为凸显负荷波动的随机性、周期性和相关趋势，通过探求负荷变化机理显著提升预测精度，提出了一种基于EMD的负荷波动机理研究方法。首先对负荷进行EMD分解，得到随机、周期和趋势分量；然后分析各分量的变化规律与候选影响因素的关联关系，推导负荷变化机理，提取时标特征值；最后进行特征的去冗余。该方法创新点是能提取出特征值的时标特性。以广东省负荷数据集作为预测案例研究，对比实验研究结果表明了所提方法的有效性。

线性多智能体系统的分布式包含控制，温广辉， 胡国强，本文研究了有向通信拓扑下的线性多智能体系统的分布式包含控制问题。为了实现包含控制任务,本文首先设计了一类静态分布式通信协��

论文研究-基于GA-ANN的中国金融安全预警系统设计及实证分析.pdf,  国家金融体系的安全运行关系到经济社会的稳定, 建立有效的金融安全预警系统已成为各界十分关注的焦点. 基于现有文献, 在金融安全预警指标体系中补充影子银行相关指标, 以保证高杠杆、高流动性风险的经济参数参与建模, 使得金融安全预警指标体系更加完整; 运用因子分析计算七个金融子系统及整体金融系统安全得分, 基于遗传算法优化的人工神经网络(genetic algorithm-artificial neural network, GA-ANN) 建立中国金融安全预警系统, 观察金融系统运行是否平稳、金融安全得分是否出现剧烈波动或异常值, 以此判断国家金融状况是否安全, 并对2013年我国金融安全状况进行预测. 其中, GA-ANN网络较径向基神经网络、反向传播神经网络和广义回归神经网络, 具有更好的拟合精度. 预测结果显示2013年下半年我国金融系统总体运行安全, 但在影子银行、股市和保险子系统存在一定的不安全因素. 研究成果为政策制定者和广大投资者对国家宏观金融安全预判提供了参考依据.

基于Simulink的蹦极跳系统仿真研究，高珩，邱烨，Simulink是MATLAB中的一种可视化仿真工具， 是一种基于MATLAB的框图设计环境，是实现动态系统建模、仿真和分析的一个软件包，被广泛应用

一种适用于乡村休闲旅游推荐系统的组合推荐算法的设计与仿真，苏阳，苏放，近年来，随着乡村休闲旅游的蓬勃发展，互联网上有关乡村休闲旅游产品的信息数量也在迅速增长。面对大量的旅游产品信息，游客一时

精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因，然而又难以量化评估及测量，提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度，通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性，并使用随机森林进行特征选择以确定HRV各项指标的重要性。研究发现，最重要的HRV指标分别是NN.mean、PNN50、VLF、LF和TP。最后采用SVM、nave Bayes、KNN和逻辑回归四种机器学习算法对疲劳状态进行识别，实验证明了KNN分类器最为有效，其交叉验证准确率为75.5%和AUC为0.74。

基于at91sam9260的嵌入式系统的Bootloader启动流程分析，程前，陈永泰，Bootloader是上电后,应用程序或操作系统运行前对处理器及内部功能模块的初始化,以及引导内核过程的一段启动代码。本文根据at91sam9260的�

全身性高血压（SAH）在影响心血管疾病（CVD）的病因和/或加重的慢性非传染性疾病中脱颖而出，因为该疾病由于非感知性症状和相关因素而被低估了与其他CVD的因素和危险标志物。 因此，根据弗雷明汉风险评分（FRS）确定SAH恶化和加重的风险可以降低DCV的发病率并改善预防措施。 这项观察性和横向研究采用了BA Senhor do Bonfim的《健康家庭策略》中患者记录的数据收集方法，该方法通过描述性和推论性统计分析（相关和回归）确定了差异。 分析了与动脉粥样硬化危险因素相关的高血压方面，确定了FRS在10年内发生心血管事件的风险。 从432个家庭中选择了746例患者，其中340例为高血压个体（SAH = 45.57％）和406例（NSAH = 54.42％）非高血压。 在SAH中，大多数（31.17％）年龄在63-77岁之间，但是在这两个群体中，女性人数都较多。 分析的所有特征中，SAH的患病率更高，吸烟（13.20％），久坐（29.41％）和心血管意外（22.60％）。 SAH组对FRS在10年内的CVD进展更敏感（P <0.0001 ANOVA）。 在NSAH组中，所有分析的变量之间

单端短路介质谐振器TE01δ模式下的分析仿真，王福音，卓越，本文简要分析了单端短路介质谐振器并给出了工程上计算谐振频率和无载品质因数的经验公式。在此基础上根据实际介质谐振器建立的模

如今，大量不同格式的异构数据可用于各种应用程序。 其中一个领域是犯罪调查。 在法医调查中，通常需要识别潜在指纹。 这种调查需要有效的计算方法。 随着现有存储技术的技术进步和局限性，需要有效的工具和技术来对庞大的数据集执行大数据分析和计算。 尽管大数据对法医专家来说是一个挑战，但它可以帮助他们检测犯罪模式，这是解决问题和了解现有情况的重要线索。 在本文中，我们使用 Apache Spark 分析了数据集中存在的潜在指纹图像。 这些实验有助于了解如何使用 SparkML 管道读取、处理和分析巨大的图像数据集。 此外，建议在现有框架上使用 Spark 中的深度学习改进识别和特征提取架构，以解决这一重要的研究问题。