通过对多雷达扫描得到的高炉料面进行数据处理,根据数据的特征,分别采用模糊C均值聚类和特征加权模糊C均值聚类算法对料面数据进行分类,建立标准料面模型库.再通过模糊模式识别中贴近度的方法把待分类的目标料面与模型库相匹配,为后续的布料控制提供依据.该算法在某2500 m3高炉上进行了实验,取得良好的效果.仿真结果表明了其有效性

1排序 排序是数据处理中经常使用的一种重要运算,如何进行排序,特别是如何进行高效的 排序,是计算机应用中的重要课题。排序的对象一般是一组记录组成的文件,而记录则是 由若干数据项组成,其中的一项可用来标志一个记录,称为关键字项,该数据项的值称为 关键字 所谓排序,就是要整理文件中的记录,使得它按关键字递增(或递减)的次序排列起来

5.9城市及工程控制网平面点位精度的合理评定 5.9.1首级平面控制网中的绝对和相对点位精度 1、绝对点位误差和相对点位误差的初步概念 绝对点位误差:相对于起始数据 相对点位误差:相对网中与起始数据不同的基准

• 第一节 数据处理 • 第二节 数据组织 • 第三节 数据库技术 • 第四节 计算机网络 • 第五节 云计算技术

一、图像增强（去噪） 二、图像分割（边缘检测） 三、目标表达、识别、跟踪 四、图像匹配（数据融合） 五、压缩与编码（JPEG2000） 六、图像数据库 七、基于内容检索（手写体识别，人脸识别） 八、信息隐藏与数字水印

1、了解 Excel格式化的意义 2、掌握单元格格式化的不同方法 3、掌握文本格式化的方法 4、掌握数据格式化的方法 5、了解自定义格式化数据的方法和意义 6、掌握日期有格式化方法 7、掌握工作表套用格式和自定义格式化方法

第8章数据处理典型例题与综合练习 一、典型例题 1.重要特征数 例1设一组数据为78.2;88.2;79.3;80.5;83.4;81.2;76.3;86.5求这组数据的(1)均值;(2)中位数;(3)极差;(4)方差及标准差;(5)变异系

受探测环境制约，隧道超前地质预报过程中探地雷达反射波往往具有“弱信号，强干扰”的特征，给数据处理和解译带来极大的困难。将剪切变换（shearlet变换，ST）引入探地雷达信号处理，根据有效信号和干扰信号在剪切域中不同尺度、不同方向上的能量差异，提出一种基于自适应阀值的随机干扰去除方法，并通过正演模拟数据验证了该方法在随机干扰去除上的优势；在此基础上针对隧道超前地质预报中常见的能量接近、频率异常干扰信号，以实际数据为例说明小波变换（WT）对其去除效果；从而进一步提出小波变换与剪切变换联合干扰压制方法，即首先使用小波变换对异常频率干扰进行分离，然后采用基于自适应阀值的剪切变换对随机干扰进行压制。现场溶洞探测案例应用效果表明，本文所提出的方法能在去除干扰的同时很好地保留有效信号，根据处理后的波形堆积图可以很好地凸显地质异常区域，从而提高探地雷达资料解译精度

一、本节知识结构 二、误差的概念、分类与表示法 三、随机误差的统计规律 四、少量数据的统计处理 五、误差的传递 六、回归分析法 七、提高分析结果准确度的方法 八、有效数字

概述 定量分析误差的种类和来源 有效数字及运算法则 有限量实验数据的统计处理 可疑值的取舍