针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

5.1 最优性条件 5.2 最速下降法 5.3 Newton法及其修正 5.4 共轭梯度法 5.5 变尺度法 5.6 直接算法

§1 基本概念 §2 输入过程与服务时间的分布 §3 生灭过程 §4 M / M /s 等待制排队模型 §5 M / M / s/ s 损失制排队模型 §6 M / M / s 混合制排队模型 §7 其它排队模型简介 §8 排队系统的优化 §9 产生给定分布的随机数的方法 §10 排队模型的计算机模拟

一般地，线性搜索算法分成两个阶段： 第一阶段确定包含理想的步长因子（或问题最优解）的搜索区间； 第二阶段采用某种分割技术或插值方法缩小这个区间

3.1 搜索算法结构 3.2 搜索区间的确定 3.3 区间消去法－黄金分割法 3.4 二分法 3.5 多项式近似法－二次插值法

曲线和曲面是计算机图形学中重要的研究内 容之一,在实际工作中有广泛的应用。实验、 统计数据的表示,设计、分析和优化的结果显 示,以及汽车、飞机的外型设计都需要用到曲 线和曲面的知识。本章主要介绍曲线和曲面的 基础知识、常用曲线、曲面的数学基础、性质 和分析,并且通过实验对所涉及到的算法进行 程序设计

如何制定一个合理的进度计划? 一、掌握在WBS字典的基础上,列出活动关 系顺序表。 二、熟练掌握绘制单代号或者双代号图方法, 利用穷举法或计算法找出关键路。 三、熟练掌握将网络图转换成甘特图。 四、初步掌握时间资源优化思路与标准

第四章动态规划 4.1一般方法 1.多阶段决策问题 多阶段决策过程:问题的活动过程分为若干相互联系的阶段,任一阶段i以后的行为仅依赖于i阶段的过程状态,而与i阶段之前的过程如何达到这种状态的方式无关。在每一个阶段都要做出决策,这决策过程称为多阶段决策过程(multistep decision process)。最优化问题:问题的每一阶段可能有多种可供选择的决策,必须从中选择一种决策。各阶段的决策构成一个决策序列。决策序列不同,所导致的问题的结果可能不同

第五章结构化程序设计概论 学习目标 1.熟悉数据的基本概念,掌握数据的表示方法 2.熟悉代码的基本概念,掌握代码的控制方法 3.熟悉算法的基本概念,了解算法、程序与代码的关系 4.掌握结构化程序设计的一般方法 5.了解问题规模与程序控制结构之间的关系 6.掌握程序测试的基本方法与手段 7.了解代码优化的基本策略

针对由于焊接残余应力、磁场噪声等干扰,造成磁记忆检测在焊缝早期隐性损伤位置定量评价上的困难,提出基于粒子群算法优化的最大似然估计磁记忆梯度定量模型.通过对预制未焊透缺陷的Q235焊接试件进行焊缝疲劳拉伸实验,同步对比扫描电镜和X射线检测结果,发现磁记忆信号梯度对早期隐性损伤位置反应比较敏感,并获得了梯度随着与隐性损伤的距离增大而减小的衰减变化规律,构建隐性损伤位置参数与磁记忆梯度的非线性函数,考虑磁场噪声对隐性损伤定位结果的影响,引入最大似然估计建立目标函数,进一步考虑目标函数的非线性容易陷入局部极值而非全局极值的问题,采用具有全局搜索能力的粒子群算法对目标函数进行优化,建立基于粒子群最大似然估计的焊缝隐性损伤位置磁记忆定量模型,验证结果表明定位误差仅为3.48%,为实际工程中利用磁记忆技术及时发现早期隐性损伤并精确定位提供了新的思路