转轮式分级器切割粒径的预测模型

针对转轮式分离器,建立不同结构参数及操作参数下的切割粒径预测模型有助于指导其设计和运行。基于相似理论以及对颗粒分离过程的分析,提出一种考虑结构参数的半经验模型,确定了模型参数,并通过实验以及文献报道的数据验证了模型的可靠性。与前人工作相比,此模型在不同的转轮分离器结构下显示出较好的通用性;此外,模型可以复现切割粒径随叶轮转速增大而先减小后增大的非单调关系,这是原有的半理论模型不能实现的。对不同结构转轮分离器性能的系统分析表明,较大的分离器入口面积及较小的导流角度可确保入口产生强旋流气流,进而使切割粒径对转速的敏感段在低转速区;而较小的分离器入口面积,或较高的入口风速可以提高对细颗粒的分离能力。对运行参数的研究表明,增大颗粒流率会减小切割粒径;调整叶轮转速可以灵活地改变切割粒径,适应不同的工作需求。     

进料位置与风速对旋风分级器颗粒分级效果的影响

根据旋风分级器内气流速度分布特点进行了进料区域划分,运用非稳态离散相模型和分级实验对比了3个代表性进料位置对颗粒运动轨迹及分级精度的影响,分析了1 μm和10 μm颗粒在不同区域内的受力情况。结果表明,边壁区域进料造成粗组分中细粉夹带现象严重,分级精度差;中部进料区域内流场强度大,粗颗粒受离心力强,细颗粒受轴向气流曳力大,有利于减少颗粒在分级区的停留时间,实现粗、细颗粒的快速分级,对改善分级精度有利;中心位置进料延长了粗颗粒的分级运动路程,增加了粗组分跑损的概率,模拟计算15 μm的粗颗粒进入细组分的质量分数达到11.7%。经实验验证,入口气速在10～22 m·s^-1,中部区域进料时分级后粗、细组分粒度分布曲线重合区面积最小,分级粒径比率值平均提高了25.3%,研究结果为离心气流分级设备的进料位置设计提供了一定的指导。     

Combined classifier for cross-project defect prediction: an extended empirical study

To facilitate developers in effective allocation of their testing and debugging efforts, many software defect prediction techniques have been proposed in the literature. These techniques can be used to predict classes that are more likely to be buggy based on the past history of classes, methods, or certain other code elements. These techniques are effective provided that a sufficient amount of data is available to train a prediction model. However, sufficient training data are rarely available for new software projects. To resolve this problem, cross-project defect prediction, which transfers a prediction model trained using data from one project to another, was proposed and is regarded as a new challenge in the area of defect prediction. Thus far, only a few cross-project defect prediction techniques have been proposed. To advance the state of the art, in this study, we investigated seven composite algorithms that integrate multiple machine learning classifiers to improve cross-project defect prediction. To evaluate the performance of the composite algorithms, we performed experiments on 10 open-source software systems from the PROMISE repository, which contain a total of 5,305 instances labeled as defective or clean. We compared the composite algorithms with the combined defect predictor where logistic regression is used as the meta classification algorithm (CODEP _Logistic ), which is the most recent cross-project defect prediction algorithm in terms of two standard evaluation metrics: cost effectiveness and F-measure. Our experimental results show that several algorithms outperform CODEP _Logistic : Maximum voting shows the best performance in terms of F-measure and its average F-measure is superior to that of CODEP _Logistic by 36.88%. Bootstrap aggregation (Bagging_J48) shows the best performance in terms of cost effectiveness and its average cost effectiveness is superior to that of CODEP _Logistic by 15.34%.     

Enhanced gravity particle classifier: Experiments with 3D printed device and computational fluid dynamics simulations

Centrifugal force developed in a fluid flow through closed spiral channel produces enhanced gravity environment to facilitate particle classification. The novel design is inspired by open channel spiral concentrators that are used in mineral processing industries. The concept is initially validated through computational fluid dynamics (CFD) simulations. Preferential movement of coarser particles, which experience greater centrifugal force, to the outer periphery was observed. These predictions are validated by conducting experiments on a 3D printed spiral classifier. The CFD simulations compared well with observed experimental separation function. The model was further used to conduct parametric study of various design and operational parameters. Simulations reveal that the cut-size could change from 8 μm to 260 μm depending on the splitter position. The novel device will allow a direct and online control of cut size/density when suitably enhanced with required mechanisms.     

基于朴素贝叶斯分类器的公共自行车系统故障诊断方法

针对公共自行车没有安装车载检测传感器、流动及停放区域较大、管理部门无法及时发现自行车故障等问题,提出了基于朴素贝叶斯分类器的自行车故障诊断方法。通过分析公共自行车系统(PBS)租用记录、维修记录和用户评价,选取15个状态分类特征作为自行车故障检测的特征向量;根据朴素贝叶斯分类器后验概率,获取每个状态分类特征对类的贡献率;以召回率作为评价指标来预测诊断故障自行车。采用杭州市PBS 2016年的相关数据对模型进行实践验证,通过预测模型输入特征值的优化,测试样本的召回率达85.79%,精度较为理想。     

基于掩码分段匹配的否定选择数据分类

根据免疫否定选择原理,设计了基于掩码分段匹配的否定选择分类器,用于实现规则匹配分类。给出了适用于免疫优化的分类规则编码及分类信息分的评价标准,通过免疫进化对其进行群体优化以生成更为简洁、便于理解的数据规则集。该方法使得免疫优化的各种优良特性在数据分类中得到充分的运用,避免了传统分类算法缺乏全局优化能力的缺点,提高了对样本的识别能力。实验结果表明,这种免疫分类器及优化方法是一种有效、可行的分类器设计方案,提高了数据分类的准确性。     

音视频相结合的广告检测算法

利用广告最后一帧的特点,提出了一种新颖的音视频相结合的广告检测的方法。在镜头分割的基础上,运用基于SVM的FMPI（有产品信息的图像帧）检测与静音段检测相结合的方法检测广告区域最后一帧。根据检测出来的结果确定广告的开始位置和结束位置,从而确定广告区域。实验结果表明,该方法不仅具有较高的准确率和查全率,而且解决了以往广告检测边缘定位不准的问题。     

一种跨公司航天软件缺陷预测方法

为提高航天软件测试的效率和质量,针对同公司航天软件数量少、研制周期长的特点,提出了一种跨公司航天软件缺陷预测方法。从航天软件背景信息复杂、规模大、功能独立等特征出发,提出基于静态分类缺陷预测的模型构建思想。引入迁移学习方法,利用最近邻分类器和数据引力模型,对训练数据的分布特征进行修正,提高训练数据与目标数据的相似性;为提高模型的泛化能力以适应目标数据的多样性,提出在训练数据中加入少量目标数据用于模型训练。将该方法在实际工程中进行应用,实验结果表明,与已有软件缺陷预测方法相比,该方法在保持较低误报率（不高于0.3）的情况下可有效提高召回率（接近0.6）,整体可信度得到有效增强（G- measure超过0.6）,方法稳定度高,泛化能力较强;本方法在实际工程中对测试规模影响可控,测试效率得到提高。     

基于bregman距离和等式约束正则化AdaBoost算法

基于J.Kivinen和M.K.Warmuth提出的一种基于正则化的在线学习模式,提出基于bregman距离和等式约束正则化弱分类器权值更新模式,实现了AdaBoostS,AdaBoostIE,AdaBoostRE,AdaBoostDE和AdaBoostE五种弱分类器权更新算法。在实验部分,利用实际数据对提出的五种算法与Real AdaBoost、Gentle AdaBoost和Modest AdaBoost算法作了比较。     

结合集成比例训练的彩色JPEG图像隐写分析

该文提出一种YCbCr颜色空间的彩色JPEG图像隐写分析方法。该方法中的特征包括通道内特征和通道间特征,首先从Y通道提取Markov特征,扩展DCT特征以及共生矩阵特征构成通道内特征集合,通道内特征可以有效捕捉到Y通道内DCT系数之间的相关性;然后对Y通道进行下采样,从采样平面与CbCr平面相互之间的差分平面上提取特征构成通道间特征集合,通道间特征可以捕捉到两两通道之间的相关性。由于通道内特征和通道间特征在分类性能上有着较大差别,在分类阶段由通道内特征和通道间特征分别训练子分类器,通过调整两类子分类器的比例,使用多数投票方式来合成集成判决结果,最终获得最佳的检测性能。实验结果表明,该方法不仅适合小嵌入率的彩色JPEG图像,而且在性能上优于已有的JPEG图像隐写分析方法。