图像分割的自适应K均值聚类算法研究

使用K均值聚类算法完成对图像的分割是一种常见的分割技术,针对传统的K均值聚类算法的不足,提出了使用直方图波形的有效波峰个数自适应确定K值的大小,实验结果表明,该方法简单、灵活、容易实现,并能取得较好的结果。     

自适应学习系统中双向适应交互评价实证研究

随着信息技术的快速发展,网络学习已经成为人们生活中不可或缺的一种学习方式。以实现网络个性化学习为目标的自适应学习系统成为提高网络学习质量的重要研究课题。然而目前大多数自适应学习系统仅具有单向适应能力,即实现了系统根据用户特性适应性向学习者呈现学习资源、过程和策略的功能。尽管这种功能有助于解决学习者认知超载和网络迷航问题,一定程度上提高了学习效率,但学习者在此系统中是一种被动学习,不利于培养学习者自主学习能力和创新能力,也不利于促进学习者对知识的主动建构,还容易使学习者产生惰性。因此,应该充分考虑学习者和系统之间的主客体关系,在自适应学习系统中建立双向适应交互,即用户主动选择资源的适应性交互和系统主动推送资源的自适应交互。双向适应交互最为关键的是用户模型,而认知风格是用户模型中影响学习者个体差异的一个重要元素。从学习效率和使用感受两个层面实证评价双向适应交互性,以及认知风格对其的影响发现:采用自适应学习方式,学习者具有更积极的学习态度,能够取得更好的学习绩效;但认知风格会影响到自适应学习和适应性学习的绩效。     

简述均衡器与录音艺术

录音艺术是一门比较复杂的学科,既有技术性也有艺术性,它要经常和一大堆机器设备打交道,涉及到计算机、电声学及物理学等学科,同时还要具有很高的艺术性,如音乐审美、音响审美。一个好的录音师既要懂得理工科知识,又要有扎实的艺术鉴赏能力。如果录音师只追求艺术感觉,而对录音设备操作非常不熟练,或只会操纵设备没有一定的艺术修养都不会有好的作品产生。在录音诸多技术中如何使用均衡     

基于改进小生境遗传算法的自适应组卷系统

针对传统基于简单遗传算法的组卷系统收敛速度慢,组卷质量较差等缺陷,设计一种基于改进小生境遗传算法的自适应组卷系统。首先依照组卷约束权重比,生成适应度值较高的初始种群．其次对选择策略进行优化。引入小生境预选机制以维持种群多样性,防止过早收敛。再次根据组卷特点改进交叉算子和变异算子,根据种群进化情况,自动调整交叉概率和变异概率。最后经过若干迭代后达到终止条件,以自适应方式生成目标试卷。实验结果证明,与简单遗传算法相比,改进的遗传算法在收敛速度和组卷质量上均有显著的提高。     

基于MediaQueries的精品课程网站重构研究

精品课程是网络教学资源的重要组成部分,而构建适合于智能移动客户端访问的精品课程资源不仅是对现有精品课程的提升与扩展,同时也是M-Learning的理念之体现。针对现有精品课程网站是重新建设还是进行重构这个问题,提出了一个重构原则。并对重构原理及技术实现进行了详细分析,提出采用MediaQueries来实现。     

自适应Memetic算法

在处理多峰函数的优化问题时,遗传算法局部搜索能力差,并且容易早熟。针对这种问题,将遗传算法与多种局部搜索算法相结合,形成多种Memetic算法。通过进行数值优化实验,发现算法的优化效率有所提高,但是局部搜索算法的不同对优化性能影响很大。为解决这种问题,在传统Memetic算法的基础上提出了一种使每代个体根据局部搜索算法的搜索效率自适应选取局部搜索算法的Memetic算法,即基于离散度的自适应Memetic算法。通过测试函数测试,这种算法具有更高的效率和更强的通用性。     

永磁同步电机自适应反步滑模控制

为了提高永磁同步电机的控制性能,避免电机参数的时变性以及外部负载变化对系统的影响,提出了一种自适应反步滑模的永磁同步电机速度跟踪控制方法。对定子电阻、转子磁链和负载转矩进行实时估计,在保证系统稳定性的前提下,推导出了控制律和参数自适应律,从而实现电机转速的非线性控制。为了消除速度跟踪的残留误差,在系统输入端引入了电机转速误差积分项。最后通过仿真证明了本文所提方法的有效性和正确性。     

超椭圆颗粒群绕流的二维数值模拟及结果分析

采用有限体积法和自适应网格技术,对超椭圆颗粒群在粘性、不可压流场中的绕流过程进行了数值模拟。在3≤Re≤200, 0.303≤k≤0.836 and 2≤n≤5的工况下,研究了雷诺数(Re)、孔隙率(k)和形状指数(n)对颗粒群绕流过程中的流动特性(流线分布和速度矢量)、阻力特性(阻力系数C_d)和传热特性(平均努塞尔数Nu)的影响。结果表明,随着Re从3增大至200,超椭圆颗粒群中的C_d逐渐减小,而Nu逐渐增大。同样,随着k的增大,C_d先急剧减小,当k超过某一临界值时,C_d趋于稳定,而Nu逐始终随k的增大而增大。此外,无论n如何变化,e始终与k呈正相关,并在n=2时达到最大值。     

基于变分模态分解的单通道信号盲源分离方法

针对单通道情况下传统盲源分离方法难以恢复源信号的问题,提出一种基于变分模态分解(VMD)的单通道信号盲源分离方法。首先对单通道信号进行变分模态分解(VMD)获得一系列本征模态函数(IMF)分量,将单通道信号和其IMF分量构成多维信号,然后采用主成分分析法估计源数,依据估计的源信号数目重组多通道观测信号,最后利用改进的变步长等变自适应分离(VSEASI)算法实现信号的盲分离。将所提出方法应用于齿轮和轴承的单通道信号仿真研究,仿真结果表明,该方法能够有效地分离出齿轮和轴承信号,解决了单通道信号盲源分离问题。