绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 32218 条结果
[硕士论文] 朱晴虹
计算机技术 安徽理工大学 2018(学位年度)
摘要:支持向量机存在较为理想的数据分类能力,但因其最优参数值的不同影响着最终的分类效果,因此本文提出了基于改进蚁群算法的支持向量机研究及应用,让分类准确率和收敛速度得到提高。首先,本文介绍了支持向量机的相关原理和概念,具体分析了惩罚因子和核参数对支持向量机分类的影响。接着介绍了基本蚁群算法的原理,针对蚁群算法的缺陷提出相应改进,最后运用到支持向量机参数寻优中,并与其他几种算法进行比较,在对比中表明改进算法具有更好的分类准确率和收敛速度。本文的创新点如下:
  1.交换规则和局部搜索。蚁群算法自身的搜索规则是根据信息素的含量来进行的,信息素越多的路径,相对应的蚂蚁选择其越多。本文采用双种群进行改进,在信息素浓度相差较大时,实现交换规则,避免信息素过多产生早熟和停滞问题。在交换规则中,当两个种群中任何一个产生局部最优值时可以跳出,从而让整个算法实现全局最优值。除此之外,本文在两个种群中进行局部搜索规则的改进,根据SVM的误差模型来定义新的局部搜索规则,决定最后进行的是全局搜索还是局部搜索。
  2.信息素公式的更新。信息素只有不断更新才会让算法不断迭代,产生全局最优解。本文设计了新的更新公式,让更新的信息素指导蚂蚁寻找最优值。再结合局部搜索和交换规则,提高了算法搜索的效率。
  3.改进算法与支持向量机结合。将改进的算法用于支持向量机中,实现参数寻优,从而提高数据的分类准确度和收敛速度。
  本文实验采用的是UCI的多个数据集,再具体运用于个人信用评级的应用中,实验结果表明,改进的算法在性能、分类准确率都得到了提高。
[硕士论文] 张鑫
应用数学 安徽理工大学 2018(学位年度)
摘要:智能体能够模拟人类的行为,熟悉周围的环境,自治的运行,并且能够对环境产生一定的影响。遗传算法就是模拟生物的生存繁衍、遗传和进化过程,形成的一种自适应全局优化算法。根据智能体系统的特点,把遗传算法中的个体当作一个能够感知环境、进行竞争协作和自学习的智能体,研究将两者相结合的优化算法及其应用问题是非常有意义的。
  本文对智能体和遗传算法进行了研究,主要工作如下:
  首先,对智能体与遗传算法的基本理论、研究现状、研究意义、算法流程等进行了介绍。借鉴质点间相互作用的机制,提出了一种基于质点模型的多智能体遗传算法,通过质点间引力作用的特点不断提高智能体的能量。数值实验结果表明,该算法具有较高的优化效率,特别适合高维函数的优化。
  然后,提出了一种组合优化多智能体遗传算法。在实验中,用4个小规模欺骗函数(子函数)构成一个大规模欺骗问题对算法进行了测试。通过比较,此算法所需的计算量远小于其他文献的算法,表现了良好的性能,充分显示出智能体与遗传算法相结合的巨大潜力。
  最后,在求解开普勒超越方程时,面临的对梯度计算敏感和初始点要求过高等困难,提出了一种基于多智能体遗传算法的卫星轨道计算方法,并据此计算了多种卫星的星下点轨迹。数值实验表明,上述算法较传统优化算法有较强的普适性和全局收敛性。
[硕士论文] 李涛
应用统计 黑龙江大学 2018(学位年度)
摘要:肺癌是发病率和死亡率增长最快,对人群健康和生命威胁最大的恶性肿瘤之一。统计学习作为机器学习的一个重要组成部分,在近年来大数据背景的基础上,发展的更为迅速,其中的一些经典方法可以作为识别肺癌的工具加以运用。
  本文回顾了肺癌诊断的历史和现状,介绍并讨论了人工神经网络模型和决策树模型的背景以及对于肺癌数据的建模与预测。建模过程使用了当下机器学习里的主流方法之二:BP神经网络模型和决策树模型。在BP神经网络的模型算法中,将所获得的病例样本在一定的比例下随机分为训练集和预测集,训练人工神经网络模型,并选择合适的隐层神经元数。之后用预测集来测试该模型区分肺癌患者和正常人的能力,通过修正模型中相关的参数,直至确定最合适的神经网络模型。在决策树部分,选择合适的变量并根据其取值条件,将数据分成两个或者多个的纯度更大的数据集,直到达到预先设定的条件为止,并且选择合适的剪枝来防止过度拟合来确定最优的模型。最后,文章对两个模型进行总结并且阐述了机器学习方法在癌症诊断领域的重要使命。
[硕士论文] 季辉
凝聚态物理 中国科学技术大学 2017(学位年度)
摘要:人工智能是现在非常重要的研究领域,不仅仅在计算机领域,各行各业都有着广泛的运用。机器学习是人工智能的重要分支,随着机器学习方法的不断发展,人们对于人工智能的理解也有了更深层次的理解,从指导计算机学习逻辑推理,到教会计算机一些先验知识做成专家系统,到现在让计算机学会自我学习。不仅仅在于处理大数据上,人工智能有着广泛的运用,在指导人类制定策略上也有着更加重要的指导作用。
  双人博弈游戏中的AI算法就是人工智能的重要的发展方向与运用前景。AlphaGo的出现标志着双人博弈问题上的最大的难题围棋也被攻破,AlphaGo巧妙的将深度学习和蒙特卡洛树搜索算法,卷积神经网络等方法结合在一起,大大提升了围棋AI的计算效率,使得在人类规则下,计算机击败最优秀的职业棋手成为现实。AlphaGo的成功并不意味着现在的算法就是最优的,在研究过程中发现蒙特卡洛树搜索算法中还存在着不少的问题与隐患。
  蒙特卡洛树搜索(MCTS)是一种针对决策类博弈游戏,运用蒙特卡洛模拟方法进行评估博弈策略的启发式搜索算法。但是,在面对计算机围棋这样复杂的决策过程时,简单的蒙特卡洛树搜索过程往往由于计算量大,导致收敛慢。本文中我们指出,双人博弈游戏中的蒙特卡洛树搜索不能收敛于双人博弈的最佳决策策略;由此我们提出蒙特卡洛树搜索结合极大极小值算法的改进算法,使得搜索结果不会因为蒙特卡洛方法的随机性导致失真。为了进一步提高复杂双人博弈游戏中搜索算法的计算效率,我们还结合了几种常见的剪枝策略。实验测试说明,该新算法显著改进了蒙特卡洛树搜索的准确性和效率。
[博士论文] 苏丽娟
计算机科学与技术 浙江大学 2017(学位年度)
摘要:脑机融合(Brain Machine Integration),是指通过脑机接口技术,融合生物智能和机器智能的混合智能系统,被认为是二十一世纪最重要的前沿科技领域之一。近年来,随着脑科学和人工智能的发展,脑机融合可以将生物智能(脑)与机器智能(机),通过脑机接口技术进行有机地融合和深度地协作,进而形成比单一生物智能或者单一机器智能,更加强大的混合智能新形态。同时,随着脑机融合的发展和进步,又可以促进脑科学、人工智能、认知科学与临床医学等领域的理论创新和应用突破,在神经康复与动物机器人领域有着重要的研究意义。作为脑机融合的重要组成部分,机器智能具有强大的存储和运算能力;与机器智能相比,生物智能的优势在于其高效低功耗的感认知和逻辑推理能力。如何将二者的优势有机地融合在一些,建立更强大的新型智能形态,是脑机融合面临的关键问题和挑战。
  针对这一关键问题和挑战,本文进行了基于迁移学习的脑机融合系统的研究:迁移学习,可以将从不同但相关的领域或者不同但相关的任务中学习到的知识进行迁移和融合;脑机接口,可以在生物大脑与外围设备之间建立直接的连接通路;因此,基于迁移学习和脑机接口的脑机融合系统,可以将不同生物、不同领域、不同任务之间的信息进行交流、知识进行迁移、智能进行融合。概括来说,本文从以下三个方面逐层深入地进行了探讨。
  首先,本文提出基于迁移学习的脑机融合系统的概念和体系结构,总体思路为:首先,模仿生物的学习过程,使机器具有能够在不同但相似的领域中,解决不同但相关的问题的能力,这对于神经调控、残障康复等缺乏足够多高质量训练数据的领域具有重要的意义;其次,通过脑机融合系统,将学到的知识在生物与生物、生物与机器、机器与机器之间进行迁移和融合,增强系统智能决策的能力,实现大脑-机器-机器-大脑之间深度协作的智能增强系统;此外,通过脑机融合中计算理论与方法的创新,可以为生物大脑运行机制的探索提供新的思路和方法,促进脑科学、认知科学和临床医学的进步。
  然后,基于本文提出的脑机融合系统的体系结构,针对动物机器人这一重要研究对象,借助浙江大学的大鼠机器人平台,本文设计了基于迁移强化学习的大鼠机器人脑机融合系统。首先,将大鼠机器入迷宫导航问题,抽象为经典的强化学习模型;然后,根据源智能体和目标智能体是否相同、源迷宫和目标迷宫是否相同、源任务和目标任务是否相同,设计了基于层次化的迁移强化学习算法、基于策略复用的迁移强化学习算法、基于值函数复用的迁移强化学习算法和基于规则复用的迁移强化学习算法;接着,基于迁移强化学习算法,从迁移什么、如何迁移、何时迁移三个方面,详细地描述了大鼠机器人脑机融合系统的设计与实现;并从行为实验的角度,证明了基于迁移强化学习的大鼠机器人系统的智能增强性;最后,本文从计算神经建模的角度,解释了此脑机融合系统智能增强的神经机理。
  最后,本文进一步将基于迁移学习的脑机融合系统的研究,从以动物为对象的实验室研究,拓展到以人类为对象的临床医学的研究。借助哈佛大学的临床诊断和康复平台,本文设计了基于迁移极限学习机的意识诊断和调控脑机融合系统。首先,将大脑意识诊断和调控的问题,抽象为基于皮层脑电的清醒预测和药物控制模型;然后,针对临床医学中高质量数据不足的问题,本文设计了基于特征和参数的迁移极限学习机算法;接着,基于迁移极限学习机算法,本文设计了意识诊断和调控的脑机融合系统;并从临床实验的角度,评估了基于迁移极限学习机的人脑意识诊断和调控系统的有效性;最后,基于此迁移脑机融合系统,本文发现了人脑意识清醒与α震荡具有相关性,并对此神经机理进行了探讨。
  综上所述,从基于迁移强化学习的大鼠机器人脑机融合系统的研究,到基于迁移极限学习机的人脑意识诊断和调控脑机融合系统的研究,本文逐渐深入地论证了基于迁移学习的脑机融合系统的可行性和有效性;并且,从计算神经建模的角度,解释了基于迁移学习的脑机融合系统智能增强的神经机理;此外,基于设计的脑机融合系统和实验结果,探讨了大脑意识改变的神经机理。本研究为脑机融合系统,在动物机器人和神经康复领域中的发展和应用,提供一种新的思路和方法。
[博士论文] 刘渝
计算机系统结构 华中科技大学 2017(学位年度)
摘要:随着计算机的普及以及各种应用平台的高速发展,数据的爆炸式增长对数据分析与存储形成了巨大挑战。针对大规模图像分析应用,存储读取数据时的时间延迟成为制约此项应用的重要问题。图像应用与存储间的语义信息不对称是造成这一问题的根本原因。针对内容语义分析问题,近年来,智能化计算成为主要的研究方向。其中,机器学习因为具有线下学习,线上生成的特点而成为研究热点。针对图像内容语义问题,机器学习能够完成内容语义关联、分类、标注和 Hash映射等任务,为大规模环境下应用图像语义并提升语义分析能力提供算法支持。
  面向图像的机器学习算法从学习过程上分为浅层学习与深度学习两种。前者需要先通过传统图像分析方法提取特征,然后利用浅层学习的方法完成任务。后者通过卷积神经网络与任务网络进行端到端的学习完成任务。浅层学习由于割裂了特征提取与任务间的关系,从而降低了任务的准确率,进而被深度学习所取代。深度学习能够串联学习特征提取与任务间的逻辑关系,但是由于参数难以设计,其应用广泛性受到制约。针对以上的特点,研究分别以浅层学习与深度学习为基础对图像标注,图像Hash和图像存储展开具体实践。
  图像标注是图像内容语义分析中的重要议题。标注能够建立起图像内容与语义间的分类关系。为解决标注应用中,单视图特征效果不稳定的问题,算法引入浅层学习机制下的集成学习方式融合多种特征,提出多视图多标签的标注方法MVML。算法使用BOF,VLAD和PHOG三种方法提取特征,以SVM为基础学习器进行集成融合。算法针对平衡样本和非平衡样本的训练数据集提出Bagging和Boosting两种学习方式,并创新性地使用验证集进行基础学习器的权重学习。在 LabelMe和VOC2012数据集上的结果显示, MVML的效果在不同任务下都保持稳定并优于最好的单视图下效果。在与多标签标注算法MKL-SVM的对比中MVML的标注精确率在大部分时候平均高出3.5%。
  图像标注技术生成的内容语义信息,在大规模环境中的表达能力与比对能力具有局限性。通过0和1构建的相似性Hash因为轻便的表达方式,并且能够通过异或实现快速比对而成为替代方案。利用深度学习实现相似性 Hash映射,能够提升映射前的特征相关性,但是需要解决没有Hash标签,无法进行有监督学习的问题。因此,在深度学习机制下提出一套自学习图像相似性Hash生成算法DSTH。DSTH分为标签获得与函数学习两个阶段。第一阶段中,利用国际优秀模型迁移学习得到深度特征,构建K近邻图结构,通过拉普拉斯特征值降维与二值化获取Hash标签。第二阶段中,以切片网络构建函数学习网络,使用BatchNorm作为激活函数,在欧式距离损失函数下,映射每个维度上的Hash值。实验对比了不同深度特征、函数学习网络和激活函数配置下的效果,发现通过GoogLeNet得到深度特征配合切片网络和BatchNorm激活函数能够得到更好的效果。在此方案下,实验以CIFAR-10数据集下48位和STL-10数据集下32位的Hash码,在使用分类标签和不使用分类标签情况下分别对比了其他有监督Hash算法和无监督Hash算法。结果显示DSTH在召回率精确率和按数量返回图像精确率的对比中全面占优,在按汉明距离返回精确率和按最近类别返回的码长分析中部分占优,证明 DSTH生成的Hash码具有较强的近似表达能力。最后,实验利用CIFAR-100数据集相同数据不同类别的特性进行DSTH泛化表达能力测试,通过无标签学习结果验证不同分类标准下的性能。结果发现在最近3类查找精确率上差异微小,证明DSTH具有较强的泛化表达能力。
  为解决大规模图像分析时需要提取大量数据的问题,设计提出面向图像内容的图谱化存储系统方案。结合DSTH工作,方案引入深度学习,相似性 Hash和图谱化元数据。通过深度学习得到 Hash语义元数据增补元数据,并以图谱化结构构建和管理语义元数据。另外,根据图结构特点,通过改进 PageRank算法,提出以汉明距离为度量的SemRank节点排名算法。实验结果证明了算法的有效性与可靠性。在图检索应用实验中,证明算法能够得到时事热点,并以语义渐变方式引导用户关注热点。最后,实验通过节点在图数据库中的插入时间趋势,证明设计方案能够适用于大规模环境,为存储与应用分析搭建内容语义桥梁。
[博士论文] 樊继开
机械电子工程 华中科技大学 2017(学位年度)
摘要:时变啮合刚度是齿轮系统的重要参数,并导致其内部激励的产生,由齿轮的单、双齿周期性交替啮合产生。疲劳裂纹、齿廓修形等均会对时变啮合刚度产生影响。计算含缺陷齿轮的时变啮合刚度并代入到齿轮系统模型,进而仿真缺陷对系统响应的影响,是齿轮缺陷辨识及诊断的重要方法。本文主要针对不同情况下含裂纹齿轮及修形齿轮的时变啮合刚度及裂纹缺陷辨识展开研究,旨在对齿轮裂纹缺陷的辨识及齿形的优化提供理论指导。
  疲劳裂纹沿齿轮体径向扩展将对齿轮体刚度产生较大影响,以往的时变啮合刚度算法未考虑或只考虑一部分齿轮体的变形,这对于计算含径向裂纹的齿轮时变啮合刚度将产生较大的误差。本文提出了一种改进的能量法,在刚度计算中考虑更多的轮体变形,通过有限元法计算证实了改进的算法具有更高的计算精度。利用改进算法得到的时变啮合刚度建立单级标准圆柱齿轮系统的振动模型并仿真了对径向裂纹扩展敏感的统计指标,旨在为径向裂纹的识别与诊断提供理论依据。结果表明,残余信号的峭度对裂纹长度最敏感。最后,进行了齿轮动力学验证实验,实验结论与仿真结果吻合,从而也证明了改进刚度算法的有效性。
  齿轮啮合时的振动和冲击通常被认为是裂纹产生的重要原因。以减振和抑制裂纹的产生为目的,首次提出了一种与未修形齿廓过渡平滑的双曲线修形齿廓。从时变啮合刚度角度对修形结果进行评价,研究了双曲线齿廓齿轮在有无裂纹两种情况下的时变啮合刚度,并与渐开线及其他修形齿廓进行对比。结果表明,无论齿轮是否完好,具有双曲线齿廓的齿轮在单、双齿交替时的时变啮合刚度波动都最小。利用ANSYS软件计算并比较了不同齿廓齿轮不同位置的接触应力,双曲线齿廓的齿轮接触应力也最小。因此,具有双曲线修形齿廓的齿轮接触性能较好,产生的振动和冲击小,对疲劳裂纹的产生及其导致的时变啮合刚度变化起到了一定的抑制作用。
  研究了含动态裂纹的齿轮时变啮合刚度的计算问题。对于金属或合金这样的韧性材料制成的齿轮,其疲劳裂纹在扩展过程中可能会发生自动止裂,即裂纹扩展微小尺寸后很快自动终止,本文将该动态裂纹定义为短时裂纹并研究了其对时变啮合刚度的影响。研究了短时裂纹的建模方法并提出了相应的时变啮合刚度的改进算法模型。考虑了裂纹短时扩展前的裂纹长度,并研究时变啮合刚度及其分量(弯曲刚度和剪切刚度)。结果表明:短时裂纹导致的时变啮合刚度的变化趋势与裂纹扩展的方式相似,且相同长度的短时裂纹导致的刚度变化量随着已有裂纹长度的增大而减小。
  在齿轮裂纹缺陷的辨识中,由于实验操作存在的偏差、数据采集和处理过程中的误差以及各种偶然性和随机性造成的误差都将造成辨识结果存在一定的不确定性。传统辨识方法中的模型参数都是固定值,其容错机制差,因而无法处理这些不确定性。为此,首次将广义区间化的BP神经网络(GBPNN)应用到裂纹长度辨识中,以弥补传统辨识方法的不足。构建了基于时变啮合刚度仿真得到的裂纹敏感指标峭度等作为裂纹识别的特征量。将GBPNN模型的辨识结果与BP神经网络和概率神经网络的辨识结果进行比较,结果表明,GBPNN模型的识别正确率最高。说明GBPNN模型较好地处理了裂纹长度辨识中的不确定性。
[硕士论文] 邓慧允
信息与通信工程 山西师范大学 2017(学位年度)
摘要:旅行商问题作为组合优化问题的典型代表,很多问题都可以转化为该问题求解。随着优化理论在各行各业的广泛应用,寻找旅行商问题的最优解成为研究重点。
  论文以求解旅行商问题的最短巡回路径为主要研究对象,首先介绍了求解旅行商问题的背景和研究现状,阐述了蚁群算法和遗传算法以及二者融合后的原理,并建立了它们的数学模型和求解旅行商问题的步骤。在此基础上,对三种算法在TSP中的应用进行了如下研究:
  1、对蚁群算法、遗传算法以及二者融合后最优的参数选取进行了分析;
  2、在参数选取最优的情况下改变TSP的规模用三种算法分别对最短路径距离的寻优进行仿真实验;
  3、对三种算法在不同规模上的寻优结果进行对比分析。
  实验结果表明,求解TSP的最短巡回路径,当TSP规模较小时,三种算法的寻优效果没有明显的优劣之分;随着TSP规模的扩大,将蚁群算法与遗传算法融合后,寻优效果明显好于两种算法单独运算时的求解效果。
[硕士论文] 王玉坤
系统工程 华中科技大学 2017(学位年度)
摘要:在自然界中,蜜蜂采蜜或者回巢具有很明显的群体特征。在集体觅食或者集体回巢的时候,蜜蜂会根据周围蜜蜂的信息或者领头蜜蜂的信息来修改自己的运动路径,最终整个蜂群会以统一的速度和方向到达目的地,这种现象称为蜂拥现象。人们依据蜂拥现象提出了类似的蜂拥网络模型,从复杂网络信息交互、拓扑结构等多个角度对蜂拥网络进行研究,成为了复杂网络研究中新兴发展的一支。在蜂拥模型下的相关优化的研究也在不断深入。
  本文主要研究了具有自适应策略卡尔曼滤波的蜂拥网络,在这种卡尔曼滤波的应用下,蜂拥网络能更好的应对网络环境的变化,减少对全局信息的依赖,提高了网络的适应性,使蜂拥网络能保持一致稳定。
  首先,本文研究了多智能体蜂拥网络的一般模型,描述了蜂拥网络模型的拓扑结构,网络的节点之间的连接性受到距离影响,介绍了网络中的关键参数,并说明了多智能体蜂拥网络模型的连通性。
  其次,本文根据一般的卡尔曼滤波模型,针对传感器观测过程,构建了一种具有自适应策略的卡尔曼滤波模型,这个模型通过对自身观测值的迭代,减少了对于邻接节点观测值的利用,将两种滤波模型进行了对比,这种自适应策略卡尔曼滤波模型更加优化。仿真证实了结果的有效性。
  然后,本文将这种具有自适应策略的卡尔曼滤波模型运用到多智能体蜂拥网络之中,传感器网络之间的信息交换不需要更多的全局信息,单个传感器只需要知道相邻的传感器信息,修改自身的运动路径,最终网络能达到渐进一致,蜂拥网络在行径过程中能保持稳定性。仿真证实了结果的有效性。
  再后,本文将这种具有自适应策略的卡尔曼滤波模型应用到具有牵制控制的蜂拥网络,传感器网络只有一部分能获取目标状态,另一部分根据相邻的传感器信息,调整运动和位置信息,整个蜂拥网络能达到渐进一致,具有牵制控制的蜂拥网络能够保持稳定。仿真证实了结果的有效性。
  最后,本文对这种具有自适应策略的卡尔曼滤波多智能体蜂拥网络进行了总结和展望,可以将研究应用到多个领域中,研究具有可行性和实用性。
[硕士论文] 刘海涛
应用数学 扬州大学 2017(学位年度)
摘要:波兰数学家Pawlak于1982年提出了处理不确定性问题的粗糙集理论,它作为一种数据分析处理理论,已成为信息科学最为活跃的研究领域之一,并被成功地应用于医药科学、材料科学、管理科学等领域.广义近似空间(又称关系粗集)及覆盖近似空间(又称覆盖粗集)是对Pawlak经典粗集模型的重要推广.对覆盖粗集类似拓扑空间中的性质及其约简的探究是研究覆盖粗集的重要内容.本文利用覆盖粗集的覆盖作为子基诱导了一个拓扑空间,定义了覆盖粗集的多种分离性、紧性等概念,并研究了它们的性质及相互关系.此外对关系粗集利用其诱导覆盖粗集定义了s-紧,p-紧和双紧等紧性,并研究了它们的关系及在粗糙连续映射下的保持性.本文还研究了覆盖粗集的覆盖约简与覆盖饱和约简,证明了当U有限时覆盖约简是存在的,而覆盖饱和约简不仅存在而且唯一并给出了可行的算法求解覆盖饱和约简.
  本文共分为五章.
  第一章是引言与预备,简单介绍粗糙集理论的发展概况及本文写作背景,同时给出了若干预备知识.
  第二章引入诱导关系粗集和诱导覆盖粗集,给出了几种覆盖粗集诱导关系粗集及关系粗集诱导覆盖粗集的方式.
  第三章借助覆盖粗集所诱导的拓扑空间的拓扑定义了覆盖粗集的分离性并给出了它们的刻画.借助诱导覆盖粗集的紧性,定义了广义近似空间的s-紧,p-紧和双紧,并研究了这三种紧性与关系紧、拓扑紧之间的关系.同时讨论了上述五种紧性在粗糙连续映射下的保持性.
  第四章对于覆盖粗集引入了覆盖约简,覆盖饱和约简的概念和覆盖的核的概念,研究了覆盖约简和覆盖饱和约简的相关性质.证明了当论域有限时覆盖约简的存在性及覆盖饱和约简的存在唯一性.说明了覆盖约简不必是覆盖饱和约简,覆盖饱和约简也不必是覆盖约简,并给出覆盖约简成为覆盖饱和约简的特定条件.
  第五章总结了本文的主要工作以及接下来需要进一步探究的课题.
[硕士论文] 姚致远
计算机应用技术 电子科技大学 2017(学位年度)
摘要:随着城市化进程的加快,交通系统的智能化迫在眉睫。作为智能交通系统的重要组成部分,短时交通流预测也得到了迅速的发展,而如何提升短时交通流预测的精度,保障智能交通系统的高效运行,一直是学者们研究的重点。在交通流预测中,使用机器学习算法的基于数据驱动的思想,可以挖掘出隐藏在复杂非线性的交通流数据中的有效信息。
  本文分析了交通流数据的特点,针对传统的交通流预测模型无法应对交通流的复杂变化的缺点,将机器学习的方法运用到交通流预测中去,并基于此设计和实现了交通流预测系统,具体研究内容如下:
  1.特征选取:本文致力于多断面短时交通流预测模型的研究,综合考虑了相邻路段和天气等影响因子,待输入预测模型的交通流数据特征较多。采用人工进行特征选取的话,效率低下且容易出错,基于此,本文提出了一种改进的基于随机森林的自适应特征选择模型(LOO-RF),实现对交通流数据重要特征的自动选取。实验结果表明,经自适应特征选择后,最终的交通流预测精度和效率都有较大提升。
  2.短时交通流预测模型:本文将机器学习中的支持向量机回归模型用于多断面短时交通流预测,选用了高斯径向基核函数,有效的抑制了交通流数据中的白噪声对预测准确率的影响。同时,针对SVR参数优化困难的问题,将混沌的思想引入传统的遗传算法,提出了一种改进的CGA算法,能够快速的寻找到SVR的最优参数组合,由此提出了一种改进的CGA-SVR交通流预测模型。实验结果表明,与现有的交通流预测模型相比,该模型预测精度更高。
  3.交通流预测系统的设计和实现:基于LOO-RF和CGA-SVR算法模型,依托某省高速公路收费数据,设计并实现了交通流预测系统,实现对预测结果和交通数据的可视化展示,用户通过对算法模型进行相应的参数设置,就可以完成交通流预测工作。
[博士论文] 唐宋
计算机应用技术 电子科技大学 2017(学位年度)
摘要:目标识别是计算机视觉领域中的一个基础问题,它的核心任务是将不同类别的图像彼此分开(即分类问题),或者从给定的图片中,找到目标物体的准确位置(即检测问题)。经典的目标识别问题假设训练场景和测试场景所服从概率分布相同。但是,在真实应用场景中,这一条件有时并不满足,于是,经常会出现这样的情况:当训练好的分类器或者检测器被应用到一个新的场景时,其性能会迅速下降。对于这一问题,目前采用基于迁移学习的目标识别方法加以解决。近年来,针对这类方法的研究日益受到关注,虽取得了一些成果,但还存在诸多不足,离实际应用也有较大差距。
  本文主要围绕“域自适应目标分类”和“域自适应目标检测”两个基本主题,展开相关研究,针对现有方法所存在问题,提出相应解决方案。对于现有域自适应目标分类方法,其主要问题是:样本本身所构成的流形结构没有被充分利用。针对该问题,本文从特征表达鲁棒性的角度出发,研究如何有效利用样本流形结构,实现鲁棒的特征编码。而对于现有域自适应目标检测方法,其主要问题是:算法对源样本和带标签目标域样本存在依赖。针对该问题,围绕着行人检测这一具体应用,本文从分类器回归、自适应分类器调整和自适应特征调控这三个角度,分别进行研究。本文的主要内容如下:
  1)提出一种基于协同特征的多类别线性分类算法。首先,按照类别依次排列的方式,将所有源样本构成字典;然后,结合该字典和目标样本的最近邻几何结构信息,实现对样本的编码;最后,利用最近邻分类器完成分类。为了进一步讨论目标样本邻域信息对特征表达的影响,我们还提出了两种新的特征,它们分别融合了目标样本局部近邻信息和目标样本自适应局部近邻信息。
  2)提出了一种基于分类器回归的迁移方法,应用于行人检测问题。首先,为回归过程生成训练数据:a)利用ESVM方法为每个源样本生成相应的样例分类器,并将其作为回归标签数据;b)提出一个自编码器神经网络方法,利用其中的编码器对回归标签数据进行降维。然后,为了回归低维回归标签数据,提出了一种由多个子网络构成的两阶段回归网络。在检测时,由回归网络得到的预测值需利用自编码器中的解码器,将其还原到原始空间,并作为测试样本对应的样例分类器来实现分类。
  3)提出一种基于自适应分类器调整的迁移方法,应用于行人检测问题。首先,为了实现分类器自适应调整,提出了一种基于单层感知机的动态分类器。该分类器位于卷积神经网络的最后一层,其模型参数以加权的方式进行调整,而加权值由另一个控制网络预测生成。通过这种方式,该混合网络为每一个目标域样本生成专有的分类器。然后,为了取得更好的泛化效果,设计了新的目标函数。该函数包含两个新的正则化项:一个是基于预测权值稀疏性的约束;另一个是对动态分类器一阶导数的约束,该约束保证动态分类器仅对困难样本敏感。最后,给出了该混合网络的训练算法。在训练过程中,为了避免调控网络梯度消失问题,提出了相应的学习率控制技术。
  4)提出一种基于自适应特征调控的迁移方法,应用于行人检测问题。首先,为了让卷积神经网络自适应地为每个测试样本生成合乎目标场景概率分布的深度特征,提出了一种新的动态池化层,该层通过加权的方式对深度卷积部分所产生的特征实现调控,而且,该层中的池化参数值是由另一网络预测生成。然后,为了训练由受控卷积网络和控制网络所构成的混合网络,提出了包含稀疏约束的目标函数,并在此基础上,提出了针对该混合网络的训练算法。
[硕士论文] 董梦雪
应用数学 电子科技大学 2017(学位年度)
摘要:神经网络已成功用到各个领域,如信号处理、模式识别、联想记忆控制和其他领域。因此研究神经网络系统的稳定性具有重要意义和研究价值。在现实中,时滞系统是经常出现在神经网络系统中,其中时间延迟往往是不稳定和振荡的来源。
  本文主要对一类带有时变时滞神经网络进行性态分析,基于泛函微分方程和Lypunov稳定性定理论讨论了两类不同的神经网络模型,得到了下面研究成果:
  首先讨论了带有时变时滞和随机扰动的脉冲神经网络的无源性问题,在神经元激活函数和时变时滞的条件下,通过构造全新的Lyapunov-krasovskii泛函,灵巧的应用矩阵不等式等方法,提出了一些新的时滞依赖的无源性条件。这些无源性条件是根据矩阵不等式提出的,这可以很容易的通过标准的数学软件验证,得出了在一定条件下带有时变时滞和随机扰动的脉冲神经网络是无源的,这个结果也可以拓展到其它具有脉冲干扰的更复杂的神经网络系统中。
  其次研究了一类具有时变时滞的随机扰动神经网络系统的指数无源性问题,通过构造全新的Lyapunov-krasovskii泛函,应用矩阵不等式等方法,得到了带有时变时滞和不定项的随机神经网络的指数无源性的条件。然后将结果推广到两种类型的不确定性:时变参数不确定性和不确定性的马尔可夫切换型,得到指数无源性成立的条件,值得一提的是,马尔可夫切换的随机神经网络的指数无源性包含无马尔可夫切换的神经网络作为特殊情况,最后结果的可行性可以通过两个数值例子来进行检验。
[硕士论文] 蒋涛
计算机应用技术 电子科技大学 2017(学位年度)
摘要:近几十年来,随着医学成像设备的飞速发展和普及应用,医学图像数据呈爆炸式增涨,如何高效而准确地进行医学图像分析成为一大挑战。另一方面,在电子信息技术的驱动下,利用计算机技术辅助医学图像分析,不但可以提高放射医师分析诊断的效率,还能提高其精度。因此,计算机辅助检测和诊断正成为一个受到越来越多关注的交叉研究领域。近年来,深度学习技术在图像识别、目标检测等领域取得了很大的成功,并开始被应用到医学图像分析中。
  本文的研究内容是利用深度学习技术对医学图像中的病变组织进行自动检测,主要包括两种应用,一种是对胸片肺结节的识别,另一种是对CT腹腔肿大淋巴结的识别。由于深度学习网络包含大量的参数,在训练时往往需要大量的标签数据,而医学图像领域通常存在着标签数据少的问题。本文采用两种思路来解决这一问题,第一种是利用非监督的特征学习方法自动地学习出反应病变形态的特征,另一种是利用基于深度学习的迁徙学习方法,把从别的领域大量标签数据上训练的深度网络应用到医学图像上。本文的主要贡献如下:
  (1)设计了一个胸片肺结节的自动识别算法,该方法利用卷积稀疏编码自动地学习和抽取结节的特征,该特征能达到与传统特征相当的分类精度,并把它和传统图像特征融合进一步提高分类精度。
  (2)针对CT腹腔肿大淋巴结的检测,本文设计了一个基于堆砌卷积自编码的淋巴结识别算法,此模型首先用全部的数据样本采用无监督的方式训练得到编码模型,然后再使用少量标签样本有监督地训练得到最终的分类器。
  (3)本文还提出了一种基于深度迁移学习的淋巴结识别算法,首先利用大量的自然场景图像数据(ImageNet)训练深度神经网络,然后再利用标记的CT淋巴结图像数据对该网络进行微调得到最终的分类器。
[硕士论文] 范翔翔
控制工程 扬州大学 2017(学位年度)
摘要:由于干扰普遍存在于实际应用当中,因此干扰的抑制和抵消问题一直是控制工程领域研究的热点。近些年来,基于干扰观测器控制(DOBC)的理论受到学者们广泛关注和大量研究,并成功在许多工程系统中应用。尽管如此,外部干扰的建模问题仍然是DOBC理论研究的一个难题,尤其是针对那些非线性不规则干扰。本文基于DOBC策略,结合T-S模糊模型的非线性建模能力,提出了一种新型干扰建模方法,并针对几类在干扰作用下的复杂系统给出了相应的干扰观测器和复合控制器设计方案。本文的主要研究内容如下:
  (1)研究了一类具有未知干扰和非线性动态的MIMO系统的抗干扰控制及动态跟踪问题。不同于现有的DOBC方法,首次利用T-S模糊模型描述非线性干扰,并分别在非线性动态已知和未知两种情况下,基于T-S模糊干扰模型设计干扰观测器对干扰进行估计。通过结合干扰估计和PI控制输入,基于凸优化理论设计复合控制器,实现对干扰的有效估计和抑制,同时保证系统稳定及跟踪误差收敛到零。最后,针对A4D飞行器动态模型,分别在T-S模糊模型描述的三种典型非线性干扰作用下仿真,良好的仿真结果验证了所提方法的有效性。
  (2)研究了DOBC控制框架下一类具有输入饱和约束和非线性动态的不确定系统抗干扰及动态跟踪控制问题。利用T-S模糊模型描述复杂非线性干扰,并针对系统非线性动态已知和未知的情况分别设计相应的干扰观测器。结合干扰估计和PI控制输入,并利用凸包表示饱和线性反馈,设计复合抗干扰控制器保证闭环系统的稳定性和良好的跟踪性能。同时,利用Lyapunov水平集给出了吸引域估计。
  (3)提出了具有参数不确定性和未知干扰的T-S模糊系统抗干扰跟踪控制策略。外部干扰由T-S模糊模型描述,在此框架下设计复合观测器同时估计系统状态和干扰。结合PI控制算法以及系统状态和干扰的估计值,设计复合控制器保证系统具有良好的稳定性、跟踪性能以及干扰估计和抑制性能。
  (4)研究了具有不匹配干扰的小型无人直升机偏航通道动态的干扰估计和抵消问题。在利用T-S模糊模型描述非线性干扰的基础上,结合状态反馈控制律、干扰观测器以及合适的干扰补偿器,设计复合控制输入在系统的输出通道抑制不匹配干扰的影响。通过线性矩阵不等式优化算法可以保证良好的控制性能。基于偏航通道系统动态的仿真最终验证了所提抗干扰算法的可行性和有效性。
[博士论文] 邬开俊
交通信息工程及控制 兰州交通大学 2017(学位年度)
摘要:人体神经系统是由数十亿的神经元构成的极为复杂的系统,是人体生理机能重要的调节机构,能够使机体成为完整的统一体并且保持机体内外环境的平衡,从而维持各种机能活动的稳定与协调。神经元是神经系统中最基本的结构和功能单位,是大脑的基本工作单元,在神经系统中担负着传递信息的重要职责,具有感受刺激和传导兴奋的功能。神经元在信息编码以及放电活动过程中存在十分复杂的非线性动力学行为,单纯利用统计方法以及传统的线性观点已无法解释发生的实验现象,同时对实验结果的描述亦无法满足神经科学的要求。神经动力学是神经科学和非线性动力学的相互结合,神经元的放电形式的研究是神经科学和非线性科学交叉的前沿课题,随着神经科学、神经工程形态学和非线性动力学学科理论的不断发展,运用非线性动力学的理论与方法,了解神经系统信息的产生机制和传导过程,计算神经模型中参数变化以及外界刺激对神经动力学行为的影响,研究耦合神经元的混沌同步问题,不仅可以指导实验去研究增强或消除同步的方法,也有助于揭示大脑的存储和编码机制,对混沌保密信息传输有着非常重要的意义。
  本文以Hindmarsh-Rose神经元为研究对象,运用改进后的Hindmarsh-Rose神经元数学模型,在数值计算的基础上,通过采用单参数分岔图、双参数分岔图、相平面图以及Lyapunov指数图,详细的分析了Hindmarsh-Rose神经元模型在不同参数变化时的动力学特性,得到了系统的周期运动、混沌运动,同时分析了Hindmarsh-Rose神经元模型在不同参数下的放电状态,并添加适当的直流电流,分析直流电流对Hindmarsh-Rose神经元模型的放电活动的影响。并且,本文建立了两个耦合Hindmarsh-Rose神经元组成的数学模型,分别研究了电突触耦合和化学突触耦合神经元的放电模式及同步行为,将时滞和噪声以及两者同时存在时对耦合同步造成的影响进行了分析,并利用Hindmarsh-Rose神经元模型的多模态性特征设计了一种非线性自适应控制器,通过理论分析和仿真结果证明了所设计控制器的可行性和有效性,从而有效实现信息的保密传输。本文的主要工作如下:
  首先,通过C语言编程、Grapher仿真,对模型进行计算仿真,从单参数分岔图、双参数分岔图、时间响应图和相平面图,分析不同参数取值对Hindmarsh-Rose神经元模型动力学行为的影响。研究结果表明,从双参数分岔图中可以很容易的观察到神经元放电模型中经常出现的倍周期、伴随混沌的加周期、没有混沌出现的加周期以及阵发混沌现象(周期和混沌间歇发生的现象)。而且双参数分岔图是由很多单参数分岔图组合构成,即双参数分岔图的横向或者纵向截面都是其中一个参数不变,另一参数为变量的单参数分岔图。从双参数分岔图还容易看出系统在两种参数组合下的放电状态,且对应的两参变量的数值,这为研究神经元模型的参数取值对应的动力学行为提供很多方便之处。
  其次,在数值计算方法的基础上,采用峰峰间期分岔图、时间响应图、相平面图、双参数分岔图研究Hindmarsh-Rose神经元模型在直流电流下的动力学特性。研究结果表明,从双参数分岔图可以更清晰直观的观察到神经元放电模型中出现的加周期分岔、倍周期分岔以及阵发间歇混沌现象,并且从双参数分岔图中还可以发现加入直流电流并不改变Hindmarsh-Rose神经元模型的分岔结构,但可以改变该模型产生各种动力学特性的参数取值的区间,这为研究外界刺激来改变神经元系统的动力学行为提供理论基础。
  再次,本文分别建立了具有电突触耦合和化学突触耦合的Hindmarsh-Rose神经元模型,研究了耦合神经元的基本现象,观察系统的发放电活动以及系统同步的变化情况,并将时滞和噪声以及两者同时存在时对耦合神经元系统造成的影响分别进行了分析。研究发现,适当的时滞与噪声,可以促使非同步的电突触耦合Hindmarsh-Rose神经元系统发生同步行为,诱发耦合神经元同步的发生。同时还发现,适当的添加Gauss白噪声也可以诱发化学突触耦合同步的发生,而适当的时滞,可以消除化学耦合同步的发生,使其变为非同步状态,这为用线性动力学的理论与方法研究神经系统同步的产生机理以及耦合神经元混沌同步的控制提供了重要的理论指导,并且对神经形态工程学和非线性动力学的研究和发展都有巨大的推动作用。
  最后,运用Lyapunov稳定性定理,设计了带有自适应控制同步的模型系统,该系统利用混沌信号的伪随机特性,把需要传输的信号隐藏在看似杂乱的混沌信号中,在输入端把小的输入信号叠加在混沌信号中,接收端用一个同步的混沌信号解调出有用信息,该系统能够根据神经元模型初始值的不同,动态的调整控制器的取值,使得两耦合HR神经元系统可以较好的处于同步状态,具有很好的稳定性与自适应性。本文将该控制器应用到保密信息传输中,仿真结果验证了所设计控制器的可行性和有效性,能够很好的实现保密信息的传输。
[硕士论文] 夏贤康
交通运输工程 兰州交通大学 2017(学位年度)
摘要:随着社会不断发展,生产力不断进步,仓储管理越来越成为人们关注的焦点。作为一个独立的生产制造企业,为了更好的发展,必须摒弃陈旧的管理观念,积极引进新技术、新思想,改变仓储现状,最大限度的压缩货物在仓库的停留时间,从而达到节约成本,增加企业收益的效果。本文根据A公司仓储中心的实际情况,将现场调研和理论充分结合,运用大数据的观念建立“云仓储”的管理平台,并对货位优化和拣选路径优化建立数学模型,使用多种群遗传算法和遗传算法分别对各自优化模型进行求解,希望为企业的进一步优化决策提供建议。论文的主要内容包括以下几个方面:
  (1)分析了论文的研究背景和意义,分别从货位优化和拣货路径优化两个方面介绍了国内外研究现状以及亟待继续研究的问题和方向。以此为基础确定了本文研究主要内容和研究方法思路。
  (2)介绍了大数据、货位优化和拣货路径优化这三方面的相关理论,着重对遗传算法作了详细介绍。然后分析了A公司仓储中心管理现状,为后文解决实际问题建立优化模型以及算法设计提供理论基础和依据。
  (3)根据大数据的理论对仓储中心建立“云仓储”管理平台,对各项业务操作进行优化整合。然后建立多目标货位优化模型,并使用RS分析方法对指标赋权。最后根据多种群遗传算法步骤设计优化模型求解过程,并通过MATLAB软件仿真计算,得到更加合理的货位设置,同时验证了模型可靠性。
  (4)根据A公司仓储拣选作业实际情况及拣选路径优化目标建立了仓储中心拣选路径优化模型。利用S-shape策略法、最大间隙法和遗传算法对拣选路径问题进行分析和优化求解,并采用MATLAB软件对优化模型进行仿真设计,得到优化后的拣选作业行走距离。通过对三种优化方法优化后的行走路程进行对比分析,基本达到拣选路径优化的目标。
[硕士论文] 闻佳
电力系统及其自动化 兰州交通大学 2017(学位年度)
摘要:神经元是构成神经系统的基本单元,其主要功能是接收、整理和传递神经信息;突触是实现神经元与神经元之间信息传递的重要结构。神经冲动的传导与传递是研究神经系统功能的重要方面。本文主要以神经元与化学突触构成的神经元网络为研究对象。采用具有生物神经元电生理特性的Hodkgin-Huxley模型作为神经元数学模型,采用兴奋的Rab ino vich模型作为突触得数学模型,对规则的神经元链网络与神经元环网络进行仿真模拟和硬件实现。具体包含如下内容:
  (1)神经元网络基础及其数学模型。主要介绍神经元与突触相关的基础知识。对神经回路与小型神经元网络的关系进行详细阐述。对神经电信号在神经元网络中的产生与传播以及神经元细胞膜两侧电位的分类进行说明。概括现在建模主要采用的神经元模型以及突触模型。
  (2)神经元网络的仿真模拟研究。对HH神经元模型与Rabinovich突触模型组成的辐散神经元网络、聚合神经元网络、神经元链网络与神经元环网络进行仿真模拟。研究突触耦合强度对神经电信号的辐散传播的影响,聚合作用对神经元动作电位的影响;采用不同的刺激电流对神经元链网络和神经元环网络进行刺激,探索在不同刺激下,神经电信号在神经元网络中的传播机制,并对DSP Builder与simulink软件仿真的一致性进行验证。
  (3)神经元网络的硬件实现。运用FPGA(Field Programmable Gate Array,现场可编程门阵列)对HH神经元模型与Rabinovich突触模型组成的神经元链网络与神经元环网络进行硬件实现。依据仿真描述的神经元网络,运用QUARTUSⅡ软件结合DSP Builder技术,完成神经元链网络与神经元环网络的FPGA硬件实现。对神经元网络硬件施加不同的电流刺激,得到神经元网络的硬件实现结果。对比神经元网络的硬件实现结果与仿真模拟结果,对硬件实现具有生物神经元电生理特性的神经元网络的正确性进行验证。
[硕士论文] 张君
控制科学与工程 西安石油大学 2017(学位年度)
摘要:焊缝缺陷的识别是检测焊件质量的关键环节,有效地检测出焊缝缺陷保证焊缝的质量,对于安全生产具有十分重大的意义。传统的缺陷检测,主要依靠人工评片,该方法主观性强,受检测人员的专业素质影响较大,自动化水平低,易产生较多的误判和漏判;随着计算机技术以及电子技术的迅速发展,使得基于图像处理的计算机辅助评片技术成为可能,计算机评片技术则大大减轻了评片人员的工作量,提高了工作效率,使评片过程更加科学和规范,但是,由于焊缝图像在输入计算机时噪声过多、缺陷边缘模糊和对比度低等缺点,给缺陷信息的正确提取、分割和识别带来了很大的困难。
  研究以埋弧焊焊缝的X射线检测图像为对象,针对焊缝区域中可能存在的气孔、裂纹等缺陷,通过图像处理、特征提取和神经网络识别完成了焊缝缺陷识别。首先,通过图像去噪、图像增强、图像分割和图像边缘检测算法在整幅图像中找到焊缝边界。其次通过分析行列灰度曲线的分布情况对焊缝缺陷的位置进行定位。再次,采用7类几何特征和形状特征对缺陷进行描述,建立相应的特征描述向量,并采用主成分分析(Principal Component Analysis,PCA)和核主成分分析(Kernel Principal Component Analysis,KPCA)方法对其进行主元分析。最后,分别以原始数据和得到的主元特征量为系统输入,针对气孔和裂纹2类缺陷,研究了基于神经网络的焊缝缺陷识别算法。研究表明,对特征选择后的数据利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现分类器性能的提高。仿真结果,在对数据进行特征提取的能力上,核主成分分析提取的主元比主成分分析提取的主元减少1个,显示核主成分分析优于主成分分析;在对焊缝缺陷识别的效果上,RBF神经网络的分类正确率比BP神经网络高于0.72个百分点,显示RBF神经网络优于BP神经网络。
[硕士论文] 任峰
控制科学与工程 西安石油大学 2017(学位年度)
摘要:运动装置一般由驱动装置、传动系统和执行装置构成。其中驱动装置作为运动装置的核心,也是运动装置控制系统的控制对象,现多由交流电机构成。传统的运动装置控制系统主要由传感系统、控制器、输入设备和显示设备等部分构成,其普遍存在着前期布线困难、后期维护成本较高、通信距离有限,以及不便于携带和移动等特点。随着智能移动终端和无线通信技术的飞速发展,人们对控制系统的要求越来越多样化。Android智能终端设备基于Linux内核和开源的特性,具有良好的可触摸的可视化界面、操作简单、反应迅速等优点,开始在智能家居、无人机领域作为移动控制终端得到推广应用。
  本文在实验室研发的交流调速器的基础上,基于蓝牙无线通信技术和 Android智能移动终端的APP技术,设计完成了一套无线控制系统用于交流电机驱动的运动装置。整个控制系统由交流调速器、本地的人机交互单元和Android智能终端的APP端三个部分构成。论文在对相关基础理论技术进行了深入了解后,通过对系统结构和功能的需求分析,以STM32F103ZET6处理器作为硬件平台,完成了人机交互单元的硬件电路开发和软件程序设计,同时基于Eclipse开发工具完成了Android智能终端的APP的设计和开发。在完成了上述硬件和软件开发基础上,将APP安装至对应的Android设备,对整个无线控制系统进行测试,经过测试,系统基本实现了预期的功能,达到了无线监控运动装置状态的目标。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部