统直接转矩控制中的2个滞环比较器,再运用空间矢量脉宽调制方法,控制电机运行.仿真结果表明这种控制策略能有效减小传统直接转矩控制存在的磁链和转矩脉动,实现逆变器开关频率恒定,并且对系统参数变化及外界扰动具有鲁棒性强的优点.     

混沌海杂波背景下的基于对偶约束最小二乘支持向量机的信号检测技术

海杂波对雷达信号检测造成极大的干扰,如何从海杂波噪声中提取出目标信号是信号处理领域的难题。针对这一难题,本文以混沌理论为理论依据,分析海杂波的动力学特性,对海杂波进行相空间重构。结合对偶约束最小二乘支持向量机理论,建立信号检测模型,对混沌海杂波背景下的信号进行预测,并从预测误差中提取出目标信号。     

论信息网络传播权

2001修订的《著作权法》增加了信息网络传播权,弥补了法律上的空白,为法院审理有关著作权纠纷提供了法律依据。本文在阐述信息网络传播权的内涵、特征的基础上,对法律没有明确规定的信息网络传播权的保护和限制问题进行探讨,以加强和完善我国著作权法对信息网络传播权的保护。     

通向上海世博会展的轨道交通8号线

上海轨道交通8号线一期工程北起杨浦区开鲁路,南至浦东新区成山路。一期工程全部为地下线,正线长23.22公里,共设22座车站。在杨浦区殷行路设车辆段1处,在江浦路、耀华路各设主变站1座。一期工程总投资约144.93亿元。轨道交通8号线一期工程于2001年12月21日正式开工,计划于2007年底建成投入试运营。     

基于支持向量机的发动机气路故障预诊断

为实现航空发动机气路故障在线预诊断,分析了地空数据链系统中发动机气路参数报文的协议格式,建立了基于支持向量机算法的发动机气路参数在线预测模型。以便携式地空数据链收发系统为硬件基础,构建发动机报文并行处理系统,获取建模所需的训练样本。利用最终误差预报准则确定样本数据嵌入维数,实现时序样本数据的相空间重构。提出自适应网格搜索法优化支持向量机建模参数,获得气路参数在线预测模型,与航路飞机建立地空数据链通信,预测气路参数趋势。预测结果表明:参数低压转子转速、高压转子转速、尾气温度与燃油流量的相对预测误差分别为2.5%、2.1%、1.9%与2.3%,因此,支持向量机模型具有较高预测精度。     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。