一种六轴焊接机械手运动学分析

针对焊接现场的实际环境不尽相同,传统焊接机械手与各种不同的焊接环境无法完全适应的问题,设计了一种六轴焊接机械手。在该六轴机械手中,首先将各个刚体上的角速度进行处理和坐标变换,获得各个刚体的线速度和角速度。然后通过机械手上力传感器信号的采集及分析,得到机械手末端的力信息,并设计了一种用以预测机械手末端六个力信息的方法。最后采用D-H法对该六轴机械手进行分析,得到其正逆运动学方程,以进行相应位姿的调整。仿真结果表明,该六轴机械手各运动轴能够实现独立及协同运动,能够适用于各种不同焊接环境的应用需要。

一种基于受限波尔兹曼机的推荐算法

在数据量过于庞大的情况下,RBM模型所输出的推荐结果会比较宽泛。此外,目前众多的协同过滤算法无法对巨大的数据集进行更好的处理。所以,尝试通过深度学习来对个性化推荐进行加强,指出把受限波尔兹曼机与隐含因子模型相结合的混合推荐方法。首先用RBM算法生成候选集,并对候选集的稀疏矩阵进行评分预测,然后使用LFM对候选结果进行排序,进而选择最优方案进行推荐。使用大型公开数据集对本文算法进行反复验证,通过测试可以看出,相比较于传统的推荐模型,本文所提阐述的方式能够有效提高评分预测的精准度。

基于三维卷积神经网络的肺结节分类

为提高不易分割诊断的毛玻璃结节的分类准确率,同时针对VGG16网络结构卷积层数深,参数多的问题,提出一种基于灰度增强、纹理和形状滤波增强的三维深度卷积神经网络用于肺结节分类。对VGG16网络结构进行优化,提出的模型在肺结节公开数据集LIDC-IDRI上进行训练和测试。结果表明,采用灰度增强、纹理和形状滤波增强相结合的方法图像分类精度最高,准确率为91.7%,其他评价指标包括敏感性和特异性也略有提高,优于现有方法。

基于主成分分析和支持向量机的卵巢癌预测

卵巢癌是我国女性发病率较高的癌症之一,并且有逐年增加的趋势。基因芯片被广泛用于癌症早期检测,癌症的早发现可以确保生存率增加超过97%。本文针对基因芯片的质谱数据,提出了一种基于主成分分析(PCA)和支持向量机(SVM)的卵巢癌预测方法。重点进行了模型设计和仿真对比实验。实验结果表明:本文方法在预测精度上达到了89.1%,而只消耗4.791 s的CPU时间,是一个较好的平衡点。