融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验和理论证明的基础上，提出了一种逐层演化的改进策略.利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精度的提升、避免早熟问题的出现.对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良好的表现

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法.首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值.对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高

一、面向对象编程基础 二、类和对象的定义 三、属性、方法和事件 四、类的封装及作用域 五、继承与多态 六、抽象类 七、运行时类型信息

采用改进的悬浮聚合法制备磁性聚苯乙烯微球.利用扫描电子显微镜和振动样品磁强计对所合成磁性微球的尺寸和磁性能进行分析表征.采用巨磁阻生物传感器检测磁性微球的数量.结果表明:磁性微球粒径大小为0.5~50μm,比饱和磁化强度为4.56 A·m2·kg-1.巨磁阻生物传感器对磁性聚苯乙烯微球数量具有很好的可检测性.在一定的范围内,随着磁性微球数量的增多,传感器的输出信号增强.在磁性微球一定数量的情况下,随着磁性微球粒径的增大,传感器的电阻变化量先增大后减小

1. 报表的功能 报表是Access数据库的对象之一，其主要作用是比较和汇总数据，显示经过格式化且分组的 信息，并将它们打印出来。报表可以对记录排序和分组，但不能添加、删除或修改数据库中 的数据

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义

内部股（非上市招股） private company shares 牛市 bull market 法律风险 legal risk 风险管理 risk management 坚持严格的贷款标准 maintain strong underwriting standards 六大风险 risks in 6 key areas (U.S. Federal Reserve criterion) 信用风险 credit risk

13.1 非正弦周期信号 13.2 周期函数分解为傅里叶级数 13.3 有效值、平均值和平均功率 13.4 非正弦周期电流电路的计算 13.5 对称三相电路中的高次谐波

研究了基于比例、积分和微分控制分量非线性方法合成的非线性PID智能控制器.该PID控制器将比例、积分和微分控制分量分别用三角函数表示为误差信号的非线性函数,并通过三个独立的非线性函数构造合成PID控制器.通过在线调整三个独立非线性函数的权值系数,使该控制器实现不依赖于非线性对象模型的智能控制.仿真结果表明该控制器具有优异的非线性控制性能