检索结果-南通市图书馆

项目评价多因素敏感性分析探讨

引用

非金属矿 2000年第3期23卷 46-47,38页

作者：姜翠萍甘肃工程咨询中心兰州730000

项目评价多因素敏感性分析计算复杂 ,本文通过理论探讨其计算方法 ,并举例说明。

关键词：项目评价多因素敏感性分析建设项目矿山

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

支持向量机模型和算法研究

支持向量机模型和算法研究

引用

作者：姜翠萍大连理工大学

学位级别：硕士

随着计算机和信息技术的快速发展,人们需要花费昂贵的代价收集、存储和处理海量的数据。如何从中发现有用的信息,已经成为一个迫切需要解决的问题,数据挖掘技术在这种背景下应运而生。数据挖掘就是在数据库中发现有用的、潜在的、最终... 详细信息

随着计算机和信息技术的快速发展,人们需要花费昂贵的代价收集、存储和处理海量的数据。如何从中发现有用的信息,已经成为一个迫切需要解决的问题,数据挖掘技术在这种背景下应运而生。数据挖掘就是在数据库中发现有用的、潜在的、最终可理解的模式的非平凡过程。它是一门交叉学科,涉及机器学习、数学规划、数理统计、模式识别等相关技术。数学规划在机器学习、网络问题、工程机械学等领域有着广泛的应用。其和数据挖掘技术的结合已使大规模和高复杂性的问题的解决成为可能,并在特征提取、聚类和回归等方面有很重要的应用。支持向量机是数学规划在数据挖掘领域的一个重要应用,是由Vapnik等人根据统计学习理论提出的一种新的机器学习方法。本文主要研究了支持向量机模型和算法中的几个问题。首先对分类中分离错误最小化问题的模型进行分析。鉴于它的不可微性,提出利用极大熵函数将问题转化成易于用现有优化算法直接计算的形式,并通过算法实现得到了较好的逼近效果。另外目前支持向量机模型性能研究主要集中在一次损失函数的情况,对于二次损失函数支持向量机性能了解很少。本文对两种不同损失函数支持向量机应用于普通分类和特殊的非平衡分类的性能差别给出了分析,得到了较一般的结论。并基于支持向量机分类原理的分析提出了一种基于拟牛顿(DFP)方法的非平衡分类问题的分类器改进算法。

关键词：支持向量机支持向量极大熵方法不平衡问题分离超平面拟牛顿法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

从“新”开始以“点”贯之——从“博大精深的中华文化”的教学谈起

引用

教学月刊（中学版）（教学参考） 2010年第3期 35-37页

作者：姜翠萍陈雪芬温岭市新河中学

课程改革的实践使笔者深切体会到，要把改革的精神落到实处，最基础的要从抓学生的注意力做起。夸美纽斯早已指出：“教学艺术的光亮点是注意，有了注意，学生才能使他的心理不跑野马，才能了解放在眼前的一切事物。”而吸引学生的“注... 详细信息

课程改革的实践使笔者深切体会到，要把改革的精神落到实处，最基础的要从抓学生的注意力做起。夸美纽斯早已指出：“教学艺术的光亮点是注意，有了注意，学生才能使他的心理不跑野马，才能了解放在眼前的一切事物。”而吸引学生的“注意”，离不开教师对正确观念的一致认同、对教材内容的深入剖析、对教学情境的精心准备和对教学方法的巧妙使用。

关键词：教学艺术中华文化 “新” 课程改革夸美纽斯 “注意” 教材内容教学方法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Hammerstein模型的液压挖掘机非线性预测控制模型

引用

机床与液压 2021年第20期49卷 164-168页

作者：戚永委姜翠萍青岛工学院基础教育学院山东青岛266300

液压挖掘机系统模型结构复杂,计算繁琐且分析耗时,无法满足高效操作的需求。对此,针对挖掘机模型跟踪性能较差的问题,采用Hammerstein模型,实现液压挖掘机的预测控制。通过液压挖掘机系统结构的理论推导,对复杂的液压挖掘机模型进行简化... 详细信息

液压挖掘机系统模型结构复杂,计算繁琐且分析耗时,无法满足高效操作的需求。对此,针对挖掘机模型跟踪性能较差的问题,采用Hammerstein模型,实现液压挖掘机的预测控制。通过液压挖掘机系统结构的理论推导,对复杂的液压挖掘机模型进行简化,建立具有Hammerstein结构的液压挖掘机非线性模型。结合序列二次规划算法对该非线性模型进行求解,实现对液压挖掘机非线性模型的预测控制。在MATLAB/Simulink环境下对回转装置、动臂、斗杆和铲斗的控制进行仿真和分析。结果表明:回转装置、动臂、斗杆和铲斗实际位置与预期位置存在较小偏差,且先导压力没有出现过于频繁的冲击,气缸压力波动幅度较小。该液压挖掘机非线性预测控制模型有良好的跟踪性能和较高的控制稳定性。

关键词： Hammerstein模型序列二次规划非线性模型预测控制

来源：

维普期刊数据库

同方期刊数据库评论