【系统仿真学报】_奇对称误差函数_期刊发文热词逐年推荐_20140727
【仪器仪表学报】_工程计算_期刊发文热词逐年推荐_20140727
107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
缺陷 结构光 结晶器 终止 细胞融合 组合光源 组分补偿 线性直流电源 絮凝剂 系统矩阵 系数分类 粒子群算法 粒子群优化 符号序列 空间电压矢量调制 稀释同含 离散小波变换 离子浓度软测量 神经网络 神经分区 示踪粒子 磁定位 磁偶极子 矿物浮选 矢量网络分析仪 矢量基 相时延 相位差测量 相位差校正 白光干涉技术 白光光源 疑似肺结节 电融合 电容层析成像 电压量化 环形结构光 物性参数 熟料 热式气体流量计 烟雾干扰 点扩散函数 灵敏度分布 火炮 湍流 温度校正 温度场 涡流检测 海岸线 浓度与粒径分布 测量不确定度 测试装置 活塞泵排昔 泡沫图像 沉降分离
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
symmetric random variables的一些概念 -回复
symmetric random variables的一些概念-回复什么是对称随机变量？对称随机变量是指在其概率密度函数或概率质量函数关于某个中心对称轴对称的随机变量。
换句话说，对称随机变量的取值在概率分布上关于某个点对称。
关于对称随机变量的概念，有一些相关的概念和特性需要我们探讨。
首先，我们来讨论对称随机变量的中心。
中心:对称随机变量的中心通常是指其概率分布函数的中心对称轴所在的值。
中心轴将概率分布函数分成两个对称的部分。
对称随机变量的中心可以是一个特定的值，也可以是一个区间。
通常来说，对称随机变量的中心是其期望值（即均值），也就是其概率分布函数的中心位置。
对称轴的性质:对于对称随机变量来说，其对称轴具有一些特殊的性质。
首先，对称轴是随机变量的一个固定点或一个固定区间，无论概率密度函数如何变化，对称轴仍然不变。
其次，任意两个关于对称轴对称的点的概率相等。
也就是说，如果x是对称随机变量的一个取值，那么与x关于对称轴对称的另一个取值的概率与x取值的概率相等。
对称随机变量的特征:对称随机变量的特性可以通过其概率密度函数或概率质量函数来推导。
对于连续对称随机变量，其概率密度函数关于对称轴对称，且概率密度函数在对称轴上的值最高。
对于离散对称随机变量，其概率质量函数关于对称轴对称，且概率质量函数在对称轴上的值最高。
对称随机变量的例子:下面是一些常见的对称随机变量的例子：1. 标准正态分布：标准正态分布是一个连续的对称随机变量，其概率密度函数关于均值为0的对称轴对称。
2. 均匀分布：均匀分布是一个连续的对称随机变量，其概率密度函数在中心对称轴上的值相等。
3. 二项分布：二项分布是一个离散的对称随机变量，其概率质量函数关于其期望值对称。
对称随机变量的性质:对称随机变量有一些重要的性质:1. 对称随机变量的期望值（均值）是其中心轴的位置。
2. 对称随机变量关于中心轴具有对称性。
也就是说，如果x是对称随机变量的一个取值，那么与x关于对称轴对称的另一个取值的概率与x取值的概率相等。
【仪器仪表学报】_理论模型_期刊发文热词逐年推荐_20140725
电磁测量 电容层析成像 灵敏度分布 涡流检测 测量 测试装置 流量计 活塞泵排昔 波形映射 波形捕获率 求解算法 气固两相流 死区时间 模糊覆盖 模糊理论 模糊环 概率因果网络 校准 柱状分层介质 机组调试 有限元计算方法 有限元法 有效波长 无人机 数字三维示波器 故障诊断 摆臂式测量 提离效应 拉普拉斯分布 微波光纤延迟线 建模 广义高斯分布 平面曲线 平方根法 小世界体系 对中校准 定时测试 多点拟合 多变量时间序列 声频定向扬声器 地面检测 圆环式 固相含量 因果强度 喘振 吸入容积效率 发射率 参量阵 参数设计 协方差矩阵 加速寿命试验 函数链接型神经网络 凹弧面 决策规则
科研热词 辨识 神经网络 黑体辐射源 高浓度黏稠物料 高浓度煤泥 飞行控制子系统 飞行控制器 预测 顶点曲率半径 音频水印 面形测量 静电 钢缆索索力 量子粒子群优化 逆磁敛伸缩效应 逆模型 迟滞 过套管测井 边界条件 辐射温度计 轮毂 超声波气体流量计 谐波失真 误差校正 计算机建模和数值仿真 角点检测 覆盖 行列式 虚警率 虚拟原型机 航电系统 自适应 自解调理论模型 联想记忆 群时延 网络拥塞 缺陷 编队飞行测试平台 综合应力 结构自适应 索拉力实验 粗糙集 粗糙控制 管道流场误差分析 等效波长 离散小波变换 磁化 矢量网络分析仪 相空间重构 相时延 相位差 电阻率
推荐指数 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
CRC纠错原理及其Matlab仿真
Ｇ∞＿｝ｆｊ扛＋１）×Ⅳ０）替换，结粜为Ｅ０）＝红＋１）×睁∽ｘｋ（ｘ），蒋令ｘ＝ｌ计算该 方程，则冈子ｘ＋ｌ使得以１）为０．这与前面疗（１）＝ｌ矛盾。
很明显。炳者不可能嘲时发，ｔ，如果坚持ｘ＋ｌ是Ｇ∽的一个因子 静羧谩。鄂么澈捡错谟援蓼｝ｌ孽毒数个毙幸警藏不嚣蔻成畿，换岛诿说，熊
粜ｘ＋ｌ是Ｇ“）的～个因子。那么所有损坏奇数个比特使的突发错溪郡 能检测出来。，
最后一种情况是长度》ＧＯ）的次数的突发错误，由前所述。
重ｊｆ立：！！运兰！：：：±！｛
Ｇ∞
Ｇ国
万方数据
科技信息
ＯＩＴ技术论坛ｏ
ＳＣＩＥＮＣＥ＆＇ＥＥＣＩｉＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ
‘２００８年第２６期
但是．这里％一ｌ≥ｒ：Ｃ０）的次数，所以Ｇ０）是（扩Ｉ＋…＋１）的一个因子 是可能的，这种情况的机会有多大？首先考虑＾一ｌ＝ｒ。因为Ｇ０）的次数 也是ｒ，所以Ｇ缸）足ｂ尹１＋…＋１）的一个因子意味着Ｇ缸）＝（矿１＋…＋１），现在 矿－和ｌ之间的相对应的比特佗确实损坏了．既然有ｒ－ｌ项，损坏比特 位的可能组合就有２’一种，若假设所有组合以相同几率出现，那么组 合与Ｇｈ）项精确匹配的几率为１／２“，也就是说错误漏检率为ｌ一矿１。
４。ＣＲＣ的算法分耪｝
ＣＲＣ瓣苒浃缀麓摹，就凳簧稚否在羧ｌ｜芟端检测出镑谈。涂戳Ｓ国
余数是否为０。
我们来看一个简单的讨论，
．妇串Ｔ＝１１０１０１１１０１０，对应于礅）戳‰矿矗７＋矿＋矿｝矿似
事Ｅ＝［００１０１ １００００，精应于球｝锚铺≯
串ｒ麓ｌ １０００００１０１０。对应于ｒ－（ｘ）＝ｘ‰‰’Ⅻ
加法是异成运算，所以Ｅ（ｘ）和Ｔ（ｘ）中的新相加结粜为矿＋矿；（１＋１） 敝ｋＯ。
防范的损失，这将是需要我们继续下大气力解决的问题。ｌ’争
【仪器仪表学报】_定位方法_期刊发文热词逐年推荐_20140727
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
核函数 极低频 最小二乘 最优化算法 晶体管 景深 映射 时频域 时频分析 无锚节点定位 无线传感器网络 旋转调制 数据融合 故障定位 捷联惯导系统 捕获与跟踪 抗干扰 惯性测量单元 恒虚警 性能评估 心外膜电位标测 微型诊疗装置 强噪声 平面曲线 常值偏差 希尔波特黄变换 小波分析 射频前端 导航 容差 实时信号检测 完全调节 头盔 复杂环境 声阵列 声场可视化 圆心定位 圆心偏差 图像检测 图像处理 双目视觉 压电陶瓷 协方差矩阵 加工质量 分离定理 分布式光纤传感器 入侵监测 光纤饱和体吸收法 修正无偏自适应时延估计 信息融合 低成本 亚像素 不相容性 γ -lms 算法
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
【计算机应用】_噪声抑制_期刊发文热词逐年推荐_20140727
模板匹配 检测 有色噪声 最小二乘法 数学形态学 抗噪声 恒虚警处理 彩色图像 异质性测量 广义奇异值分解 局部处理 尺度空间 小波分析 实时图像处理 学习率 子载波估计 子带频谱质心 多阈值 多载波cdma 多结构多尺度 多尺度分解 多尺度乘积 图像融合 图像处理 图像去噪 图像分割 四叉树?? 噪声相关性估计 噪声特征 听觉掩蔽门限 双边滤波 去除噪声 动目标检测 分水岭 信噪比 信号子空间 低信噪比 人类视觉系统 亮度响应曲线 云模型 主成分分析 中值滤波 verilog tsallis熵差 susan算法 sar retinex prewitt算法 mel倒谱系数 bhattacharyya系数 b-样条
科研热词 边缘检测 形态学滤波 自适应 信息熵 鲁棒性 高阶统计量 高阶循环累积量 高空间分辨率 高斯混合模型 高动态范围 预白化 阵列信号处理 阴影检测 遥感影像 遥感图像 运动目标检测 边缘特征 边缘保持 轮廓方向变化率 调制识别 语音识别 语音增强 角点 视觉跟踪 蠕滑 融合 自适应阈值 自适应滤波 自适应权重 脉冲耦合神经网络 脉冲多普勒雷达 脉冲压缩 结构元素 细胞神经网络 红外弱小目标 粘着控制 简化最大熵 窗函数 神经网络 矢量中值滤波 相干斑 相似度度量 目标增强 百分位形态学 白噪声 现场可编程门阵列 特征空间 特征向量 熵 欧氏距离 模糊隶属度 模糊形态学
科研热词 图像增强 图像去噪 边缘检测 小波变换 图像处理 图像分割 非线性自适应规则 非最大抑制 阈值 遗传算法 边缘提取 谱减法 语音存在概率 语音增强 衍生算法 自适应噪声处理 自适应 自动分割 红外点目标 粒子群算法 算法 相似性滤波 百分位形态变换 电磁超声车轮探伤系统 正交有限脊波分析 模糊增强 模糊c均值 模糊c-均值聚类法 模极大值 梯度 权值直接确定 曲波变换 方向场 指纹 形态学 局部熵 尺度相关 小波阈值 小波分析 对称方向滤波 多阈值分割 多尺度 复指数 处理 图像融合 噪声抑制 听觉掩蔽特性 各向异性扩散 原理 区域合并 前向神经网络 分水岭算法
基于CPSO-RBF网络的数控机床热误差实时补偿系统研究
第37卷第4期 齐 齐 哈 尔 大 学 学 报（自然科学版） Vol.37,No.4 2021年7月 Journal of Qiqihar University(Natural Science Edition) July,2021基于CPSO-RBF网络的数控机床热误差实时补偿系统研究丁传东，姚芝凤，李腾，杨羚（齐齐哈尔大学 机电工程学院，黑龙江 齐齐哈尔 161006）摘要：目前，生产制造正向着更加精密化、智能化的柔性制造方向发展，但大多数控机床的智能化程度依然有限，导致不能对生产加工过程中产生的误差进行实时反馈补偿。
以RBF神经网络技术为基础，并通过引入CPSO算法来对RBF神经网络进行训练优化，构造了数控卧式镗床的主轴热误差预测模型，并针对生产加工过程中产生的热误差设计了主轴热误差实时补偿方法。
最后应用MATLAB仿真软件对主轴热误差的实时补偿系统的效果进行验证，表明了补偿方法的可行性和有效性。
关键词：CPSO算法；热误差预测；数控机床；RBF神经网络；热误差实时补偿中图分类号：TG659;TP183 文献标志码：A 文章编号：1007-984X(2021)04-0001-04对于超精密机床而言，热误差是影响数控机床加工精度的重要因素之一[1]。
机床因受热变形而引起的误差占机床总误差的40%~70%，是精密和超精密加工过程中主要的误差来源[2]。
因此，减小机床热误差对提高机床加工精度至关重要。
罗勇等[3]建立了车床主轴径向热误差的线性回归模型，并搭建了热误差补偿系统。
验证表明该补偿系统能够明显降低车床主轴径向热误差值，将精度提高50%以上。
任兵等[4]对BP神经网络热误差补偿方法进行改进，通过利用PSO算法的全局搜索能力对BP神经网络进行优化训练，提高了热误差预测精度。
Li等[5]将一种改进粒子群优化（IPSO）算法用于优化BP神经网络的结构参数，从而提高了神经网络预测模型的建模效率。
本文针对某型号的数控卧式镗床的主轴部件系统，通过借助CPSO（Chaos Particle Swarm Optimization, CPSO）算法来训练优化RBF神经网络权值等结构参数，提高RBF神经网络收敛的速度、稳定性及泛化性能。
对称化处理图像的频域误差分析
１ 引言
在 图像传 输系统 中 ，许 多处理都 是在频 域 进行 的。 因此 ，频域误差 的大小 ，直接 影 响到 图像 重建质 量 的好
坏 、频域采 集器件 的选择 以及 图像 的后 处理 。 对 于一般 的 图像 ，进行频 域变换 后 的数据通 常是 复数 ，但在 某些 系统 中 ，则 只能进行 实数操 作 ，例 如对 于 光电器件 而言 ，通常 只能采集到光 的强度 ，不 能采集到数据 的相位…，而将 图像进行对称 化处理后 ，在空频 域得
ｆ ｅ ｕ ｎ ｙ ｄ ｍａ ｎ ｒ ｎ ２× １ 一． ｒ ｑ ｅ ｃ ｏ ｉ ｓａ ｅ ｉ ０
Ｋｅ ｒ ｓ ｓ ｍｍｅｒ ｚ ｔ ｎ； ｉ ｇ ； ｅ ｒ ｒｏ ｒ ｑ ｅ ｃ ｏ ｉ ｙ ｗｏ ｄ ： ｙ ｔｉ ａ ｉ ｏ ｍａ ｅ ｒ ｏ ｆｆｅ ｕ ｎ ｙ ｄ ｍａ ｎ； ＰＳ ＮＲ
文 章 编 号 ：１ ７ —８ ２ｆ０ ７０ —１ ４０ ６ ２２ ９ ０ ）２０ ０ —７ ２
对称 化 处理 图像 的频域 误差 分 析
王 宇 ，田逢 春 ，姬艳 丽
（ 庆大 学 通 信工 程 学 院 ，重 庆 ４ ０３ ） 重 ０ ０ ０
摘 要 ：对 图像 的 不 同对 称 化 处 理 方 法 进 行 分 析 ，采 用 峰 值 信 噪 比（ｅｋＳｇ ａ ｔ Ｎ ｉ ａｉ， Ｐ ａ ｉｎｌｏ ｏ ｅＲ ｔ ｓ ｏ
Ｗ ＡＮＧ Ｙｕ Ｔ ＡＮ Ｆ ｎ － ｈ ｎ Ｊ ｎ Ｌ ， Ｉ ｅ ｇ Ｃ ｕ ， ＩＹａ － ｉ （ｏ ｅ ｅ ｆ ｏ ｍ ｎｃ ｔ ｎＥ ｇｎ ｅｉｇ ｈ ｎ ｑｎ ｎ ｅｓ ｙ ｈ ｎ ｑｎ ０ ０ ０ ｈｎ ） Ｃ ｌ ｇ ｍ ｕ ｉａ ｏ ｎ ｉｅ ｒ ，Ｃ ｏ ｇ ｉｇ ｉ ｒｉ ，Ｃ ｏ ｇ ｉ ４ ０ ３ ，Ｃ ｉ ｌ ｏＣ ｉ ｎ Ｕ ｖ ｔ ｇ ａ