非正规正交设计的分辨度及其应用

为实现非正规正交设计的最优选择,提出了一种基于矩阵象的广义分辨度指标.首先,定义了高阶交互作用之间的混杂度量值,其计算不依赖于水平数的选取,不仅适用于等水平正交设计,还适用于混合水平正交设计;然后,替换广义方差分析模型中的混杂度量值,得到了一个非正规正交设计的广义分辨度指标,满足水平置换不变性.实例分析结果表明,所提的广义分辨度对非正规正交设计具有较好的区分能力,可实现对非正规正交设计的排序和最优选择.由不同水平上因子的投影频数分布可知,该广义分辨度能够反映出设计点在整个空间中的均匀性,从而建立了广义分辨度准则和均匀性的联系.

基于改进卷积神经网络的燃气调压器故障识别研究

针对传统故障识别方法不仅过分依赖专家经验对故障特征进行提取且识别准确率不高的问题,在深度学习理论基础上,提出了一种将一维卷积神经网络与SVM分类器相结合的改进深度卷积神经网络,实现调压器“端到端”的故障识别。首先,介绍了传统卷积神经网络结构;其次,将改进后的一维卷积神经网络与SVM相结合,提出了基于1-MsCNN-SVM算法的调压器故障识别模型,并对模型的组成部分进行了介绍;然后,通过对比实验确定了模型的卷积核长度和卷积层组数;最后,为验证模型的有效性,基于燃气调压器故障数据集,开展了燃气调压器故障识别研究。研究结果表明,改进后的1-MsCNN-SVM算法故障识别准确率高达99.20%,模型具有较好的分类准确率。

基于网络安全维护的计算机网络安全技术研究

随着我国互联网技术的飞速发展,网络安全维护的重要性也愈加明显。人们对于个人信息、数据安全的需求与往日大不相同,基于此,我国应加快对计算机网络安全问题处理的进程。文章结合计算机网络安全技术进行分析,并对该技术对网络安全起到的作用展开深入探讨和研究,供广大从业者参考。

基于三维图卷积与注意力增强的行为识别模型

针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。

常州市三次产业与城乡收入比的偏相关分析

产业结构是区域经济发展的一个重要标志。产业结构的优化是保持区域经济快速、稳定增长的重要支撑。根据常州市三次产业结构的特点和发展趋势,对三次产业比重与城乡收入比的关系,用SPSS软件进行了偏相关分析,结果显示三次产业比重与城乡收入比不具有偏相关性。

《红楼梦》前八十回和后四十回颜色用词的差异研究

应用配对样本T检验的方法,对《红楼梦》前八十回和后四十回的颜色用词进行比较研究,结果表明,《红楼梦》前后两部分在颜色用词的使用频率上存在明显差异。

大学生“考证热”现象的调查研究——以江苏理工学院为例

针对广泛存在于大学校园的"考证热"现象,以江苏理工学院例,对在校大学生"考证热"现象进行抽样调查。结果表明"考证热"现象在性别上有显著差异,女生考证的热度较高。基于logistic回归对证书拥有率的研究表明,年级、个人信息能力是其主要影响因素。

浅谈数学形式逻辑的基本规律

同一律与矛盾律是一条规律的两个方向 ,同一律是一种肯定的形式 ,而矛盾律是否定形式 ;排中律则是同一律和矛盾律的发展和引申 ;充足理由律是客观时间中因果关系的反映 ,是两种现象的内在联系。同一律、矛盾律、排中律、充足理由律这四条形式逻辑的主要基本规律 ,彼此不是孤立的 ,而是互相联系的 。

柔性结构微夹持器的分析及优化

针对压电陶瓷输出行程有限和微夹持器末端不易实现平行输出的问题,设计一种具有二级位移放大机构和位移导向机构的微夹持器。基于伪刚体模型推导微夹持器的放大倍率、输入刚度和固有频率的理论模型,并通过有限元分析验证理论模型的正确性。探讨各结构参数对放大倍率和固有频率的影响。基于统一目标函数法,以提高微夹持器的放大倍率和固有频率为目标,对微夹持器的各结构参数进行了多目标加权优化。优化结果表明,微夹持器的放大倍率和固有频率都有较大提升,优化结果符合预期。由此可知该微夹持器具有较大的输出行程与良好的平行输出性能,设计符合预期要求。

浅谈上好《汉字录入》课的四部曲

在21世纪的今天，计算机的发展已经发展到了一个崭新的阶段，计算机的普及也是达到了一个很高的程度，特别是在职业学校计算机已经成为了一个重要专业，形成了独立的专业特色。但是就在这繁华的背后，却隐藏着危机。

含间隙3-CPaR&R_(1)R_(2)混联机构磨损特性分析

为研究不同物理条件下间隙关节磨损特性,本文以3-CPaR&R_(1)R_(2)混联机构为研究对象并在转动副中考虑间隙的存在,运用Flores接触力模型及修正Coulomb摩擦模型分别建立关节元素间接触点法向接触力及切向接触力模型,关节润滑力则通过Sommerfeld润滑条件下无限长轴颈-轴承的润滑力模型建立,最终运用拉格朗日方程建立了考虑转动副间隙及关节润滑的动力学数值仿真模型,通过Archard磨损模型分析不同的物理参数对于含间隙关节磨损预测的影响并对比研究有无润滑条件下关节磨损特性。研究结果表明:较高的驱动速度可使间隙磨损相对均匀,但会使磨损深度增加;间隙尺寸对于磨损深度影响较小,但间隙尺寸的增加仍会使磨损深度增加;关节润滑可使间隙关节磨损深度显著减小。

“互联网+教育”背景下中职微课程设计的实践研究——以《网络综合布线》课程为例

目前,无论是国外还是国内都非常重视职业教育的发展,大力倡导职业教育改革。现有国际流行的学徒制模式及国内大力提倡的跨区域职业教育合作、产教融合和现代学徒制等模式,都对职业教育改革指引了方向。并且国家还鼓励基层学校大胆进行教育改革,要有创新精神。所以在这大环境中,作为中等职业学校教育需要进行改革教育模式,而微课程作为当下流行的一种现代化教育模式,可以应用于中等职业学校计算机教育中。

时空自适应图卷积神经网络的骨架行为识别

针对骨架行为识别缺乏全局上下文时间信息时域建模的能力、识别准确率与泛化性能均不理想的问题,提出了一种时间动作图的时间建模特征和一种时空自适应图卷积神经网络(ST-AGCN)骨架行为识别模型.首先,介绍了图表示理论与骨架序列,并设计了时间动作图和基于N阶固定时间结构的邻接矩阵;然后,基于非局部结构融合图卷积理论,提出了时域自适应图卷积网络(T-AGCN)结构;接着,结合空间自适应图卷积网络(S-AGCN)结构,提出了ST-AGCN骨架行为识别模型;最后,为验证该模型时域建模能力、识别准确率与泛化性能,基于NTU-RGB+D和SBU数据集开展了骨架行为识别实验.实验结果表明:该模型在上述数据集上的识别准确率最高分别为92.1%和99.5%,验证了该模型具有优秀的识别准确率和良好的泛化性能.

基于W-DenseNet的减压阀不平衡样本故障诊断模型

针对实际工况中被测对象大多处于正常状态而引起故障样本稀缺、故障数据间存在差异,导致故障类别识别准确率不高的问题,基于密集卷积神经网络(DenseNet),提出一种减压阀样本数据不平衡下的故障诊断模型—–加权密集卷积神经网络(W-DenseNet).首先,将原始一维压力信号数据重构后转换为二维灰度图,作为模型的输入数据;其次,以DenseNet为基础框架搭建特征提取网络;然后,在损失函数中为不同类别样本添加惩罚系数以实现不平衡样本误差的加权平均;最后,为验证模型的有效性,搭建减压阀数据采集系统并进行分类性能实验.实验结果表明:W-DenseNet模型在不同平衡度的减压阀数据集下均有良好的分类效果,且当各故障类间均存在样本不平衡现象时,模型对3种故障类型的召回率仍分别高达95.18%、95.47%、96.89%.

D-2-DenseNet噪音鲁棒的城市音频分类模型

为了提高噪音环境下城市音频分类系统的鲁棒性,提出了一种双特征2阶密集卷积神经网络(D-2-DenseNet)噪音鲁棒的城市音频分类模型.首先介绍了噪音添加和噪音鲁棒处理,阐述了一种双特征互补偿的算法;然后结合2阶密集卷积神经网络与自适应机制提出了一种噪音鲁棒音频分类模型:双特征2阶密集卷积神经网络.模型采用双特征互补偿自适应算法,可在特征提取与模型训练中更有针对性地提取有效音频信息,降低噪音干扰,以提高噪音鲁棒性.最后,基于Dcase2016数据集开展噪音环境下城市音频分类测试.实验结果表明,模型分类准确率分别可达77.12%、75.52%,与基线模型相比,平均分类准确率分别提高了8.51%和10.38%,验证了模型良好的噪音鲁棒性.