基于BP网络的SO_2排放预测模型研究

多数大型企业具有高能源消耗、高资源消耗的特点,这些企业的发展引发了经济发展和环境保护之间的冲突,本文通过BP网络技术发现了大型企业的能源消耗数据与SO2排放之间的非线性关系,为大型企业节能减排指标实现提供了理论依据。     

基于FLAC3D的黄土基底排土场稳定分析

我国大型露天煤矿主要分布在西北部的黄土高原地区,以黄土为基底的排土场形成后,黄土基底的工程性质将发生改变并形成演化弱层,演化弱层对排土场边坡稳定性起到控制作用,由于弱层的存在,边坡容易形成"坐落-滑移式"破坏。本次分析是基于强度折减理论,应用FLAC3D对排土场边坡变形进行数值模拟,展现出排土场边坡变形机理。依据数值模拟结果,获得排土场边坡的最危险滑面和多处潜在滑动面。为排土场边坡失稳的预测及防治工作提供科学依据。     

关联规则挖掘在教师成长中的应用

本文在对数据挖掘相关技术、关联规则挖掘算法进行深入研究的基础上,归纳总结了基于粗糙集理论的关联规则挖掘模型和属性约简算法,并将其应用于高校教师的成长中。     

基于单调邻域粗糙集的特征基因提取

为了避免连续数据离散化处理时造成的信息损失,降低样本属性邻域求解的复杂度,提高特征基因提取的效率。该文在单调度量空间上,提出了一种基于单调邻域粗糙集的特征基因提取方法。并在两个标准的基因表达数据上进行了实验,结果证明该方法是有效可行的。     

Model-based Predictive Control for Spatially-distributed Systems Using Dimensional Reduction Models

In this paper, a low-dimensional multiple-input and multiple-output (MIMO) model predictive control (MPC) configuration is presented for partial differential equation (PDE) unknown spatially-distributed systems (SDSs). First, the dimension reduction with principal component analysis (PCA) is used to transform the high-dimensional spatio-temporal data into a low-dimensional time domain. The MPC strategy is proposed based on the online correction low-dimensional models, where the state of the system at a previous time is used to correct the output of low-dimensional models. Sufficient conditions for closed-loop stability are presented and proven. Simulations demonstrate the accuracy and efficiency of the proposed methodologies.     

基于自适应遗传算法的测试用例生成工具

提出一种“对组合”测试用例生成算法。给出“对组合”索引表的概念。在索引表的基础上,实现一种自适应遗传算法生成测试用例集合。介绍使用该方法开发的测试用例自动生成工具GATG。实验证明,该方法基本达到国际同类工具的平均水平,具有较好的使用价值和应用前景。     

参数模块和属性约简的应用服务器优化方法

现实的优化方法与策略往往是优化人员基于服务器厂商所提供的官方技术文档来分析各种参数的实际意义,优化比较漫长,缺少系统性和规律性,很难快速的确定所需调节的关键参数.本文针对常用的应用服务器分析了其性能下降的原因,提出了调节参数模块化思想并结合属性约简算法对参数模块进行属性约简,从实践中定量的找出影响系统性能的主要参数对其进行着重调节快速提高系统性能,提出了一种全新的服务器优化方法.     

特征维数对隐写检测的影响分析

通过实验验证并分析图像隐写检测过程中特征维数对隐写检测正确率的影响,对比使用人工选取与机器降维的隐写图像识别率。结果表明,低维特征更有利于简化分类器的设计,降低计算复杂度,提高隐写检测正确率,且机器降维后的特征相比人工选取的特征拥有更好的隐写检测效果。     

基于中心距序降维的聚类算法

为提高金融业务数据集上的聚类质量和聚类效率,提出簇的直径、簇间的相似度这2个概念。利用距离尺度降维的中心距序降维法,将多维数据降至一维,在一维上利用自适应排序聚类算法ASC聚类。该算法和传统的Cobweb算法、K-means算法做对比,实验表明该方法能提高簇间相似度,最大提高200%。     

大规模复杂数据集的约简方法

对样本点数量巨大、用于刻画对象特征的指标众多、带有时空动态特性、包含大量噪声等特点的大规模复杂数据集进行定义。针对大规模复杂数据集的挖掘要求,结合统计分析、粗糙集、模糊集理论中的数据约简思想和方法,提出一种基于样本模糊聚类和粗糙集属性约简的大规模复杂数据集约简方法。