基于通信负载均衡的社交网络图分割方法

海量社交网络数据中蕴含着丰富的信息,图论是挖掘这些信息的重要方法之一。面对日益增多的图数据,分布式计算成为处理大规模图数据的有效手段。在分布式图计算中,通信所消耗的时间占有很大的比例,通过图分割算法的设计可以有效地降低通信量并实现负载均衡,从而提高分布式图计算的效率,典型的例子包括Metis图分割算法。但是,用现有的图分割算法处理非均衡图数据会造成各个子图之间通信量不均衡,从而影响了计算效率。为了解决这一问题,提出一种新的图分割方法：通信均衡标签交换方法。该方法在保持子图规模一致的基础上,既降低了全图计算所需的通信量,又使各个子图之间的通信量达到均衡。实验结果表明,与Metis等典型的图分割算法相比,提出的图分割方法在各种数据集和集群配置情况下,能降低6%~30%的图计算时间,充分显示了该方法的有效性。     

基于多任务融合模型的用户属性推断

传统的用户属性推断方法主要基于机器学习及统计学习,其推断方法忽略了用户的整体表征及任务之间的相关性。本文提出一种基于多任务融合模型的用户属性推断方法,利用doc2vec独特的结构特性,加入文档向量以实现用户整体表征,避免人工提取特征的局限性。为实现用户多属性推断任务,本文提出基于关联学习的多任务融合推断框架,即在分别识别用户多个属性基础上赋予单用户多属性表征,在增强用户整体表征能力的同时,建立多个属性间的关联关系,提高单任务学习的区分度;然后采用模型融合技术,完成属性间关联学习,提高学习准确率及模型泛化能力,同时使用尽可能少的模型进行融合,提高模型运行效率。经实验比对,本文在多个数据集上的实验结果较其他算法有一定优势。     

基于卷积神经网络的肺结节分类算法

肺部的检查是每年体检的重要一部分。体检中有成百上千的病例,而每个病例中含有许多的肺部横切面CT图像。这些都需要专业医生去逐个筛查出存在肺结节的病例,不仅工作量大而且存在误筛的可能。针对上述问题,把卷积神经网络（CNN）引入筛查存在肺结节的CT图像诊断,提出一种基于CNN的分类算法。在LIDC数据库的实验结果表明,对比应用广泛的lenet-5网络和传统方法等,使用自定义的卷积神经网络将分类的正确率提升了4到10个百分点不等。AUC值为0.821?6,也是几个分类器中最大的。相比于其他方法,该方法能较为准确地识别肺部CT图像,可以为临床诊断提供较为客观的参考。     

基于趋势指标与长短时记忆网络的电力市场日前电价预测

为提高电力市场日前电价的预测精度,提出一种基于趋势指标与长短时记忆网络（LSTM）的日前电价预测模型。首先,计算日前电价的随机指标（KDJ）与异同移动平均线指标（MACD）,挖掘电价的内在规律信息;然后,将计算出的趋势指标与电价信息输入LSTM,对电力市场日前电价进行预测;最后,利用电力市场日前电价数据进行验证。算例分析表明该模型相比反向传播神经网络（BPNN）、LSTM和门控循环单元网络（GRU）等模型预测精度更高。     

基于零模电流相关性的直流配电网单极接地选线方法

柔性直流配电系统最常见的故障是单极接地故障。发生单极接地故障后,系统出现故障极与非故障极电压不平衡的现象,对系统安全稳定运行产生威胁,对保护方案的快速性和可靠性提出很高要求。针对此问题,首先分析了柔性直流配电系统线路发生单极接地故障后的故障电流特征,然后验证了故障时线路两端零模电流分量的相关性,最后提出基于线路两端零模电流量相关性的柔性直流配电系统单极接地选线方案。该保护方案充分利用故障后系统固有暂态特征,无需利用边界元件构造边界特性。在实时数字仿真器(Real Time Digital simulator, RTDS)上搭建基于模块化多电平换流器(Modular Multilevel Converter, MMC)的柔性直流配电系统电磁仿真模型验证所述方案的有效性。结果表明该选线方案能够实现快速、可靠识别故障线路,且耐受过渡电阻、噪声、传输延时的能力强,不受交流侧故障影响。     

黄土的动变形特性及模型研究

利用SDT-20型双向动三轴仪对原状黄土和重塑黄土的动变形特性进行研究,定性分析了不同试验参数对原状和重塑黄土动剪切模量和动剪切应变累积特性的影响。基于小应变前提,忽略试样在加载过程中的径向应变,并利用其轴向动应变推算出试样在动力加载过程中的孔隙比变化,作出e-σ_d曲线并分析了黄土试样的动力压缩特性。分析发现,和静力压缩不同,黄土的结构性在动力压缩过程中并没有表现出来,原状黄土和重塑黄土在动荷载作用下经历相似的形变过程,其e-σ_d曲线均存在明显的拐点,原状和重塑黄土均存在临界动应力σ_dc。当σ_d<σ_dc时,黄土的动变形发展缓慢;而当σ_d>σ_dc时,黄土的动变形急剧增大并迅速发生破坏。此外,提出双曲模型对黄土在循环荷载作用下的动应变累积特性进行了描述,并利用差分进化法求得模型参数,发现双曲模型可以较好地描述黄土在动荷载作用下的应变累积特性。     

Synthesis of highly hydrophobic rutile titania-silica nanocomposites by an improved hydrolysis co-precipitation method

Highly hydrophobic rutile titania-silica nanocomposites were synthesized by an improved hydrolysis co-precipitation method using low-cost sodium metasilicate and titanium oxysulfate (TiOSO₄) as precursors, followed sequentially by calcination at 800 °C and modification with trimethylchlorosilane (TMCS). It was found that the resulting TiO₂-SiO₂ nanocomposites had a Ti/Si molar ratio of 5:1 and exhibited single-phase rutile with a specific surface area of 269 m² g⁻¹. The addition of acetylacetone (AcAc) during the hydrolysis co-precipitation process played a key role in the growth of well-ordered TiO₂-SiO₂ crystallites since the hydrolysis rate of TiOSO₄ might be retarded due to the complexation of AcAc to the Ti atoms in TiOSO₄. The TMCS-modified TiO₂-SiO₂ nanocomposites exhibited a high root-mean-square (RMS) roughness of 22 nm and good hydrophobicity with a static contact angle of 143.7°, highlighting its potential application as a filler in exterior wall coatings.     

基于多模态的在线序列极限学习机研究

单一模态包含的物体信息有限,导致在物体材质识别分类中表现不佳,而传统多模态融合方法在样本训练过程中需要输入所有数据。提出一种多模态的多尺度局部感受野在线序列极限学习机方法。对物体不同模态样本运用改进的特征提取框架,利用多尺度局部感受野感知样本信息提取特征,并将不同模态特征融合后通过在线序列极限学习机进行训练学习。在线序列极限学习机在训练过程中增量式地输入样本进行训练,当有新数据需要训练时无需对所有数据重新训练。在TUM触觉纹理数据库上进行验证,实验结果表明,多模态融合的分类精度高于单模态的分类精度,且改进的特征提取框架可以显著提升分类性能。     

尿素还原法生产高纯度二氧化氯新工艺研究

该文提出了以尿素作还原剂,碱金属氯酸盐为原料,矿酸为介质生产高纯度二氧化氯的新工艺,以硫酸作介质时,二氧化氯纯度和碱金属氯酸盐的转化率均达到95%以上。该工艺技术已经取得了中国和美国专利权,专利号分别为:ZL02133934.1和US 6921521。作者对合成的二氧化氯进行了分析和表征,结果表明,由于尿素是一种易于采购和贮存、价格低廉和稳定的普通化学品,所以生产二氧化氯用尿素作还原剂比用甲醇和过氧化氢作还原剂有较大的优势。该工作的新颖性,已为2005年7月13日由四川省科学技术信息研究所出具的第A0500742号《查新报告》所证实。     

Synthesis and characterization of aminophenolate-ligated rare-earth metal amide complexes and their catalytic activity for lactides polymerization

Amine elimination of Ln[N(SiMe_3)_2]_3(μ-Cl)Li(THF)_3 with aminophenol H[ON] {H[ON]=2-(CH_2 NC_5 H_(10))-4,6-~tBu_2-C_6 H_3OH} in 1:2 molar ratio in THF gave the monometallic rare-earth metal amide complexes[ON]_2 LnN(SiMe_3)_2(Ln=Yb(1),Y(2),Gd(3),Sm(4),Nd(5)) in 57%-73% isolated yields.All these complexes were characterized by elemental analysis.The molecular structures of complexes 1-4 were determined by single crystal X-ray diffraction.These complexes are highly active for L-Iactide polymerization to give high molecular weight polymers with unimodal molecular weight distributions.In addition,these complexes can also initiate rac-lactide polymerization with high activity to afford heterotactic-rich polylactides.