学科分类
/ 1
9 个结果
  • 简介:数学教学不可以一步登天,为了不使学生在学习过程中因为过难而失去信心,教师应该设置梯度,稳扎稳打,层层推进,这样才符合知识的发生发展原理及学生的认知规律;“跳一跳,摘桃子”,设置合理的梯度是必要的,下面以三角、向量题的教学为例说明:

  • 标签: 教学法 向量题 梯度 设置 三角 数学教学
  • 简介:针对现有供应商分类方法应用于高端装备制造业供应商所存在的局限性,从相互依赖视角构建了高端装备制造业供应商分类指标体系,提出了基于改进支持向量机的高端装备制造业供应商分类模型。该模型根据供应商误分代价不同,设计代价敏感支持向量机分类器,利用粒子群算法优化分类器的参数,并采用概率输出方法对多个优化的二类分类器的结果进行组合以实现多类分类。实验结果表明,该模型提高了现有方法的分类效果,可以降低总体误分代价,有效识别出对高端装备制造企业具有重大影响的供应商,为高端装备制造企业实施供应商分类管理提供了依据。

  • 标签: 供应商分类 相互依赖 支持向量机 代价敏感学习 粒子群算法
  • 简介:通过对可预报向量值弱Hardy-Orlicz鞅空间wPB^Φ建立弱原子鞅分解,并借助广义的Davis鞅分解定理,证明了有限鞅在向量值弱Hardy-Orlicz鞅空间wHB^Φ中稠密的充分必要条件是Banach空间B具有Radon-Nikodym性质,所得结果推广了已有文献中的相应结论.

  • 标签: 有限鞅 稠密性 弱Hardy-Orlicz空间 RADON-NIKODYM性质
  • 简介:针对当前行人运动特征监测方案中存在运动信息种类单一、特征提取不完善、识别算法复杂且需要依赖专业检测设备等问题,提出基于智能移动端内置惯性传感器的行人运动特征自动辨识方案,为运动特征识别提供准确多样的运动信息。采集移动端MEMS加速度计输出信息后,分别提取加速度数据的三种时域及频域特征后,通过训练最邻近规则分类器实现行人行走、跑步和上下楼梯运动模式的自动识别。不同年龄不同身高的男女性运动特征提取实验结果表明,基于最邻近规则的移动端行人运动特征辨识方法对4种日常活动的平均查准率和查全率分别达到88.7%和90.3%,对提高微惯性行人导航系统普适性具有促进作用。

  • 标签: 特征提取 最邻近规则 MEMS 行人运动
  • 简介:准确地给出激波位置信息对于激波装配极为重要.但是,在使用计算流体力学(computationalfluiddynamics,CFD)方法模拟复杂流动时很难准确地给出激波的位置.根据激波捕捉得到的流场信息确定的激波位置往往带有极大误差,在定常问题的模拟中,这种误差可以随着迭代逐渐消除,然而在非定常问题的模拟中,这种误差往往会积累甚至导致计算崩溃.文章将基于特征线理论的激波辨识技术应用到激波装配中,根据已有流场信息准确判断激波的位置.对于定常问题,该方法的应用加速了收敛速度;对于非定常问题,该方法的应用可以极大地避免初始误差的产生.

  • 标签: 激波装配 激波辨识 非结构动网格 计算流体力学
  • 简介:针对非合作航天器的相对导航问题,提出了一种利用点云矩形面特征测量非合作航天器位姿的方法。首先从点云数据中提取矩形面;然后根据矩形面点云数据计算出点云分布矩阵,通过特征值分解求出相对位置和姿态,并解决了因矩形面对称而产生的多解问题;最后设计了卡尔曼滤波器,确定目标星与追踪星的相对位置参数以及目标星的姿态、角速度。仿真结果表明:相对位置的估计精度优于0.005m,目标星姿态精度优于0.1°,验证了该方法的有效性。

  • 标签: 非合作航天器 点云 矩形面特征 位姿测量
  • 简介:多路径误差是北斗导航定位系统高精度动态监测的主要误差源。针对北斗导航定位系统多路径误差的特性,结合广义特征值盲源分离方法的优势,提出一种基于参考信号的广义特征值盲源分离算法来削弱多路径效应的影响。首先将前一天的原始坐标残差序列通过奇异谱分析方法进行去噪,其结果作为初始参考信号;然后将当天的原始坐标残差序列进行经验模式分解方法分解,分解得到的IMF分量作为虚拟观测数据,利用广义特征值盲源分离算法获取当天多路径误差信号;最后,利用仿真数据和连续10天的实际观测数据进行试验分析,结果表明利用该方法建立的多路径误差改正模型能有效地了削弱多路径的影响,北、东、天三个方向精度分别提高了78.8%、35.3%、90.1%。提出的模型在一定程度上解决了固定多路径模型随着时间推移重复性减小且有效性降低的问题。

  • 标签: 经验模式分解 广义特征值 盲源分离 多路径误差 北斗定位系统 动态监测
  • 简介:研究一类失效状态为吸收状态及重试率为常数的M^[X]/M/1排队模型的主算子在左半实轴上的特征值,证明:当顾客的到达率λ,服务员的服务率v,服务员的服务完成率b,顾客的重试率α满足一定的条件时,-α是该主算子的几何重数为1的特征值.

  • 标签: /M/1重试排队模型 特征值 几何重数