点击切换搜索课件文库搜索结果(301)
文档格式:PPT 文档大小:390.5KB 文档页数:21
◼ 确定型有穷自动机(DFA) ◼ 非确定型有穷自动机(NFA) ◼ 带ε转移的NFA(ε-NFA) ◼ 用ε-NFA模拟右线性文法 ◼ 用右线性文法模拟DFA
文档格式:PDF 文档大小:572.38KB 文档页数:5
为解决强背景信号下冲击特征的提取问题,提出了一种自适应多尺度形态学分析方法.对于实际的待分析信号,分别定义长度尺度和高度尺度来确定多尺度形态学分析的结构元素,并基于信号的局部峰值实现自适应多尺度形态学分析.数值仿真实验分析表明,自适应多尺度形态学分析方法较单尺度形态学分析方法更利于提取信号的形态特征,避免了单尺度形态学分析在结构元素选择时的盲目性和对相关先验知识的依赖性.本文所提出的方法应用于轴承故障诊断,结果表明这种方法可以清晰地提取出各种特征信号
文档格式:PDF 文档大小:395.35KB 文档页数:5
以转炉除尘灰、高炉瓦斯灰和硫酸渣为含铁原料,制成CaO/SiO2值为2.0、C/O摩尔比为1.1~1.2的高碱度内配煤含铁团块,在1330~1380℃下进行自还原,研究这一过程的脱硫和脱磷规律.结果表明:(1)高碱度内配煤含铁团块自还原过程中,通过还原气化脱硫可去除20%~40%的硫,其余的硫绝大部分存在于渣中,并通过渣铁分离被去除,总脱硫率高于97%.(2)过量的CaO可以抑制脉石中的P2O5被碳还原,已被还原的磷一部分被新生态的金属铁吸收,另一部分从团块内部逸出而去除.脉石中未被还原的P2O5最终可通过渣铁分离被去除,总脱磷率达到50%~60%.(3)高碱度内配煤含铁团块高温自还原法可制备出低硫、低磷的\纯净\金属铁粒
文档格式:PPT 文档大小:862.5KB 文档页数:28
2021/2/20 结构抗震设计 4 §3-4多自由度弹性体系的地震反应 一、多质点和多自由度体系 二、两自由度弹性体系的自由振动 1、两自由度运动方程的建立 2、两自由度弹性体系的运动微分方程组 3、两自由度弹性体系的自由振动 三、多自由度弹性体系的自由振动 1、n自由度体系运动微分方程组 2、n自由度弹性体系的自由振动 四、振型分解法 1、两自由度体系振型分解法 2、n自由度体系振型分解法
文档格式:PDF 文档大小:474.49KB 文档页数:4
通过煤自然发火实验和松散煤体粒度与氧化自燃性关系实验,推算出煤自燃过程中一些特性参数的计算公式.根据多孔介质流体力学、传质和传热学理论,建立了松散煤体漏风流流场、氧浓度场和温度场的数学模型.通过实验和理论分析,建立了松散煤体自然发火的三维动态数学模型,分析了模型边界条件的确定方法,并采用有限差分法对二维模型进行了数值求解
文档格式:PDF 文档大小:599.26KB 文档页数:5
提出一种基于生物免疫系统克隆选择机理和免疫网络理论的免疫算法.该算法通过抗体的克隆选择和变异过程,完成对入侵抗原的清除,实现免疫防御的功能;利用免疫网络调节的思想选择抗体记忆细胞,完成知识的学习和积累,实现免疫自稳的功能;利用所建立的抗体记忆矩阵实现对类似入侵抗原的快速应答,行使免疫监视识别功能.该算法利用生物变异机制实现抗体的自适应调节,使系统具有自适应、自学习能力.在加热炉状态识别的应用研究表明,本文所提出的算法在解决数据识别方面具有较好的效果
文档格式:DOC 文档大小:652KB 文档页数:11
第二章第四节隐函数微分法 2-4隐函数与隐函数的导数 2-4-1隐函数求导 2-4-2隐函数存在性问题 辅导课事宜 班级 助教姓名助教住址助教电话 自21,自22,电机系(7) 计算机科学系(3),医学院(6)张靖|221412 62776299 13661167656 2自23,自24,其他系(5)张李军20-304 62775069
文档格式:PPT 文档大小:3.6MB 文档页数:61
学习环节 环节1一自学利用好文字教材、音像教材、CAI课件等教学资源进行自主学习,培养自我学习的能力。文字教材: ①主教材《计算机电路基础(1)》 ②实验教材《计算机电路基础(1)实验》 音像教材:14讲 CAI课件:《数字电子电路》CAI课件 参考书 《模拟电路与数字电路》自考教材 《模拟电路与数字电路同步辅导/同步训练》
文档格式:PDF 文档大小:458.62KB 文档页数:5
本文分析了冷连轧机张力厚控系统,表明该系统是时变动态系统,从而确定使用最小方差自校正调节器应用于该系统。对实际系统进行了辨识模型并在此基础上进行了仿真研究。结果表明了自校正调节器控制效果优于PID调节器,而渐消记忆的递推最小二乘法是一种较好的在线辨识算法。将自校正调节器应用于实际张力厚控系统,使得带铜厚差得到明显改善
文档格式:PDF 文档大小:449.4KB 文档页数:6
针对密度聚类算法对邻域参数设置敏感的问题,提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下,可以自适应地根据样本间距离关系确定邻域半径得到样本密度,并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性,同时提出一种新的模糊聚类有效性指标以判断最佳聚类数,消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验,发现本文算法在对数据进行聚类时,聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高
首页上页2021222324252627下页末页
热门关键字
搜索一下,找到相关课件或文库资源 301 个  
©2008-现在 cucdc.com 高等教育资讯网 版权所有