基于EDA算法的改进KPCA的某型测角仪的状态监测与故障预测研究

基于电子系统状态监测为研究背景，传统的Kernel Principal Component Analysis（核主成份分析法，简称KPCA）在状态监测过程中做数据特征降维处理，使得电路状态数据在消除冗余信息的同时，也能在相应的模型算法计算中很大程度的减少计算步骤，但是KPCA法的降维数据处理过程对数据样本贡献率的识别能力有不足之处，虽然达到了降维的目的，但是对特征样本数据的信息保留能力存在不足。本文中采用经验模态分解法（Empirical Mode Decomposition，简称EMD）对输出信号进行采集处理作为样本数据，设计基于Fisher准则的状态信息识别能力分析，采用Estimation of Distribution Algorithms（种群算法，简称EDA）对KPCA分析法进行改进研究，通过对数据处理，最大限度的保留状态主信息，使得在电路系统状态监测过程中减小实验误差，为后续故障预测打下基础。     

我国人力资源开发积累的教育发展对策

人力资源是我国持续发展的第一资源。人力资源开发和积累水平、人力资源拥有的数量和质量是我国综合国力和国际竞争力的重要标志。人力资源状况取决于教育的发展程度、水平与活力。人力资源开发和积累首先应坚持以政府为主导,实现人力资源积累先于经济追赶;其次是开放人力资源的资本市场;再次是开放人力资源的劳动力市场。只有进行思想改革创新、模式改革创新、制度改革创新,才能探索出一条符合实际的人力资源适度超前发展,以教育与人力资源强国富民的道路。