一种基于快速随机投影的矩阵填充方法

为了解决在矩阵填充过程中的高维度和高计算成本的问题,提出一种基于快速随机投影的矩阵填充方法(FRPMC)。利用对矩阵的随机投影的方式对需要填充的矩阵进行降维,然后构造SVD的近似模型来重构矩阵来实现矩阵填充的功能。通过仿真实验证明了该算法的可行性。与其他一些传统算法进行对比,FRPMC在图像恢复的实验中图片恢复的峰值信噪比和运行时间均比奇异值阈值法、加速近邻梯度法和增广拉格朗日乘子法要好。     

基于ELM的英语教学质量评价研究

对英语教学质量实施科学化的评价关系到英语教学质量的提升,为减少主观因素的影响,本文提出一种ELM的教学质量评价方法,该种方法将可以在很大程度上提高教学质量评价的精度。对影响英语教学质量的12个指标进行打分,以此作为ELM的输入,同时将英语教学质量的综合得分作为ELM的输出。评价结果表明,基于EIM的英语教学质量评价结果比SVM、BP具有了很大程度的提升,为实施英语教学质量的评价提供了参考。     

风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明:风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。     

血小板源性生长因子/蛋白激酶B通路在压力超负荷诱导的心室重构中的作用及机制研究

目的:分析血小板源性生长因子（PDGF）/蛋白激酶B（AKT）通路在压力超负荷诱导的心室重构中的作用及机制。方法:选取C57BL/6雌性小鼠55只，建立主动脉弓缩窄模型，成功建模45只，小鼠随机数字表法分为假手术组、DMSO组和实验组，假手术组小鼠开胸后逐层缝合，不进行主动脉缩窄术（TAC），开胸24 h后给予PBS溶液200 μL加DMSO 50 μL，DMSO组TAC术后24 h给予PBS溶液200 μL加DMSO 50 μL，实验组TAC术后24 h给予PBS溶液200 μL加抑制剂AG1296 50 μL，观察小鼠心功能及心肌组织病理形态。慢病毒感染建立PDGF基因不同表达人脐静脉内皮细胞（HUVEC）细胞鉴定和培养，依据细胞不同处理方式分为对照组、PDGF组、shRNA组和PDGF+IMA组，检测p-AKT及t-AKT蛋白在HUVEC细胞内表达情况。结果:DMSO组小鼠左室收缩末期容积（LVESV）、左室舒张末期容积（LVEDV）、左室收缩末期内径（LVESD）及左室舒张末期内径（LVEDD）较假手术组升高，左室射血分数（EF）、左室短轴缩短率（FS）较假手术组降低。实验组LVESV、LVEDV、LVESD及LVEDD较DMSO组降低，EF、FS较DMSO组升高，差异有统计学意义（P＜0.05）。假手术组小鼠心肌组织整齐排列，间隙正常；DMSO组小鼠形态不规整，炎性细胞浸润，细胞间隙变大，胞核深染。实验组小鼠膨大或坏死细胞减少，间隙变小，炎性浸润降低。DMSO组小鼠心肌细胞横截面积较假手术组升高，实验组小鼠心肌细胞横截面积较DMSO组降低，差异有统计学意义（P＜0.05）。PDGF+IMA组细胞内p-AKT及t-AKT蛋白表达较PDGF组及shRNA组显著降低，差异有统计学意义（P＜0.05）。结论:PDGF可加速压力超负荷诱导心室重构，促进形成心肌组织纤维化，而抑制PDGF/AKT通路可改善心肌细胞肥大。     

自适应分块前向后向分段正交匹配追踪在重构滚动轴承故障信号中应用

针对滚动轴承故障信号分块压缩感知过程中,因分块之间的稀疏度差异较大以及重构支撑集构造不合理,致使信号重构精度较低,影响信号整体重构效果的问题,提出基于自适应分块前向后向分段正交匹配追踪算法(Adaptive block forward and backward stagewise orthogonal matching pursuit,Adaptive Block-FBStOMP)。首先,依据短时自相关算法确定滚动轴承故障信号自适应分块长度,并根据此长度对信号进行自适应分块;其次,利用K奇异值分解(K-singular value decomposition, K-SVD算法训练稀疏字典;最后,提出FBSt OMP算法,在重构过程中增加原子回溯和二次筛选过程,提高有效支撑集原子被全部选入支撑集中的可能性,改善重构效果。通过仿真信号和故障信号试验分析可知,与传统压缩感知重构算法相比,该算法能够有效提升滚动轴承故障信号的重构精度。     

自适应卡尔曼滤波算法在压裂作业中的应用

针对采用传统卡尔曼滤波器对压裂作业中压力进行滤波时,难以获得准确数学模型和噪声统计特性而导致滤波效果较差的问题,提出了一种基于拟合优度确定系数的自适应卡尔曼滤波算法(R~2-AKF)。该算法将测量数据的预测值作为回归曲线拟合值,通过计算测量数据的预测值与实际采集值的拟合优度确定系数R~2来确定过程噪声协方差矩阵Q的修正系数α,得到具有过程噪声协方差调整的自适应卡尔曼滤波算法,通过压裂作业现场试验验证了其有效性。试验结果表明:自适应卡尔曼滤波算法能保证系统的滤波精度,具有较强的实时性,是一种简单、有效的实时滤波算法,具有一定的工程指导意义和推广价值。研究结果可以为压裂作业中压力数据采集和分析提供技术参考。