简介：为解决空气处理机组在故障检测过程中难以获得大量带有类标记样本,且故障样本数据标记代价较高的问题,本文结合支持向量机与半监督学习方法,提出了针对空气处理机组故障检测的半监督学习算法.首先利用序列前向选择选出重要的特征作为分类依据,将半监督学习方法引入支持向量机的学习过程中,并使用遗传算法寻找支持向量机的最佳参数.然后选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本中有利于支持向量机的信息,提高学习性能.实验表明,提出的混合算法能够在故障标记样本比较少的情况下达到较高的故障诊断率.

简介：针对推荐系统的准确性提出了一种优化算法，该算法首先利用用户的特征进行聚类，然后在聚类之后的各个聚簇中运用混合协同过滤框架为每个聚簇训练一个模型；同时在运用混合协同过滤时，针对传统的基于用户的协同过滤推荐算法在计算用户相似度方面进行了改进.实验表明，提出的优化算法显著提高了预测的准确性，从而提高了推荐结果的质量.

简介：道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.

简介：针对两连杆三自由度机械臂的电机故障和碰撞故障的分类，将残余动量信号时域中的均值、方差、相关系数与频域中的小波包能量谱组合成高维特征向量；搭建ADAMS机械臂虚拟样机，分析故障引起的残余动量特征值变化情况；虚拟样机与Matlab/Simulink进行联合仿真和支持向量机故障分类器训练，测试表明采用时频特征向量得到的故障分类准确率为98%；在工业机械臂上开展了碰撞故障实验，得到的故障分类结果表明,基于残余动量时频特征和支持向量机分类器的故障检测算法能有效检测出碰撞故障.

简介：肌音可用于跟踪局部肌肉疲劳引起的肌肉收缩性能的变化，之前相关的文献主要研究的是静力性运动疲劳的肌音特征.现在我们对动力性运动疲劳产生的肌音信号变化特征进行分析，提取腓肠肌坐姿负重提踵至疲劳所产生的肌音信号并进行分析，得到了肌音信号中值频率的变化规律.计算显示随着时间的延长和疲劳的加深，肌音信号的中值频率呈现增大的趋势，与静力性运动疲劳所得的结论有所不同.实验结果显示，肌音信号的特征受运动类型影响较大，静力性运动所得出的结论不能适用于动力性运动.