基于特征双重加权支持向量机的放大器性能综合评价研究
计算机应用技术专业(081203)历届毕业生名单 序 毕业

36
金山海 金永镐 大功率多功能长排式警灯的研究
2006年“三星”奖学金 优秀毕业研究生
37
孙立红 金永镐 基于积木式结构的路灯控制系统
38
郑春善
金永镐
对AM波段产生低干扰的宽电压特种信号 灯的研究
39
金明花 朴相范 电真空热管热水锅炉的电气系统设计
40
金香花
朴相范
基于同时进化神经网络的团队游戏智能的 设计
2011年“三星”奖学金 优秀硕士学位论文
83
李平
李允俊 基于Android的数字手势识别系统的研究与 设计
84
季莹莹 李 德 基于双重变换域的鲁棒水印算法研究
2012年研究生国家奖学金 研究生科研奖
85
金楠
金永镐
基于谐振技术及MK单片机的多路升压器 研究设计
优秀学生干部
86
朴京海 朴相范 碳纤维柱分步进样系统的研究与设计
2008年“成宝”奖学金
51
朱孟忠 金永镐 基于电能和太阳能充电站的充电系统研究
52
杨丹
朴相范 基于PbS近红外传感器的乙醇汽油分析系 统
53
贺 洋 朴相范 总线制图形报警系统的研究
2008年林民镐奖学金
54
唐伟强 朴相范 汽车转向柱开关性能检测系统设计
55
张婷瑞 李善姬 自适应滤波器组合设计的研究
15 2006 金尚柏 李允俊 基于AltiVect技术的JPEG2000算法优化
16
徐红梅
金永镐
基于集中供电方式的日光灯照明系统的研 究
优秀毕业研究生
17
陈 影 金永镐 船舶用高性能大功率声光报警器的设计
18
金玉兰 朴相范 电子巡更系统设计
2013年清华大学校级“优秀博士硕士学位论文”获奖名单

徐恪
在线社会网络中信息传播的测量、分析与建模
陈金元
郑海涛
基于语义的移动信息推送平台
明华
冯建华
文档全生命周期管理中的区间持久性top-k查询技术研究
李孟兴
石纯一
基于规则和案例推理技术的电力设备故障红外诊断系统
王鑫
袁春
分布式视频编码边信息和相关噪声模型算法研究
自动化系
杨云杰
彭黎辉
电容成像测量策略设计及图像重建算法研究
胡南
吕俊复
循环流化床锅炉燃烧系统非均匀性问题的模型研究
电机系
钟海旺
夏清
内嵌网损的日前发用电计划模型与方法研究
张俊勃
韩英铎
基于广域信息的电力系统动态建模与应用
魏韡
梅生伟
电力系统鲁棒调度模型与应用
陈艳波
卢强
基于统计学习理论的电力系统状态估计研究
电子系
曾维亮
陆建华
宽带无线预编码调制关键技术研究
谢尚然
李艳和
工业工程系
袁浠卉
李志忠
数字化工作环境下班组成员相互意识对事故诊断的影响
佟悦
赵磊
城市货物配送中运输资源分配问题及算法研究
戴晨旭
王凯波
直立单晶硅生长过程的质量控制方法研究
钟明
廖立新
集装箱码头出偶集装箱堆场位置分配算法研究
陈永涛
戚铭尧
带产能约束的多层级批量规模与机器调度问题研究
精仪系
冯煦
孙利群
基于正交偏振谱技术的活体微循环成像理论及实验
阎培渝
硅质铁尾矿粉用作混凝土掺合料的应用研究
水利系
张晓颖
丛振涛
降水随机特征及流域产流研究
计算机专业研究生复试-机器学习面试简答题

机器学习问题整理1.什么是梯度爆炸和梯度消失?如何解决梯度消失、梯度爆炸?在反向传播过程中需要对激活函数进行求导,如果导数大于1,那么随着网络层数的增加梯度更新将会朝着指数爆炸的方式增加这就是梯度爆炸。
同样如果导数小于1,那么随着网络层数的增加梯度更新信息会朝着指数衰减的方式减少这就是梯度消失。
因此,梯度消失、爆炸,其根本原因在于反向传播训练法则,属于先天不足。
解决方法:1)对于RNN,可以通过梯度截断,避免梯度爆炸。
2)可以通过添加正则项,避免梯度爆炸。
3)使用LSTM等自循环和门控制机制,避免梯度消失。
4)优化激活函数,譬如将sigmoid改为relu,避免梯度消失。
2.数据挖掘是干什么的?数据挖掘:数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程,包含了机器学习、统计学、数学等多个学科的知识。
数据挖掘三大常见的任务:●回归任务:回归任务是一种对连续型随机变量进行预测和建模的监督学习算法,使用案例包括房价预测、股票走势等。
●分类任务:分类是一种对离散型变量建模或预测的监督学习算法,使用案例包括邮件过滤、金融欺诈等。
●聚类任务:聚类是一种无监督学习,它是基于数据的内部结构寻找观察样本的自然族群(集群),使用案例包括新闻聚类、文章推荐等。
●更广泛的任务还有推荐、图像识别、预测等相关算法。
监督学习:数据集中每个样本都有相应的标签。
无监督学习:数据集中的样本没有相应的标签。
无监督学习算法(Unsupervised Learning)使用无标记数据(输入变量没有对应输出结果),试图识别数据本身的内部结构。
无监督学习算法主要有两类:降维算法(降低数据维度)如主成分分析等,聚类算法如K均值聚类、层次聚类等。
3.回归模型从大量的函数结果和自变量反推回函数表达式的过程就是回归。
回归算法是一种有监督学习算法,用来建立自变量X和观测变量Y 之间的映射关系,如果观测变量是离散的,则称其为分类Classification;如果观测变量是连续的,则称其为回归Regression。
东南大学毕业设计(论文)盲审抽签结果Exporttime201

信息工程
光接收机突发线性跨阻前置放大器设计
杨阳
04015017
信息工程
物联网云平台安全攻击研究
马睿智 04015026
信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 信息科学与工程学院 无锡分校 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 土木工程学院 电子科学与工程学院 电子科学与工程学院 电子科学与工程学院 电子科学与工程学院 电子科学与工程学院 电子科学与工程学院 电子科学与工程学院 电子科学与工程学院
张梦斓 01514111
机械工程
车载深冷高压储氢容器的力学性能研究及结构设计
王冠杰 02015105
机械工程
RoboMaster大赛飞行器设计及识别追踪系统
孔德优 02015120
机械工程
基于NX的产品参数化快速设计系统开发
刘健均 02015219
机械工程
பைடு நூலகம்
血管支架球囊扩张的有限元分析
王友
02015305
物理学院
物理学
基于对称性的晶体结构生成
生物科学与医学工程学院 生物医学工程
增强型CAR-T细胞的构建及抗肿瘤效力研究
生物科学与医学工程学院 生物医学工程
核苷酸保护的纳米簇的类酶特性研究
生物科学与医学工程学院 生物医学工程(七年不本同硕类连型读巨)噬细胞对细菌和纳米颗粒的摄取行为研究
生物科学与医学工程学院 生物信息技术
基于混沌遗传算法的SVM特征和参数优化

其 自身 的规律不重复地遍历所有状态。经常与其他进化算法
结合使用 , 用于遗传算法 中以设计和保持演化群体的多样性 。
遗传搜索 ,实现 S M 参数 的优化 。 V
另外 ,样 本特征 子集的选择也很重要 。原始样本特征集
文 献[】 3利用高光谱数据集进行一系列分类算法分析后 ,得 出
其 中,0 l ; 是迭代次数 ,k l , 是控制参量 , ≤X≤l = , …; 2
当 p 4时系统完全处于混沌状态 ,此时 X 在【,】 = 01的范 围内
变化 。
特征 的增 加对 S M 分类置信度按显著性水平 5 V %减少 。文
S VM a u ea d Pa a e e tm i a i n Fe t r n r m t r0p i z to Ba e n Cha tcGe e i g r t m sd0 o i n t Al o ih c
D U Zha lng ,TA N s n-o Ye-huang ,G AN ng To
d na i rd cn e r hn s c i y m c e u ig s ac ig pa e s e o ut r o tmiain usd f r f r he p i z to .Th s i meh d i a p id o fu tca sfe o iain o tmiain f to s p le t a l ls i r c mbn t pi z to o i o
现有很 多优化 S M 参数的方法。文献[] 出了一种采用改 V 1提
2 基于变尺度混沌遗传算法的联合优化
21 混沌运动 . 混 沌是 自然界广 泛存在 的一种 非线性 现象 ,具有 随机 性、遍历性和初始条件敏感性等特点 ,在 一定范围内能够按
三极管非线性放大失真特性研究

理论算法2021.01三极管非线性放大失真特性研究董宇1,王丽娜2(1.南京信息工程大学电子与信息工程学院,江苏南京,210044;2.南京信息工程大学人工智能学院,江苏南京,210044)摘要:本系统依据三极管的工作特性,借助了可调电阻和模拟开关的结合,设计了一种三极管非线性放大失真研究装置。
利用了STM32单片机的编程与数据处理能力,完成了对电路的控制和数据分析。
研究了三极管放大电路多种失真的现象,分析每种失真的原因和正常放大的条件,实现了控制、测量、分析的一体化,并将失真波形与其THD值直观地展示。
该装置简便了三极管放大特性的研究,提供了一个高效的集成自动化平台。
关键词:非线性放大;失真;自动化;THD;三极管Characteristic Research on Nonlinear Amplification Distortion of T riodeDong Yu1,Wang Lina2(1.School of Electronics and Information Engineering,Nanjing University of Informstion Science and Technology,Nanjing Jiangsu,210044; 2.School of Artificial Intelligence,Nanjing University of Information Science and Technology,Nanjing Jiangsu,210044)Abstract;According to the working characteristics of triode,a device for studying the nonlinear amplification distortion of triode is designed by the combination of adjustable resistance and analog switch.With the programming and data processing ability of STM32single-chip microcomputer,the circuit control and data analysis are completed.It studies various distortion phenomena of triode amplifier circuit,analyzes the causes of each distortion and normal amplification conditions, realizes the integration of control,measurement and analysis,and displays the distortion waveform and its THD value intuitively.The device is convenient to study the amplifiestion characteristics of triode and provides an efficient integrated automation platfonn.Keywords:Nonlinear amplification;Distortion;Automation;THD;Triode0引言三极管对信号的放大,使信号的幅值能够满足各种情况下的不同需求,但是由于三极管本身工作区的特性[1'3],会导致在放大的过程中出现多种失真并且三极管的放大特性在摄影、汽车工程等方面都有相关的应用X〕,本文以Multisim仿真电路[9]和实际搭建的硬件系统,为研究三极管非线性放大失真提供了直观准确而又高效的装置。
地铁车辆受电弓智能监测与故障诊断系统研究

地铁车辆受电弓智能监测与故障诊断系统研究摘要:随着城市轨道交通的快速发展,地铁车辆受电弓的性能和可靠性越来越受到人们的关注。
本文旨在研究地铁车辆受电弓的智能监测与故障诊断系统。
通过深入分析受电弓的工作原理和常见故障,提出了一种基于人工智能和大数据技术的智能监测与故障诊断系统。
该系统能够实时监测受电弓的工作状态,预测潜在故障,并提供准确的故障诊断。
本文的研究结果将为地铁车辆的运维和管理提供有效的技术支持,提高地铁运营的安全性和可靠性。
关键词:地铁车辆、受电弓、智能监测、故障诊断一、引言1.1 背景介绍随着城市公共交通的快速发展,地铁作为重要的交通工具之一,其安全性和可靠性越来越受到关注。
地铁车辆的受电弓作为供电设备,其工作状态直接影响到地铁车辆的运行。
然而,受电弓在运行过程中容易受到多种因素的影响,如接触网的磨损、机械振动等,导致出现故障。
因此,对受电弓进行智能监测和故障诊断具有重要意义。
1.2 研究目的和意义地铁车辆受电弓智能监测与故障诊断系统研究的目的在于通过先进的传感器、数据处理算法和故障诊断技术,实现对地铁车辆受电弓的实时性能监测和预测性维护。
这项研究具有重要意义,可以提高地铁车辆受电弓的可靠性,降低故障发生率,减少维修成本,提高轨道交通运营效率,为乘客提供安全、高效的出行服务,还可以为其他交通工具的供电设备监测与故障诊断提供借鉴和参考。
二、地铁车辆受电弓智能监测系统2.1 受电弓工作原理及重要性受电弓是地铁、轻轨等电气化轨道交通车辆的关键部件,负责从接触网获取电能,为车辆牵引系统和辅助系统提供动力。
其组成结构主要包括弓头、弓角、升降机构、框架结构、驱动装置、监控系统以及接地系统。
这些组件共同组成了受电弓,实现了与接触网的机械和电气连接,为地铁车辆提供了动力来源。
受电弓的工作原理是通过受电弓与接触网之间的接触压力,将接触网中的电流传导至车辆。
受电弓的重要性主要体现在以下几个方面:首先,受电弓的性能和可靠性对轨道交通系统的安全运行具有至关重要的影响,稳定的电力供应可确保车辆制动、信号和通信系统的正常运行,降低事故发生的风险。
面向多目标跟踪的数据关联方法研究综述

面向多目标跟踪的数据关联方法研究综述目录1. 内容描述 (2)1.1 研究背景 (2)1.2 多目标跟踪概述 (3)1.3 数据关联在多目标跟踪中的应用 (4)2. 数据关联方法概述 (6)2.1 数据关联基本概念 (6)2.2 数据关联方法分类 (8)3. 基于传统数据关联的方法 (9)3.1 基于距离的数据关联方法 (10)3.2 基于特征的数据关联方法 (11)3.3 基于概率的数据关联方法 (13)4. 基于机器学习的数据关联方法 (15)4.1 支持向量机在数据关联中的应用 (16)4.2 随机森林在数据关联中的应用 (17)4.3 深度学习在数据关联中的应用 (18)5. 面向多目标跟踪的改进数据关联方法 (20)5.1 融合多源信息的数据关联方法 (21)5.2 基于动态窗口的数据关联方法 (22)5.3 基于贝叶斯网络的数据关联方法 (23)6. 数据关联方法性能评估 (24)6.1 性能评价指标 (26)6.2 实验数据与结果分析 (26)7. 数据关联方法在实际应用中的挑战与展望 (28)7.1 挑战分析 (30)7.2 未来研究方向 (31)1. 内容描述本文旨在对面向多目标跟踪的数据关联方法进行系统性的综述。
随着无人机、智能交通、视频监控等领域的快速发展,多目标跟踪技术已成为这些领域的关键技术之一。
然而,在多目标场景中,目标之间的遮挡、光照变化、动态背景等因素给数据关联带来了极大的挑战。
本文首先介绍了多目标跟踪的基本概念和背景,然后详细探讨了当前多目标跟踪领域中的数据关联方法,包括基于距离度量、基于特征匹配、基于概率模型以及基于深度学习的方法。
通过对各类方法的原理、优缺点和适用场景的分析,旨在为多目标跟踪领域的研究者和工程师提供一份全面、深入的了解,以促进该领域的技术创新和发展。
此外,本文还展望了未来多目标跟踪数据关联方法的研究趋势,为后续研究提供参考和启示。
1.1 研究背景随着计算机视觉技术的快速发展及其在智能监控、自动驾驶、机器人导航等领域的广泛应用,多目标跟踪作为一项关键技术受到了学术界与工业界的广泛关注。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
法有 许 多种 ,但 基 本 上 都 是手 动 ,人 为 因素 较 大 , 且 具有 经 验 性 , 因而 急 需一 种 由机 器 自动 评 价 的新
方法。
支 持 向量 机 ( u p rV co Mahn ,S S p ot etr cie VM )是一 种 以统 计 学 习 理 论 为基 础 发 展 起 来 的 新 的通 用 学 习 方 法 ,它 基 于 VC 维 理 论 和 结构 风 险最 小 化 原 理 , 根据 有 限 的样 本 信 息在 模 型 的复 杂 性 和 学 习 能
J ne, 20l u 2
基 于特征 双重加 权支持 向量机 的放 大器 性 能综合 评价研 究
张爱华
( 海 大 学 工 学 院 , 辽 宁 锦 州 1 10 ) 渤 2 0 0
摘要 :本文 针对 于现有 放大 器评价 方法 的人为 因素 过大或 是成 本过 高等状 况 ,而提 出了基 于特征双 重加 权支 持 向 量机 的放 大器性 能综合 评价 方法 。确定 了放 大器性 能 的综合 评价系 统结 构 ,以高校 模拟 电子技 术实验 为依托 ,采 用近
获 得 的权 重应 用 到 核 函数 的 计 算 中 ,从 而 避 免 核 函 数 的 计 算被 一 些 弱 相 关 或 不相 关 的特 征 所 支 配 。然
而 在 实 际 的应 用 中 ,往 往 需 要从 多角 度 来 探 讨样 本 的分 类 精 度 。因此 ,本 文将 D S M 与 F S W V W VM 相 结 合 , 在考 虑 类 别 样 本 数 差 异 和样 本 重 要 性 差 异 的 同时 兼顾 特 征 强 弱 的影 响 ,提 出特 征 双 重 加 权 支持
应 的 补 偿 , 从而 实 现 了提 高 小类 别样 本 的分 类 精 度 ,加 权 支持 向量 机 的提 出对 于 某些 需 要 重 点 关 注 小
类 别 样 本 精 度 的应 用 研 究 有 重 要 的现 实 意 义 。随 着 人 类 对 于 分 类 性 能 要 求 的不 断提 高 , 赵 晖 等 综 合 WS M 和 F VM 的思 想 ,提 出 了 一种 同 时考 虑 了类 别 样 本 数差 异 和 样 本 重 要 性 差 异 的双 重 加 权 支 持 V S 向量 机 ( a. ihe VM ,DW S Du 1 Weg tdS VM )模 型l ,进 一 步 改 善 了分 类 性 能 。汪廷 华等 人 从 特 征 重 要程 6 J
力之 间 寻 求最 佳 折 衷 ,在 很 大 程度 上克 服 了传 统 机 器 学 习 中 的维 数 灾 难 和 局 部 极 小等 问题 ,从 而 获 得 较 好 的 泛化 能力 ¨2。正 是 基 于 上 述 原 因 ,这 一 方 法 已经 广 泛 应用 于 模 式 识 别 和 函 数估 计 等 问题 中 。然 ’ ] 而 标 准 支 持 向时机 对 于 野 值 和 噪 声 的敏 感 度 使 得 其 泛 化 能 力 大打 折 扣 ,为 了改 善 支 持 向量 机 的分 类 性 能 ,许 多研 究人 员提 出 了改 进 的 方 法 。L n 和 张 翔 等 将 模 糊 数 学 引 入 支 持 向量 机 ,提 出 了模 糊 支 持 向 i
中 图分类 号 ;T 1 3 P 8
文献标 识码 ;A
1
引 言
放 大器 是 应 用 最 广 泛 的 一类 电子 线 路 ,其 设 计 目标 是 将 输 入信 号进 行 不 失 真 的 放 大 ,广 泛 应 用于
广 播 、通 信 、 自动 控 制 、 电子 测 量 等 各 种 电子 设 备 中 。放 大 器 的种 类 繁 多 ,如 按 传 输 信 号特 征 的不 章 编 号 : 10 -2 9(0 2 0 -0 70 0 70 4 2 1) 30 7 —6
电 路 与 系统 学报
J 0U RNA L F CI O RCUI TS AN D S SY TEM S
VO .7 NO3 1 1 .
可将 放 大器 分 为 音 频 放 大器 、视 频 放 大 器 、脉 冲 放 大器 及 谐 振 放 大 器 等 隶 属 于 宽 带 的放 大 器 , 因此 ,
研 究 如 何 合理 、准 确 地 评 价放 大 器 的综 合 性 能 具 有 十 分重 要 的现 实 意 义 。现 有 的放 大 器 性 能 的 评 价方
度 的 角 度 提 出~ 种 基 于 特 征 加 权 的支 持 向量 机 ( etr ihe VM ,F S )【 F a eWeg tdS u W VM 。F S W VM 利 用 信 息 增 益 评估 相 应 于 分 类 任 务 的 各 个特 征 的重 要 性 , 并 依 据 重要 性 给 各 个 特 征 设 定相 应 的权 重 ,并将
量 机 ( uz VM ,F VM) 型【4,它 根 据 不 同输入 样 本 对 分 类 贡 献 的 不 同,赋 以相 应 的 隶属 度 ,实 F zyS s 模 3] ,
现 了野 值 和 噪 声影 响 的减 少 ,分类 性 能 的提 高 。然 而 ,模 糊 支持 向量 机 又 无 法 克 服在 不 同类 别 且 样 本 尺 寸 大 小相 差 较 为 悬 殊 时 ,而 导致 的分 类 性 能 不 尽 人 意 的缺 点 ,基 于 此 ,范 昕炜 等提 出 了对 每 一 类样 本 赋 以不 同权 值 的加 权 支 持 向量机 ( ihe VM ,S Weg tdS VM )模 型 ] 类 别 差 异 造 成 的影 响进 行 了相 ,对
一
年 内由幅频特 性测 试仪测 评所 得相 关放大 器 的四项指 标构 建训I 集 ,然后进 行特 征双 重加权 支持 向量机 的 四分 类评 练 关键 词 ;特征 双重 加权支 持 向量 机 :放大器 ;性 能综合 评价 ;分类 器
价 。实验 表 明,该 方法优 于传统 的方法 ,提 高 了参 数测 量 的精度 ,可推 广于 电子产 品 的综合 性能评 价中 去。