一、实验目的 1. 熟悉 THBDC-1 型 控制理论·计算机控制技术实验平台及“THBDC-1”软件的使用； 2. 熟悉各典型环节的阶跃响应特性及其电路模拟； 3. 测量各典型环节的阶跃响应曲线，并了解参数变化对其动态特性的影响。 二、实验设备 1. THBDC-1 型 控制理论·计算机控制技术实验平台； 2. PC 机一台(含“THBDC-1”软件)、USB 数据采集卡、37 针通信线 1 根、16 芯数据排线、USB 接口线； 三、实验内容 1. 设计并组建各典型环节的模拟电路； 2. 测量各典型环节的阶跃响应，并研究参数变化对其输出响应的影响； 四、实验原理 自控系统是由比例、积分、微分、惯性等环节按一定的关系组建而成。熟悉这些典型环节的结构及其对阶跃输入的响应，将对系统的设计和分析十分有益

模板 群体类 群体数据的组织

1. 图像数字化概念、数字化参数对图像质量的影响、 数字化器性能评价 2. 图像灰度直方图的基本概念、计算、 性质及其应用 3. 数字图像处理算法形式与数据结构 4. 图像图像文件格式与特征 目的： 1. 熟悉本章基本概念和图像处理算法形式，了解图像的特征； 2.重点掌握图像数字化图像灰度直方图的基本概念及应用、图像数据结构与特征

1. C语句概述 2. 赋值语句 3. 数据的输入输出 4. 字符数据的输入输出 5. 格式输入与输出 6. 顺序结构程序设计举例

作用域与可见性 对象的生存期 数据与函数 静态成员 友元 共享数据的保护 编译预处理命令 多文件结构和工程

野外工作是整个地震勘探中重要的基础工作。它的基本任务是采集地震数据。采集地震数据的质量直接关系到地震勘探的精度。本章主要介绍地震勘探野外工作中的一些基本概念。 一、试验工作 二、生产工作 三、干扰波调查的方法 四、干扰波的类型和特点

本章主要介绍数据与文字的表示方法，定点加/减法运算及加法器，定点乘法运算，定点除法运算，定点运算器的组成与结构，浮点运算方法和浮点运算器。 2．1 数据与文字的表示方法 2．2 定点数的加减法运算及加法器 2．3 定点乘法运算 2．4 定点除法运算 2．5定点运算器的组成与结构 2．6浮点运算方法和浮点运算器

• 10.1 可视化概述 • 10.2 可视化工具 • 10.3 可视化典型案例

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能