搜索结果:找到“王耀才”相关结果189条
排序: 按相关 按相关 按时间降序
  • 【期刊】 基于变精度粗糙集的煤与瓦斯突出预测

    刊名:控制工程 作者:王耀才 ; 臧大进 ; 刘增良 关键词:变精度粗糙集 ; 煤与瓦斯突出 ; 预测 ; 遗传算法 机构:铜陵学院电气工程系 ; 铜陵学院电气工程系 ; 中国矿业大学 年份:2012
    摘要:煤与瓦斯突出是受诸多因素影响的复杂问题,为了提高其预测的准确性,本文以变精度粗糙集理论中的决策表为主要工具,首先将影响煤与瓦斯突出的检测信号作为预测的条件属性集,煤与瓦斯突出量作为对预测的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出预测规则。算例结果说明了本算法的正确性和可行性。
  • 【期刊】 多中心秩序视角下的业主集体维权现象分析

    刊名:社会科学家 作者:王耀才 关键词:多中心秩序 ; 业主集体维权 ; 治理主体 机构:中国人民大学公共管理学院 ; 中国人民大学公共管理学院 年份:2008
    摘要:近年,业主集体维权事件此起彼伏,从治理理论倡导的多中心秩序视角下来分析,面对利益受损以及力量的单薄,业主越来越多的盲目地采用集体维权的方式来维护权益。作者认为,加强业主组织建设,借助制度化的外部力量,实现社区治理主体之间力量的均衡是社区走向有序的必由之路。
  • 【期刊】 基于纵向参数粒子群神经网络集成的煤矿涌水量预测

    刊名:煤矿安全 作者:王耀才 ; 常彦伟 关键词:矿井涌水量 ; 纵向参数粒子群 ; 神经网络集成 ; 结构差异度 机构:中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 徐州师范大学机电工程学院 年份:2008
    摘要:针对矿井涌水量的非线性特性,提出一种基于纵向参数的粒子群神经网络集成算法(VPPNE)的矿井涌水量预测方法。文中定义了粒子群的纵向参数,以保证多峰值优化。利用其作为判别条件,粒子群在网络权值空间的并行搜索中动态聚类,形成各个子群空间。各搜索子空间的最优粒子对应于各个网络个体。网络集成规模大小由算法自动确定,不同的搜索子空间保证了网络个体的结构差异度。矿井涌水量预测实例表明:VPPNE算法可保证集成网络个体的差异性,有着良好的泛化性能,预测效果显著。
  • 【期刊】 集群服务器响应延时预测及其负载调度控制

    刊名:计算机系统应用 作者:王耀才 ; 于国防 ; 庄立运 ; 贾栋清 关键词:集群服务器 ; 响应延时预测 ; 多级模糊系统 ; 人工神经网络 ; 负载调度 机构:中国矿业大学信电学院 ; 中国矿业大学信电学院 ; 中国矿业大学信电学院 ; 中国矿业大学信电学院 ; 中国矿业大学信电学院 年份:2007
    摘要:单纯以负载均衡为目标的Web服务器集群调度不仅增加了算法的复杂度,在集群超载的情况下也无法保证服务的质量,而以响应延时为基础的均衡算法则可确保更好的服务质量。综合运用多级模糊系统与人工神经网络,既基于服务器系统的负载状况,又兼顾Web请求文件的类型与大小,对响应延时进行模糊预测,并在此基础上提出了一种基于响应延时阈值的集群服务器负栽控制算法。构建仿真环境对所提出的参数预测及算法的有效性进行了验证。
  • 【期刊】 基于分配器队列模糊控制的集群负载平衡

    刊名:计算机工程 作者:王耀才 ; 于国防 ; 庄立运 ; 贾栋清 关键词:Web服务器集群 ; TCP迁移式分配器 ; 排队论 ; 模糊控制 ; 负载平衡 机构:中国矿业大学信息与电子工程学院 ; 中国矿业大学信息与电子工程学院 ; 中国矿业大学信息与电子工程学院 ; 中国矿业大学信息与电子工程学院 ; 中国矿业大学信息与电子工程学院 年份:2008
    摘要:在分析和比较现有的基于分配器的服务器集群负载平衡方案的基础上,综合运用排队论知识和模糊控制理论,提出一种适合于小型Web服务器集群的模糊动态控制队列长度的负载分配器,该分配器在注重服务质量调控的同时,兼顾了集群的总体负载均衡。通过VisualC++编程构建模拟实验平台,验证了该方案的可行性。
  • 【期刊】 基于协同机制的Web服务器集群负载均衡技术

    刊名:计算机工程与设计 作者:王耀才 ; 于国防 关键词:负载均衡 ; Web服务器集群 ; 协同工作 ; Application对象 ; 在线量 机构:中国矿业大学信电学院 ; 中国矿业大学信电学院 ; 中国矿业大学信电学院 年份:2006
    摘要:网站为了满足因特网的大量访问以及更好的QoS保障,目前通用的方案是多台Web服务器构成一个集群,共同分担用户对站点的请求负荷,这就需要解决负荷在各服务器之间的平衡(即负载均衡)问题。简要分析当前常用的Web服务器集群负载均衡方案,提出了以在线量为负载参考点,同时兼顾不同性能Web服务器的负载能力,建立一种集群服务器之间的协同工作机制,以实现Web服务器的负载均衡。
  • 【期刊】 蚁群算法在煤与瓦斯突出预测中的应用

    刊名:计算机测量与控制 作者:王耀才 ; 臧大进 关键词:煤与瓦斯突出 ; 预测 ; 蚁群算法 ; 数据聚类 ; 模糊C均值 ; 蚁群-模糊聚类算法 机构:中国矿业大学信电学院 ; 中国矿业大学信电学院 ; 中国矿业大学信电学院 年份:2007
    摘要:煤与瓦斯突出预测在矿井的安全生产中具有重要影响;蚁群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力;通过对蚁群算法和模糊聚类算法的深入研究提出了一种新的蚁群-模糊聚类预测算法,利用改进的自适应调整信息素的蚁群算法计算出模糊聚类的个数和初始聚类中心,再利用模糊聚类算法对煤与瓦斯突出进行预测;对平八矿历年煤与瓦斯突出数据进行验证预测的结果表明,该方法与传统的模糊聚类预测方法相比具有较强的自适应能力和较好的预测效果。
  • 【期刊】 基于WEB的OLAM技术在矿井涌水量预测中的应用

    刊名:矿山机械 作者:王耀才 ; 叶钰 ; 臧大进 关键词:OLAM技术 ; 矿井涌水量 ; WEB ; 预测 机构:江南大学信息学院 ; 江南大学信息学院 ; 中国矿业大学信息与电气学院 ; 中国矿业大学信息与电气学院 年份:2007
    摘要:矿井涌水量预测是一项复杂而有难度的技术,受到很多因素的影响。基于WEB的OLAM技术兼有OLAP的在线性、灵活性和数据挖掘对数据处理的深入性,同时具有WWW的开放性。将WEB与OLAM技术相结合应用于矿井涌水量预测分析中,可从不同视角观察涌水量规律,同时亦可使预测的结果更精确。
  • 【期刊】 一类变时滞非线性Lurie控制系统的绝对稳定性

    刊名:工程数学学报 作者:王耀才 ; 王天成 ; 薛秀谦 关键词:Lyapunov函数 ; 变时滞 ; 非线性系统 ; M-矩阵 ; 绝对稳定 机构:中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 中国矿业大学理学院 年份:2005
    摘要:应用Lypunov函数方法讨论了一类变时滞非线性控制系统的绝对稳定性。得到Lurie控制系统绝对稳定的充分条件。文末用例子说明此方法的有效性。
  • 【期刊】 基于集成智能传感器的提升机容错控制策略研究

    刊名:可编程控制器与工厂自动化 作者:王耀才 ; 王致杰 关键词:提升机 ; 容错控制 ; 传感器 ; 智能诊断 机构:中国矿业大学信电学院 ; 中国矿业大学信电学院 ; 中国矿业大学信电学院 年份:2005
    摘要:针对传统控制技术难以在故障情况下对矿井提升机的复杂控制系统实现有效的控制,_本文首次提出了在提升机控制系统中采用集成智能传感器容错控制方案来实现提升机的容错控制,以保证提升机在传感器故障情况下,系统仍能稳定可靠的运行,增强了系统的可靠性,避免事故的发生。最后讨论了煤矿提升机容错控制系统的总体结构、功能组成以及各部分的具体实现方式,并对系统进行了仿真,仿真结果表明该系统具有容错控制和一定的鲁棒性。
  • 【会议】 大道无声 名至实归——献给埃莉诺·奥斯特罗姆教授

    作者:王耀才 年份:2009
    摘要:一早醒来,收到美国朋友发来的关于埃莉诺·奥斯特罗姆获得2009年诺贝尔经济学奖的消息,心情久久不能平静。刚刚过去的一年,笔者有幸参加国家留学生基金委"中外联合培养博士生"的项目,师从埃莉诺在印第安纳大学政治理论与政策研究研究所学习一年,对她的为人体会至深,她的淳淳教导让我受益匪浅!其中有三次会面最让我记忆深刻。2008年10月,我刚到研究所一个月,埃莉诺通过秘书约我第一次正式见面,虽然在中国也见过她,但这是我第一次和她相见,依然难免紧张,但很快就放松下了下来。因为她太和蔼,和蔼得让你感觉只是在和一个普通美国老太太交流。我用蹩脚的英语向她阐述了我的研究方向——小区治理,她并没有给我太多的指导意见,
  • 【期刊】 基于小波网络的矿井提升机运行故障趋势预测研究

    刊名:中国矿业大学学报 作者:王耀才 ; 王致杰 ; 李冬 关键词:提升机 ; 特征参数 ; 小波神经网络 ; 故障预测 机构:中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 中国矿业大学信息与电气工程学院 ; 江苏徐州 221008山东科技大学信息与电气工程学院山东泰安 271021 年份:2005
    摘要:采用小波网络方法,通过对矿井提升机钢丝绳磨损度、空动时间、衬垫磨损寿命、闸瓦间隙、残压、制动盘偏摆度等关键特征参数的时间序列预测,实现了其特征参数的故障预报.由于小波网络比一般神经网络具有更多的自由度,从而使其具有更灵活有效的函数逼近能力.小波神经元的良好局部特性和多分辨率学习实现了与信号的良好匹配,使得小波网络有更强的自适应能力、更快的收敛速度和更高的预报精度.仿真和实验结果表明,预报精度满足要求.