一种混合多边缘型LDPC码密度进化算法

在二进制输入加性高斯白噪声信道下，研究了基于多边缘型低密度奇偶校验码（Multi-edge Low Density Parity Check，MET-LDPC）的密度进化算法。针对高斯近似算法在前期迭代中的不准确问题，提出了一种改进算法。在分析MET-LDPC码的密度进化的基础上，将全密度进化与高斯近似算法结合，通过设置切换限制条件，弥补早期迭代的不准确，提高编码阈值估计的准确性。仿真结果表明,与MET-LDPC全密度进化算法相比，所提算法可以有效提高编码阈值估计的准确性，对LDPC编码的设计有一定的参考价值。     

基于密度进化理论改进的LDPC码偏移最小和算法

针对目前LDPC码偏移最小和算法的偏移因子的选取方式不够准确灵活等问题，提出了一种基于密度进化理论改进的最小和算法，称为DOMS算法。该算法首先根据密度进化理论计算BP算法和MS算法在每次迭代译码过程中，校验节点传递给变量节点的信息的概率质量函数，然后由两者的差值得出每次迭代对应的偏移因子βｍ，ｍ表示第ｍ次迭代，再对偏移因子序列βｍ做加权平均处理得到新的偏移因子β，通过使用该偏移因子DOMS算法与经典的OMS算法相比。仿真结果表明大约可以取得0.2ｄＢ的增益。此外，当对比与BP算法译码性能相近的LMMSE Min Sum算法时，DOMS算法在获得相似译码性能的基础上，可以节省大约28.29％的逻辑元器件和34.33％的内存。     

结合优化支持向量机与K-means++的工控系统入侵检测方法

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。     

SiCl4冷氢化反应器床层密度的计算

通过理论计算临界流化速度u_(mf)和床层空隙率ε_e,得到SiCl_4冷氢化流化床反应器在不同粒径d_p和表观气速u_e条件下的床层密度ρ。床层密度随着硅粉粒径增大而增大,随着表观气速增大而减小。通过实际测量一定高度床层间的压降得到实际床层密度,与理论计算值对比二者吻合性较好,冷氢化反应器的床层密度沿高度方向变化较小。     

上海市星级饭店建筑能耗对标与修正研究

对比了GB/T 51161—2016《民用建筑能耗标准》与上海市地方标准DB 31/T551—2011《星级饭店建筑合理用能指南》中入住率和客房规模与能耗指标的修正关系。基于2015—2017年上海市不同星级饭店相关数据,分析得出:适合该市星级饭店的建筑能耗指标与入住率和客房规模均呈正相关;入住率修正基准调整为65%更切合实际;客房套数密度与客房区面积占比呈正相关,但客房套数密度更易获取。