通過使用基于無線傳輸相位差比較方法和強抗千倍干擾選頻測量技術,能在千倍工頻干擾下對桿塔的分流向量進行準確的測量,能準確有效剔除接地測量過程中分流成分,提高接地網(wǎng)接地阻抗測量的準確度,為保證電力系統(tǒng)在雷擊或短路故障下的安全運行和人員的安全具有重要的意義.

實用文檔 文案大全 1、【2014寧波二模理17】已知點o是△abc的外接圓圓心，且ab=3，ac=4．若存在非零實．．． 數(shù)．x、y，使得aoxabyac，且21xy，則cos∠bac=． o d bc a 解答：取ac中點d，則有2aoxabyacxabyad，而21xy，得點b,o,d 三點共線，已知點o是△abc的外心，可得bdac，故有bc=ab=3，ac=4，求得 2 cos 3 bac. 2、【2014杭州二模文8理6】設o△abc的外心（三角形外接圓的圓心）.若 acabao 3 1 3 1 ，則bac的度數(shù)為（） a.30°b.45°c.60°d.90° o d bc

同時多線程處理器(smt)每個周期能夠從多個線程中發(fā)射指令執(zhí)行,從而大大地提高了超標量微處理器的指令吞吐量,但多個線程的同時執(zhí)行也帶來了許多硬件資源的共享沖突問題。其中,多個線程共享分支預測硬件的方案會對分支預測精度產(chǎn)生較大的影響。研究smt處理器中分支處理方案對于處理器整體性能的影響,對于指導smt處理器的設計是十分重要的。本文利用smt處理器模擬器,針對各線程運行獨立應用的smt結構實驗評估了幾種著名的分支預測方案;給出了在單線程和多線程情況下,分支預測方案對分支預測精度和處理器整體性能的影響的分析;總結出在這樣的smt結構中,各線程擁有獨立的預測器是一種較好的選擇,并且由于各獨立預測器可以采用小而簡單的結構,所以不會帶來太多的硬件開銷。

通過電子鼻系統(tǒng)獲取的數(shù)據(jù)具有維數(shù)高、非線性變化等特點,不利于后續(xù)算法的識別或分類。因此,提出了基于核主元分析(kpca)與在線支持向量機(online-svm)的電子鼻系統(tǒng)識別新算法。首先采用kpca算法對采集到的原始數(shù)據(jù)進行特征提取,達到降維與去噪的目的,然后使用在線支持向量機對數(shù)據(jù)進行預測,最后與基于徑向基函數(shù)的神經(jīng)網(wǎng)絡算法(rbf)預測結果進行對比分析。實驗結果表明,新算法在電子鼻信號處理領域相對較優(yōu),具有較好的價值。

基于多態(tài)并行處理器提出了一種硬件線程管理器,支持mimd模式8個線程管理操作和simd模式sc控制器統(tǒng)一管理兩種工作模式,實現(xiàn)了線程級并行計算;可以監(jiān)測各個線程的工作情況以及近鄰通信寄存器和路由器的狀態(tài);能夠在通信時停止、切換、啟動線程,記錄每個線程的工作狀態(tài),同時避免了因數(shù)據(jù)阻塞帶來的等待問題,能夠最大程度地提高單個處理器的執(zhí)行效率。

分析了空調(diào)工作過程中溫度控制的重要性與傳統(tǒng)方法的不足,將基于統(tǒng)計學習理論的支持向量機方法用于控溫過程中,對溫度進行實時預測。采用數(shù)字實驗對所提方法的可行性進行驗證,結果表明該方法可以獲得比傳統(tǒng)方法更高的預測精度,實時性較高,能為空調(diào)控溫系統(tǒng)提供更好的決策支持,具有較大的發(fā)展?jié)摿蛯嵱脙r值。

針對室內(nèi)環(huán)境因素多元化、動態(tài)變化的特點和目前評價方法的不足,建立了基于支持向量機的室內(nèi)舒適度混合評判模型。首先將從真實環(huán)境中采集的數(shù)據(jù)集進行數(shù)據(jù)規(guī)范化處理;然后根據(jù)群體和個體感覺,分別用離線訓練和在線訓練的方法訓練分類器;最后使用訓練好的分類器預測樣本的標簽。以matlab為開發(fā)工具,編寫了基于支持向量機的室內(nèi)舒適度評價算法,并與bp神經(jīng)網(wǎng)絡和概率神經(jīng)網(wǎng)絡等室內(nèi)舒適度評價算法進行了比較,仿真結果表明,該方法是可行且有效的。

第8課時 §2.4.2平面向量數(shù)量積的運算律 教學目的： 1.掌握平面向量數(shù)量積運算規(guī)律； 2.能利用數(shù)量積的5個重要性質(zhì)及數(shù)量積運算規(guī)律解決有關問題； 3.掌握兩個向量共線、垂直的幾何判斷，會證明兩向量垂直，以及能解決一些簡單問題. 教學重點：平面向量數(shù)量積及運算規(guī)律. 教學難點：平面向量數(shù)量積的應用 授課類型：新授課 教具：多媒體、實物投影儀 內(nèi)容分析： 啟發(fā)學生在理解數(shù)量積的運算特點的基礎上，逐步把握數(shù)量積的運算律，引導學生注意 數(shù)量積性質(zhì)的相關問題的特點，以熟練地應用數(shù)量積的性質(zhì). 教學過程： 一、復習引入： 1．兩個非零向量夾角的概念 已知非零向量ａ與ｂ，作＝ａ，＝ｂ，則∠ａｏｂ＝θ（０≤θ≤π）叫ａ與ｂ的夾角. 2．平面向量數(shù)量積（內(nèi)積）的定義：已知兩個非零向量ａ與ｂ，它們的夾角是θ，則數(shù)量 |a||b|cos叫ａ與ｂ的數(shù)量積，記作

平面向量數(shù)量積的運算律 平面向量數(shù)量積的運算律 教學目的： 1.掌握平面向量數(shù)量積運算規(guī)律； 2.能利用數(shù)量積的5個重要性質(zhì)及數(shù)量積運算規(guī)律 解決有關問題； 3.掌握兩個向量共線、垂直的幾何判斷，會證明兩 向量垂直，以及能解決一些簡單問題. 教學重點：平面向量數(shù)量積及運算規(guī)律. 教學難點：平面向量數(shù)量積的應用 授課類型：新授課 教具：多媒體、實物投影儀 內(nèi)容分析： 啟發(fā)學生在理解數(shù)量積的運算特點的基礎上，逐步 把握數(shù)量積的運算律，引導學生注意數(shù)量積性質(zhì)的相關 問題的特點，以熟練地應用數(shù)量積的性質(zhì).? 教學過程： 一、復習引入： 1．兩個非零向量夾角的概念 已知非零向量ａ與ｂ，作＝ａ，＝ｂ，則∠ａｏ ｂ＝θ（０≤θ≤π）叫ａ與ｂ的夾角. 2．平面向量數(shù)量積（內(nèi)積）的定義：已知兩個非零 向量ａ與ｂ，它們的

支持向量機作為基于統(tǒng)計學理論的機器學習方法，在人工智能識別方面的研究起到了重要的作用。本文將支持向量機智能識別方法引入到機械設備的故障診斷當中，并對支持向量機模型起到關鍵作用的懲罰因子c和核參數(shù)g采用了交叉驗證的方法進行最優(yōu)化計算。建立了基于優(yōu)化的支持向量機的機械設備故障診斷模型，并且進行了相關實驗，實驗表明，采用本文介紹的基于支持向量機的故障診斷方法可有效識別出機械設備的故障類型，對機械設備的故障診斷提供了有效的診斷方法。

建立基于支持向量機的建筑物沉降預測模型,并將其應用于建筑物的沉降預測。與采用bp神經(jīng)網(wǎng)絡的預測結果相比,支持向量機取得較好的預測結果。實例表明支持向量機在小樣本數(shù)據(jù)的預測上具有精度高、泛化能力強的特點,為建筑物的沉降預測提供一種新的方法。

基于支持向量機方法的深基坑變形預測——提出了深基坑變形預測的一種新方法，即支持向量機方法．該方法根據(jù)有限的學習樣本，建立了各種影響因素和深基坑變形之問的一種非線性映射．基于已有的深基坑變形資料，采用支持向量機模型，對深基坑現(xiàn)場實例進行了預測，...

本文從我國工程索賠現(xiàn)狀出發(fā),分析了合理工效的影響因素,建立了支持向量機合理工效費用模型,收集了24個實際工程案例運用支持向量機對費用進行預測,結果表明了模型的有效性。

討論了線性v-支持向量回歸機中參數(shù)v的意義,并給出了嚴格的理論證明。利用v-支持向量回歸機中ε-不敏感損失函數(shù)及參數(shù)v的意義,提出一種回歸數(shù)據(jù)中的異常值檢測方法。采用線性模型使得該方法不僅速度快而且能處理大規(guī)模數(shù)據(jù)。數(shù)值實驗證明其具有可行性和有效性。

基于支持向量機的空調(diào)控溫過程實時預測——文章分析了空調(diào)工作過程中溫度控制的重要性與傳統(tǒng)方法的不足，將基于統(tǒng)計學習理論的支持向量機方法用于控溫過程中，對溫度進行實時預測。采用數(shù)字實驗對所提方法的可行性進行驗證，結果表明該方法可以獲得比傳統(tǒng)方法更...

為對室內(nèi)轟燃進行準確預測,針對室內(nèi)轟燃樣本的不足在一定程度上制約了其應用,為此運用svm技術構建室內(nèi)轟燃預測的數(shù)學模型。在小樣本條件下,應用工具軟件libsvm進行仿真,并將svm模型預測結果和人工神經(jīng)網(wǎng)絡預測結果進行對比。結果顯示,svm技術能較好地解決小樣本和模型預測精確度之間的矛盾,svm模型其預測精度及可行性高于神經(jīng)網(wǎng)絡模型。實例表明,由于室內(nèi)火災受多種因素影響,傳統(tǒng)的預測方法存在一定的局限性,而svm模型預測法預測的結果與試驗結果比較一致。

巖爆分類的支持向量機方法——針對巖爆分類問題，提出了基于支持向量機的分類方法。通過對影響巖爆因素的分析，運用支持向量機理論建立巖爆類別的支持向量機模型。結果表明，基于支持向量機的巖爆分類方法具有較高的準確率，該方法是科學可行的，具有廣泛的應用...

深基坑變形預測的支持向量機方法——提出了一種預測深基坑變形的新方法支持向量機，可很好地表達深基坑變形與其影響因素之間的非線性映射關系，并應用該方法建立了相應的模型，預測結果表明，利用該方法進行深基坑變形是可行的、有效的?！　?/p>

支持向量機以嚴格的數(shù)學理論為基礎,具有簡單的數(shù)學形式、直觀的幾何解釋和良好的泛化性能,其與核函數(shù)的結合使它成為解決分類、回歸、概率密度估計等實際問題的有力工具。但當處理大規(guī)模的數(shù)據(jù)集時,無論在時間和空間效率上都是無法滿足人們的需求。針對該問題,本文提出ασ-svm支持向量機,通過對其訓練樣本的縮減從而減少其訓練時間。最后ασ-svm算法對kdd99cup入侵檢測數(shù)據(jù)做驗證,并與常規(guī)的svm做對比,實驗結果表明該方法不但能應用到入侵檢測中,而且其訓練的時間也明顯的減少。

支持向量機是建立在統(tǒng)計學習理論基礎上的一種新的學習方法,其引入核函數(shù)思想,將非線性問題轉(zhuǎn)化為線性問題來解決,其非線性回歸預測性能優(yōu)越于傳統(tǒng)統(tǒng)計方法。針對土地可持續(xù)利用與土地利用預警指標之間復雜的非線性關系,提出基于支持向量機的土地利用預警方法,對土地利用預警系統(tǒng)的內(nèi)涵、原理和指標體系,以及建立土地利用預警體系等問題進行了研究。

支持向量機算法用于軟測量建模能較好地解決小樣本、非線性、高維數(shù)、局部極值等問題.本文針對稀土萃取過程組分含量在線檢測的難題,將具有徑向基(rbf)核函數(shù)的支持向量機算法應用于稀土萃取過程組分含量軟測量建模,并討論了模型參數(shù)的選擇及其對模型的影響.通過某稀土公司生產(chǎn)過程實際采集數(shù)據(jù)的仿真試驗,結果表明基于支持向量機算法的組分含量軟測量模型具有較高的泛化能力和較快的預測速度,是實現(xiàn)稀土萃取過程組分含量軟測量的一種有效方法.

故障樣本的缺乏嚴重制約智能故障診斷的發(fā)展,本文提出支持向量機應用到發(fā)動機故障診斷中,該方法專門針對小樣本集合設計,能夠在小樣本情況下獲得較大的推廣,而且模型簡單,具體是將汽車在典型故障下尾氣中各氣體的體積分數(shù)作為訓練樣本。用處理過的樣本和最優(yōu)參數(shù)建立基于支持向量機的多元分類器模型,進行故障類別診斷。經(jīng)過libsvm工具箱進行仿真,結果表明經(jīng)優(yōu)化后的支持向量機對于小樣本故障診斷有很高的準確率。