一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

孔子儒家的学习精神

孔子儒家主张学习与做人是一致的。"学而时习之"是孔子儒家学习精神的总纲,可以用自强不息、厚德载物总括之,分而言之则是十大学习精神:谋道不谋食,虚心敬慎,实事求是,坚韧不拔、积极向上,严己宽人,学为己,学以致用,仁民爱物,乐观自信,终身学习提高。     

微小狭缝肋矩形通道多目标优化

开展了矩形通道内微小狭缝肋的换热和流阻性能的多目标优化研究。选取缝宽、相邻缝间距、狭缝的前端面和后端面与壁面距离四个参数作为优化变量，采用非支配排序遗传算法（NSGA-Ⅱ）获得了Pareto最优解。分析了Pareto最优前沿面上四种优化方案下微小狭缝肋的流动和传热热特性。结果表明：优化后的微小狭缝肋的换热能力与实心肋相当，而流动阻力有所降低，肋壁的换热均匀性得到显著提高。     

基于高分辨率网络的单声道歌声分离

单声道歌声分离是指将单声道歌曲中的伴奏和歌声分离，在旋律提取、歌词识别、卡拉OK伴奏等方面有重要应用。针对当前时频谱图预测精度受限的问题，利用高分辨率网络具有并行结构及特征充分交互提高模型性能的优势，提出基于高分辨率网络的单声道歌声分离算法。设计并构建适合单声道歌声分离的高分辨率网络，输入歌曲的时频谱图到网络，得到预测的伴奏和歌声时频谱图。结合歌曲相位进行重构，得到伴奏和歌声的时域信号。实验表明，在公开数据集MIR-1K上，所提算法的SNR、SIR、SAR指标均优于当前代表性算法，提高了分离后伴奏和歌声的质量。      

华航大学生学习的现状

大学阶段是学生学习专业知识的开始,是掌握一技之长的重要时期。由于大学生的学习相对独立、内容多、进度快,而且学习与就业息息相关,所以需要学校认真研究大学生的学习,了解大学生学习中存在的问题,给予相应的指导。     

一种利用水下激光冲击处理涡轮叶片残余应力的方法

为提高涡轮叶片疲劳寿命,探索了一种利用水下激光冲击强化方法处理涡轮叶片残余应力的技术。利用波长532 nm、脉宽10 ns、能量1.2～1.5 J、光斑直径1.0 mm的YAG激光器,对涡轮叶片榫齿部位进行了激光冲击强化处理。结果表明,水下激光冲击强化方法能有效消除、调整机械加工残余应力。当激光功率密度大于2.5 GW/cm~2且小于7.5 GW/cm~2时,随着功率密度的增加,表面残余应力也相应增加;当功率密度大于10.0 GW/cm~2后,表面残余压应力随功率密度的增加而明显降低;功率密度等于7.5G W/cm~2时,表面残余应力为-419.5 MPa,为最佳。     

孔挤压强化对2124铝合金疲劳寿命及微观组织的影响

采用疲劳试验、透射电镜、扫描电镜及X射线衍射仪等方法研究了2124-T851铝合金厚板不同参数孔挤压强化后疲劳寿命与显微组织的变化。结果表明：孔挤压强化后试样的疲劳寿命先随挤压量的增大而升高，随后又迅速降低，挤压量为0.4 mm时疲劳寿命达到峰值，较未强化增加12.66倍；组织观察结果表明孔挤压强化后，在孔壁强化层内形成了位错胞状结构和残余压应力，并且随挤压量增大先迅速增加然后趋于平缓，强化层的形成可以有效延缓疲劳裂纹的扩展速率；同时，适当的孔挤压强化可改善表面粗糙度，降低裂纹萌生几率，从而提高材料的疲劳寿命。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。