TDC-GP2在超聲波測量中的應(yīng)用
標(biāo)簽： TDC-GP 超聲波流量計 時差法 中的應(yīng)用
上傳時間： 2013-10-19
上傳用戶：nshark
LabVIEW濾波器在低壓電器測試系統(tǒng)消噪中的應(yīng)用
標(biāo)簽： LabVIEW 濾波器 低壓電器 中的應(yīng)用
上傳時間： 2013-11-04
上傳用戶：Artemis
針對目前電表計量范圍小，規(guī)格多的問題，本文采用寬動態(tài)范圍的新型電能計量芯片RN8302，設(shè)計了一款支持預(yù)付費和分時電價，具有RS485和調(diào)制式紅外通訊、按鍵及紅外停電喚醒抄表功能的三相四線制智能電表，介紹了系統(tǒng)設(shè)計、模擬信號輸入電路、RN8302與MCU接口電路和軟件實現(xiàn)。測試結(jié)果表明：在20 mA～100 A的電流范圍內(nèi)，有功電能的計量誤差低于±0.3%，實現(xiàn)了高精度、寬量程的電能計量，減少了電表規(guī)格數(shù)量。
上傳時間： 2013-11-09
上傳用戶：wang5829
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢來進(jìn)行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進(jìn)行初次降維，再利用LDA實現(xiàn)再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實驗驗證了該算法的有效性。
標(biāo)簽： Gabor 特征提取 人臉識別 中的應(yīng)用
上傳時間： 2013-12-14
上傳用戶：alex wang
提出了基于Multisim10的計算機(jī)組成原理仿真實驗的方法，該方法對計算機(jī)的各組成部分用虛擬元器件組成并在虛擬環(huán)境下進(jìn)行仿真實驗，通過存儲器仿真實驗實例給出了仿真實現(xiàn)的技術(shù)方案。結(jié)論是，計算機(jī)組成原理的虛擬仿真實驗是一種先進(jìn)的實驗?zāi)Ｊ?，學(xué)生可把重點放在計算機(jī)各組成部分的設(shè)計和仿真驗證上，彌補了真實實驗在計算機(jī)組成、功能實現(xiàn)等方面直觀性較差的不足，使實踐環(huán)節(jié)更好地達(dá)到教學(xué)目的，即豐富了實驗內(nèi)容、方法和手段，又有效地提高了實驗的直觀性及效果。
標(biāo)簽： Multisim 計算機(jī)組成原理 實驗 中的應(yīng)用
上傳時間： 2013-10-31
上傳用戶：zmy123
為了滿足客戶對太陽能電池組件性能的更高要求，通過對電池片的EL測試，從來料方面進(jìn)行把關(guān)，通過對層壓敷設(shè)件和組件的EL測試，能夠合理的控制由于工藝參數(shù)設(shè)置不當(dāng)和人為因素引起的組件不良缺陷，從而能夠?qū)栴}消滅在組件出廠之前，保證組件質(zhì)量。同時，通過分析EL圖像，也有助于完善和改進(jìn)電池片以及組件的生產(chǎn)工藝，對太陽能電池的生產(chǎn)有重要指導(dǎo)意義。
標(biāo)簽： EL測試 光伏太陽能 中的應(yīng)用 電池檢測
上傳時間： 2013-11-12
上傳用戶：chenbhdt
文中在研究現(xiàn)有先驗知識與支持向量機(jī)融合的基礎(chǔ)上，針對置信度函數(shù)憑經(jīng)驗給出的不足，提出了一種確定置信度函數(shù)方法，更好地進(jìn)行分類。該方法是建立在模糊系統(tǒng)理論的基礎(chǔ)上：將樣本的緊密度信息作為先驗知識應(yīng)用于支持向量機(jī)的構(gòu)造中，在確定樣本的置信度時，不僅考慮了樣本到所在類中心之間的距離，還考慮樣本與類中其它樣本之間的關(guān)系，通過模糊連接度將支持向量與含噪聲樣本進(jìn)行區(qū)分。文中將基于先驗知識的支持向量機(jī)應(yīng)用于醫(yī)學(xué)圖像分割，以加拿大麥吉爾大學(xué)的brainWeb模擬腦部數(shù)據(jù)庫提供的不同噪聲的圖像進(jìn)行實驗，實驗結(jié)果表明采用基于先驗知識的支持向量機(jī)比傳統(tǒng)支持向量機(jī)具有更好的抗噪性能及分類能力。
標(biāo)簽： 支持向量機(jī) 圖像分割 中的應(yīng)用
上傳時間： 2013-10-12
上傳用戶：cmc_68289287
提出一種基于自適應(yīng)混沌粒子群優(yōu)化和支持向量機(jī)結(jié)合的非線性預(yù)測建模算法（ACPSO-SVR），引入ACPSO啟發(fā)式尋優(yōu)機(jī)制對SVR模型的超參數(shù)進(jìn)行自動選取，在超參數(shù)取值范圍變化較大的情況下，效果明顯優(yōu)于網(wǎng)格式搜索算法。選取UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫中的Forest fires標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行測試，實驗結(jié)果表明該方法具有較高的精度和良好的泛化能力，對于解決多變量的回歸預(yù)測問題是一種有效的方法。最后給出了混合算法在碳一多相催化領(lǐng)域的兩種典型應(yīng)用，在反應(yīng)動力學(xué)模型未知的情況下建立催化劑組份模型和操作條件模型，以及基于混合算法的最優(yōu)催化劑設(shè)計框架。
標(biāo)簽： ACPSO-SVR 非線性建模 預(yù)測算法
上傳時間： 2013-10-23
上傳用戶：alibabamama
摘要： 指出了電工與電子技術(shù)教學(xué)中遇到的一些問題，針對這些問題，提出將NI Multisim 10仿真軟件應(yīng)用在在電工電子技術(shù)教學(xué)中，指出其應(yīng)用的必要性。并通過實例展示了Multisim在電工電子教學(xué)中應(yīng)用。利用Multisim進(jìn)行輔助教學(xué)，豐富了教學(xué)內(nèi)容，加強了學(xué)生學(xué)習(xí)的興趣，并由學(xué)期考核結(jié)果及相關(guān)的課程設(shè)計和畢業(yè)設(shè)計證明了此教學(xué)改革有益于提高教學(xué)質(zhì)量。
標(biāo)簽： Multisim NI 電工電子技術(shù) 中的應(yīng)用
上傳時間： 2013-10-27
上傳用戶：zhangxin
探討了radon變換在低信噪比圖像特征檢測的適用性!分析了radon變換變換的優(yōu)勢與不足!并從信息融合的角度出發(fā)!提出了radon變換補充的應(yīng)用策略!對低信噪比的機(jī)場跑道圖像進(jìn)行了驗證!顯示出較好的檢測效果.
上傳時間： 2015-01-03
上傳用戶：herog3
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
