人教A版高中数学必修4第二章 平面向量2.2 平面向量的线性运算课件(5)

人教A版高中数学必修4第二章 平面向量2.2 平面向量的线性运算课件(3)

人教A版高中数学必修4第二章 平面向量2.2 平面向量的线性运算课件(1)

人教A版高中数学必修4第二章 平面向量2.2 平面向量的线性运算教案(3)

根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法

6.1.1 特征值与特征向量的基本概念 6.1.2 特征值与特征向量的求法 6.1.3 特征值与特征向量的性质

人教A版高中数学必修4第二章 平面向量2.2 平面向量的线性运算教案(1)

针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的三种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的三种故障,且具有很高的故障诊断正确率

人教A版高中数学必修4第二章 平面向量2.2 平面向量的线性运算导学案(4)

提出了从带钢板形数据中提取典型板形缺陷向量的方法，即先对带钢板形缺陷进行初级分类，再根据带钢应力之间的相似度提取出单位典型板形向量，最后采用k均值聚类算法求解出典型比值系数.针对提取出的带钢单位典型板形向量而设计出的单侧倒角工作辊，经过大规模的轧制试验，所轧宽带钢板形质量较好，综合平坦度均小于5 IU（1 IU=10-5），基本消除边中复合浪为主的复杂浪形缺陷