检索结果-内蒙古大学图书馆

机械设计与研究 2024年第1期40卷 84-91,96页

作者：赵一阳刘勋徐妍曹家彬闫维新上海交通大学机械与动力工程学院上海200240 东北林业大学计算机与控制工程学院哈尔滨150040

提出了一种面向工业机器人NURBS曲线的刀尖速度规划及高精度插补算法。基于传统的S速度规划,引入速度约束与时间约束的自适应算法;实现刀尖点运动学约束与关节运动学约束之间的解析映射;构建最大进给率、最大加速度约束预设值,在双向速... 详细信息

提出了一种面向工业机器人NURBS曲线的刀尖速度规划及高精度插补算法。基于传统的S速度规划,引入速度约束与时间约束的自适应算法;实现刀尖点运动学约束与关节运动学约束之间的解析映射;构建最大进给率、最大加速度约束预设值,在双向速度扫描中带入修正后的各约束及端点处的速度极值;采用了基于弧长参数化的补偿插补策略,解决累计误差问题;用平面S形路径对算法进行测试,验证了该方法的适用性和准确性。

关键词：进给速度规划工业机器人关节运动学约束 NURBS 双向速度扫描

来源：评论

学校读者我要写书评

暂无评论

一种改进XGboost的DoH流量分类方法

引用

哈尔滨理工大学学报 2023年第1期28卷 64-72页

作者：李博温雪岩徐克生赵永辉东北林业大学信息与计算机工程学院哈尔滨150040 国家林业局哈尔滨林业机械研究所哈尔滨150086

加密流量已经成为互联网中的主要流量,其分类问题一直是当前研究热点之一。针对当前网络中DoH(DNS-over-HTTPS)流量的准确识别,处理速度偏慢,检测效率不高的问题,提出了一种基于截断奇异值分解(truncated singular value decomposition,... 详细信息

加密流量已经成为互联网中的主要流量,其分类问题一直是当前研究热点之一。针对当前网络中DoH(DNS-over-HTTPS)流量的准确识别,处理速度偏慢,检测效率不高的问题,提出了一种基于截断奇异值分解(truncated singular value decomposition, TSVD)降维,贝叶斯优化方法改进的极限梯度提升树(improve extreme gradient boosting, IXGboost)的DoH流量分类方法。通过网络公开数据集,此方法将加密流量分为非DoH流量,良性DoH流量和恶意DoH流量。实验结果表明,其分类准确率达到了99%以上,处理每条数据的时间仅为0.3ms,进而证明所提方法有着较高的准确率和较强的实时性,提升了入侵检测性能,可有效实现对DoH流量的精确分类。

关键词：网络安全 DoH流量截断奇异值分解极限梯度提升树贝叶斯优化

来源：评论

学校读者我要写书评

暂无评论

林木果球采收机械臂动力学参数辨识及补偿

引用

森林工程 2023年第3期39卷 150-160,171页

作者：赵月刘亚秋徐妍刘勋房立金张华良东北林业大学信息与计算机工程学院哈尔滨150040 上海交通大学机械与动力学工程学院上海200030 东北大学机器人科学与工程学院沈阳110167 中国科学院沈阳自动化研究所沈阳110016

由于林木果球采收机械臂的工作场景复杂,对机械臂控制精准度的要求越来越高,研究机械臂动力学模型对其控制精度的影响非常重要。为提升机械臂的控制精度,提出一种在优化后的激励轨迹下基于最小二乘法和高斯混合模型(GMM)的3次迭代整体... 详细信息

由于林木果球采收机械臂的工作场景复杂,对机械臂控制精准度的要求越来越高,研究机械臂动力学模型对其控制精度的影响非常重要。为提升机械臂的控制精度,提出一种在优化后的激励轨迹下基于最小二乘法和高斯混合模型(GMM)的3次迭代整体参数辨识方法。该方法以6自由度机械臂构型为例,通过建立动力学模型及QR(正交三角)分解得到最小参数集;通过轨迹优化算法得到激励轨迹的优化参数,进而得到优化的激励轨迹;得到轨迹后,依次对关节力矩采用迭代加权最小二乘法进行理论辨识,构建区分关节高、低速的非线性模型对机械臂非线性摩擦力进行拟合,用GMM算法来补偿无法精确建模的不确定力矩分量。在COMAN R5机械臂上进行试验测试,结果表明,所提出的轨迹参数优化方法将条件数从329减少到193,力矩残差的平均均方根从9.53降低到6.14,从而证明激励轨迹和辨识方案的可行性和有效性。

关键词：林木果球采收机械臂三次迭代动力学参数辨识激励轨迹非线性摩擦力模型 GMM补偿算法

来源：评论

学校读者我要写书评

暂无评论

计算机程序设计类课程改革的实践研究

引用

信息与电脑 2025年第10期 251-253页

作者：侯畅徐达丽东北林业大学计算机与机械工程学院

计算机程序设计是高等院校计算机专业的主要课程之一。传统的教学存在重理论、轻实践，教学方式单一，考核形式单一，对学生学习兴趣引导不足等问题。为了让学生更好地学习计算机程序设计，研究者结合多年的教学实践，详细分析计算机程... 详细信息

计算机程序设计是高等院校计算机专业的主要课程之一。传统的教学存在重理论、轻实践，教学方式单一，考核形式单一，对学生学习兴趣引导不足等问题。为了让学生更好地学习计算机程序设计，研究者结合多年的教学实践，详细分析计算机程序设计教学中存在的主要问题，针对不同基础的学生，提出在教学中引入竞赛理念，以学生为主体，以教师为主导，强化学生的自我学习能力和自我管理能力的“以赛促学、以赛促教”的教学改革措施。

关键词：计算机程序设计课程改革以赛促学以赛促教

来源：评论

学校读者我要写书评

暂无评论

新型二自由度关节设计及其多电机消隙控制

引用

机械设计与研究 2021年第4期37卷 30-37页

作者：徐妍房立金刘勋刘亚秋东北大学机械工程及自动化学院沈阳110819 东北大学机器人科学与工程学院沈阳110169 东北林业大学信息与计算机工程学院哈尔滨150040

提出一种基于三电机驱动的新型二自由度机器人关节。基于双电机消隙原理,提出一种二自由度关节多电机消隙机制,并针对消隙后的其他非线性因素的扰动影响设计了基于线性自抗扰算法的速度控制器。样机实验结果证明了关节结构的合理性,表... 详细信息

提出一种基于三电机驱动的新型二自由度机器人关节。基于双电机消隙原理,提出一种二自由度关节多电机消隙机制,并针对消隙后的其他非线性因素的扰动影响设计了基于线性自抗扰算法的速度控制器。样机实验结果证明了关节结构的合理性,表明本文算法可为位置外环提供稳定性和鲁棒性较强的速度内环,可提高二自由度关节的位置精度。

关键词：二自由度关节多电机系统消隙控制线性自抗扰控制速度环

来源：评论

学校读者我要写书评

暂无评论

基于局部敏感哈希的改进堆叠算法

引用

广西师范大学学报（自然科学版） 2020年第4期38卷 21-31页

作者：王俊杰温雪岩徐克生于鸣东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 国家林业局哈尔滨林业机械研究所黑龙江哈尔滨150086

堆叠泛化有着与生俱来的高复杂性、“数据泄露”的问题,同时针对不同的数据样本也存在稳定性方面的问题。为此,本文提出的基于敏感哈希的堆叠算法LBDS,利用局部敏感哈希(local sensitive hashing,LSH)算法,首先将训练集和测试集映射到... 详细信息

堆叠泛化有着与生俱来的高复杂性、“数据泄露”的问题,同时针对不同的数据样本也存在稳定性方面的问题。为此,本文提出的基于敏感哈希的堆叠算法LBDS,利用局部敏感哈希(local sensitive hashing,LSH)算法,首先将训练集和测试集映射到哈希桶,当其中某个桶满时作为开始训练条件,训练出的模型对下一次桶满时的训练数据和测试数据及其邻域进行预测。接着,利用稳定性和信息熵条件对基分类器筛选,生成高层数据。最后,将高层训练预测得到的结果通过混合投票和平均的方法求得最终分类结果。在若干数据集上的验证结果显示,LBDS在Acc和AUC上有平均2%的改进,训练时间复杂度有10%的降低,同时表现出更好的稳定性和更强的泛化能力。

关键词：堆叠泛化局部敏感哈希时间复杂度稳定性元分类器

来源：评论

学校读者我要写书评

暂无评论

基于Boosting框架的推荐系统架构与优化

引用

现代电子技术 2020年第8期43卷 19-21,28页

作者：刘彦伯温雪岩徐克生于鸣东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 国家林业局哈尔滨林业机械研究所黑龙江哈尔滨150086

现如今推荐算法已得到广泛应用,但大多数推荐算法均存在各自的局限性。针对这一问题,提出一种基于Boosting框架的推荐系统架构,以多种基本推荐算法为基础,集成一个强推荐系统。将基于Boosting的推荐系统,在MovieLens 100K中进行测试。... 详细信息

现如今推荐算法已得到广泛应用,但大多数推荐算法均存在各自的局限性。针对这一问题,提出一种基于Boosting框架的推荐系统架构,以多种基本推荐算法为基础,集成一个强推荐系统。将基于Boosting的推荐系统,在MovieLens 100K中进行测试。测试与分析结果表明,该系统测试结果显示Precision达到39.44%,比原来提高8.63%。因此,集成的推荐系统能够有效提升推荐效果,为用户提供良好的用户体验。

关键词：推荐系统系统架构系统优化 Boosting框架系统集成系统测试

来源：评论

学校读者我要写书评

暂无评论

面向不平衡数据集分类模型的优化研究

引用

计算机工程 2018年第4期44卷 268-273,293页

作者：温雪岩陈家男景维鹏徐克生东北林业大学信息与计算机工程学院哈尔滨150040 国家林业局哈尔滨林业机械研究所哈尔滨150086

为提高不平衡数据集的分类效率,建立一种分类模型,从样本采样和分类算法两方面进行优化。对决策边界的少类样本进行循环过采样生成新样本集,并与决策边界外合成的少类样本集合并,提高样本的重要度。针对传统ε-支持向量机(ε-SVM)在对... 详细信息

为提高不平衡数据集的分类效率,建立一种分类模型,从样本采样和分类算法两方面进行优化。对决策边界的少类样本进行循环过采样生成新样本集,并与决策边界外合成的少类样本集合并,提高样本的重要度。针对传统ε-支持向量机(ε-SVM)在对不平衡数据集分类时超平面偏移的问题,引入正负惩罚系数和混合核函数,并利用客观的熵值法选取惩罚系数,提高分类算法的性能。实验结果表明,与标准的SVM算法相比,该分类模型在不平衡数据集分类上F-measure值平均提高18.1%,具有较好的分类效果。

关键词：文本分类不均衡数据集数据挖掘样本重采样熵值法

来源：评论

学校读者我要写书评

暂无评论

改进的MDSMOTE与FC-SVM在不平衡数据集分类中的应用

引用

哈尔滨理工大学学报 2018年第4期23卷 87-94页

作者：温雪岩赵丽影徐克生陆光东北林业大学信息与计算机工程学院黑龙江哈尔滨150040 国家林业局哈尔滨林业机械研究所黑龙江哈尔滨150086

针对于MDSMOTE算法在生成部分新样本时没有将错分样本纳入其中的问题,将对错分样本修正的方法加入到现有的MDSMOTE算法中,提高样本的质量;对于传统FSVM在对不平衡数据集分类时,不能解决超平面偏向少数类的问题,将正负惩罚系数、模糊因... 详细信息

针对于MDSMOTE算法在生成部分新样本时没有将错分样本纳入其中的问题,将对错分样本修正的方法加入到现有的MDSMOTE算法中,提高样本的质量;对于传统FSVM在对不平衡数据集分类时,不能解决超平面偏向少数类的问题,将正负惩罚系数、模糊因子加入到FSVM中,提高不平衡数据的识别率。将改进的算法用于京东网购评语数据集分类中,该算法的分类性能较其他算法平均提升了9.13%,表明了该方法的可行性和有效性,具有实际应用价值。

关键词：不均衡数据集支持向量机 SMOTE算法文本分类

来源：评论

学校读者我要写书评

暂无评论

双树复小波特征融合的板材压缩感知协同检测与分选

引用

电机与控制学报 2015年第8期19卷 81-87页

作者：李超张怡卓于慧伶曹军东北林业大学机电工程学院黑龙江哈尔滨150040 东北林业大学机械工程博士后流动站黑龙江哈尔滨150040 东北林业大学机电工程学院黑龙江哈尔滨150040 东北林业大学信息与计算机工程学院黑龙江哈尔滨150040

提出一种对板材表面缺陷和纹理进行协同快速准确检测的算法。根据双树复小波所特有的方向性和时移不变性,研究了板材表面图像的双树复小波特征提取及融合算法,对板材表面图像进行3级双树复小波分解得到40个特征向量,并通过遗传算法优选... 详细信息

提出一种对板材表面缺陷和纹理进行协同快速准确检测的算法。根据双树复小波所特有的方向性和时移不变性,研究了板材表面图像的双树复小波特征提取及融合算法,对板材表面图像进行3级双树复小波分解得到40个特征向量,并通过遗传算法优选出23个关键特征,优选后的特征能够较为完整地表达板材图像的复杂信息并减小数据冗余。最后采用压缩感知理论,将优选后的特征向量作为样本矩阵列,构造出训练样本数据字典,通过最小残差完成对板材表面信息的分类识别。实验对木材表面存在的弦切纹、径切纹、活结和死结等4类柞木样本进行了检测,正确率分别为91.8%、100%、96.4%和91.8%,该算法能够以95%的平均识别率完成板材表面缺陷、纹理的协同检测。

关键词：在线检测协同分选双树复小波遗传融合压缩感知

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：