一种谱分解降维的模糊有监督局部保持投影策略

提出一种谱分解降维的模糊有监督局部保持投影策略。首先针对监督局部保持投影SLPP存在过学习和不能较好地保持图像空间的差异信息等问题,通过最小化局部离散度和最大化差异离散度准则提取投影方向,找到一种线性鉴别分析的等价形式。其次,通过采用模糊k近邻(FKNN)方法得到相应的样本分布隶属度信息,同时考虑到离群样本对整个分类结果的不利影响,提出一种模糊化方法,根据样本的隶属度对样本分布矩阵重定义所做的贡献,将每个样本的隶属度融入到SLPP特征抽取的过程中,从而得到完整有效的模糊样本特征向量集,有效解决了小样本问题的特征抽取问题。第三,提出一种谱分解的矩阵分析方法,在SLPP投影准则下,对散布矩阵实现降维。在ORL和NUST603人脸库上的实验结果验证了该方法的有效性。     

用仪器中子活化分析法检验环境土壤标样的均匀度

近年来,国际上标准参考物质的种类与数量急剧增加,一些重要的领域,象地球化学、环境科学、生物学等都有了相应的SRM。国内研制SRM的工作也十分活跃。 标准样品必须均匀,故在分析定值和样品发行前,需要先作均匀性检验。由于均匀性是一个相对的概念,它与各个元素在SRM中的分布紧密相关。取样量直接影响均匀性的好坏。因此,当给出SRM中某元素的均匀性数值时,必须注明相应的取样量。由于仪器中子活化分析法(INAA)具有灵敏度高、不破坏试样、且可同时测定多种元素等特点,因此可在较小的取样量情况下,实现对SRM中多种痕量元素的均匀性检验。     

美国大学教学评估及其对中国高等教育的启示

美国大学和学院，学生对教师教学进行有效性评估。不同大学对教学有不同要求和标准；美国学术界对教学评估体系利与弊展开过辩论，而学生和老师的背景特征可能引起偏见。美国学生对老师进行教学评估的体系，对中国高等教育教学可能有一定的他石意义，但是，评估体系的现实条件有差异，中国不应当照抄或照搬美国教学评估，尤其应该摒弃将教与学关系扭曲为买方和卖方关系的观念。取其精华而弃其糟粕，建立适应中国的教学评估体系才能提高高等教育质量。     

基于深度学习与不平衡样本集的输电线路故障分类

针对输电线路各类型故障样本间的数量不平衡会造成人工智能算法对故障中的少数类样本识别精度不足的问题,提出了一种基于Borderline-SMOTE（BSMOTE）算法与卷积神经网络（CNN）相结合的输电线路故障分类方法。该方法首先利用BSMOTE算法对位于分类边界上的少数类样本进行过采样合成处理,改善样本间的不平衡度,然后将所提取的一维故障电流信号样本重构成二维灰度图像数据形式,并在Pytorch深度学习框架下搭建了CNN网络模型,利用模型的自主学习能力对灰度图像进行特征自提取与辨识,减少传统人工设计特征提取的工序,完成对输电线路故障类型的分类。实验结果表明该模型能够提高对少数类故障样本的识别能力,准确地判断故障类型,并对噪音具有较强的抗干扰能力。     

基于再生周期技术的POOSL构件库的扩展*

针对POOSL不支持定量分析系统的吞吐量、时延等长期样本均值性能指标的缺点,引入再生周期技术扩展了POOSL的构件库.这对在系统早期设计阶段确定可行的参数设置具有重要的应用价值.     

加权平均量的自收敛性与权的确定

在多因素综合评价决策中,合理确定各因素权重系数是评价决策的关键。文章引入了加权平均量的自收敛性来描绘被评价分数的随机变量的稳定性,以概率论理论为基础,得到了一般情况下权重系数确定的优化模型和协方差矩阵为正定矩阵的一系列的确定权的方法,建立了一套较完整的确定权重系数的理论。     

一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法

由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法.首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5％以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高.     

环氧玻璃鳞片树脂防腐技术在阳离子交换器上的应用

本文介绍了环氧玻璃树脂鳞片技术在现场防腐中的应用，采用了新型冷法解决防腐问题，有助于彻底改变衬胶防腐衬里局部修补难度大的问题，是解决局部防腐的良好途径。     

SOME PROPERTIES OF THE MAXIMUM LIKELIHOOD ESTIMATOR IN THE SIMULTANEOUS SWITCHING AUTOREGRESSIVE MODEL

Abstract. The simultaneous switching autoregressive (SSAR) model proposed by Kunitomo and Sato (A non-linearity in economic time series and disequilibrium econometric models. In Theory and Application of Mathematical Statistics (ed. A. Takemura). Tokyo:University of Tokyo Press (in Japanese), 1994; Asymmetry in economic time series and simultaneous switching autoregressive model. Struct. Change Econ. Dyn. , forthcoming (1994).) is a Markovian non-linear time series model. We investigate the finite sample as well as the asymptotic properties of the least squares estimator and the maximum likelihood (ML) estimator. Due to a specific simultaneity involved in the SSAR model, the least squares estimator is badly biased. However, the ML estimator under the assumption of Gaussian disturbances gives reasonable estimates.     

金属－PTC陶瓷复合材料研究

研究低Ｔ＿ｃＰＴＣＲ复合材料的制备工艺，测试所制成样品的阻温特性。通过样品Ｘ射线定性相分析，探讨该复合材料所表现的ＮＴＣ阻温特性机理。