面向供应商违约预测的机器学习实践案例设计

人工智能技术的快速发展对机器学习人才的需求不断扩大,机器学习课程也成为高校人工智能类专业的核心课程且具有高度实践性,因此将实际项目与理论教学融为一体,才能更好的使学生得到实践锻炼。本文设计了一个基于迁移学习算法的供应商违约预测的实践案例,通过改进基于间隔核密度估算的虚拟样本生成技术,本研究将其他相似供应商预测模型转换成辅助数据的形式。通过基于权重的迁移学习算法(Tr Ada Boost),将生成的辅助数据中的知识迁移至源数据中来。最后通过对比没有使用迁移学习的模型,使用本研究技术架构训练得到的违约预测模型准确率更高、泛化能力更强。学生可通过该案例实践使用机器学习方法解决实际问题的完整过程。     

基于微分对策的多飞行器协同捕获空间划分

针对多飞行器协同围捕问题,提出一种基于微分对策的加权制导律下捕获空间划分方法。选取合适的性能函数,建立多对一协同围捕微分对策模型;利用哈密尔顿函数法求解得出飞行器和目标的最优控制策略,获得各飞行器的零控脱靶量的最优轨迹;以2个飞行器为例,设置1个2对1协同围捕场景,根据2个飞行器初始零控脱靶量的符号和大小关系,给出各飞行器单独拦截以及协同围捕状态下的相关定义;根据各飞行器零控脱靶量的最优轨迹,围绕初始零控脱靶量给出1种协同捕获空间的划分方法;设置3个具体的仿真场景,验证结果证明了该方法的准确性。     

太赫兹介电谱与组分含量的关系分析及应用

研究了固体有机样品的太赫兹介电谱与组分体积含量之间的关系。通过分析有效介质理论中的CRI(Complex Refractive Index)模型,得到样品的介电参数与组分体积含量的关系式。利用太赫兹时域光谱技术测得室温下两种氨基酸样品在0.5~2.7 THz的介电性质,样品的折射率、介电系数及介电损耗均随氨基酸体积含量增加而增大。选取氨基酸介电损耗谱特征峰位处的介电参数,根据CRI模型进行拟合,得到折射率与体积含量的线性关系式,介电系数和介电损耗与体积含量的二次函数关系式。研究结果有利于扩展太赫兹波段的定性定量分析手段,并对聚合物基复合材料制备有一定参考意义。     

基于预测控制的DFIG电网无功补偿优化方案

提出一种基于预测控制的DFIG功率调节控制方案,增强DFIG调节电网电能质量的能力,提高DFIG系统的无功输出能力。首先比较了DFIG系统和统一电能质量调节器的控制方法。针对DFIG功率分配动态多变量的过程,设计三输入三输出的广义预测控制方案,通过模型预测、滚动优化和反馈校正,提高了DFIG的无功补偿能力。仿真对比了多种情况下最大功率点跟踪控制和广义预测控制下的DFIG的无功输出,证明了使用广义预测控制可以有效的提高DFIG的无功补偿总量,增强DFIG系统调节电网电能质量的能力。     

基于CDIO的“模式识别”课程教学改革研究探索

"模式识别"课程是模式识别与智能系统专业的基础课,是一门基础理论与工程实践相结合的课程,其概念、原理和方法都隐藏在数学符号中,讲课过程中学生往往会感到枯燥、难懂。对CDIO工程教育模式下的"模式识别"课程的教学与改革进行了初步探索,提出了基于CDIO的"模式识别"课程教学体系,采用主动学习、经验学习等教学方法,让学生在扎实掌握基础知识的同时,增强其实践能力、团队协作和综合解决问题能力、创新能力等综合能力。     

基于多目标支持向量机的ADHD分类

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一,在大多数情况下持续到成年期。近年来,基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的,然而事实上,ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本,从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题,即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征,提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型,其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差,进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解,并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估,并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好,可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断,还可用于阿尔茨海默病和自闭症等疾病的辅助诊断。      

直流锅炉超超临界机组协调系统多变量预测控制方法

在分析直流锅炉超超临界机组协调控制系统被控对象特点的基础上,得到被控对象传递函数数学结构形式,建立3输入-3输出模型,并将其简化为2输入-2输出模型。采用约束条件下的多变量预测控制算法,提高协调控制系统的控制品质;采用Block模块对约束条件进行简化,提高预测控制算法的计算速度;采用基于滚动窗口的最小二乘法对协调控制系统被控对象实现在线辨识,提高预测控制模型的精度。依据模糊规则建立机组协调控制系统,并以其为非线性研究对象进行了滑压模式下定负荷和变负荷仿真试验。结果表明:采用多变量预测控制算法的控制品质优于传统PID控制,且计算速度是传统预测控制算法的5~6倍。     

基于粗糙集和神经网络的信息融合方法

在运用粗糙集理论和神经网络理论进行信息融合的基础上,分析了其各自的优势和存在的问题,设计了将两者综合的信息融合方法.该方法主要思想是利用粗糙集理论对神经网络待处理的数据进行属性约简,借此来简化神经网络的结构.利用这种方法对煤矿中各种与瓦斯危险相关的信息进行融合,以此对其瓦斯安全性进行评价.结果表明,这种方法减少了训练次数而且收敛效果比传统神经网络效果好.     

基于Internet的高线精轧机组远程监测与诊断应用研究

介绍基于Internet的一种高线精轧机组远程监测与诊断系统的软件功能。该系统采用B／S模式并结合CORBA及SOAP／Web Service技术。经运行实践证明，该系统能对现场设备的运行状态及时作出判断。具有较高的可靠性与稳定性。     

汽车转向/制动不确定系统的一致性协同控制

考虑到不确定参数和耦合干扰会使系统性能恶化,提出一个一致性协同控制系统研究汽车转向系统和防抱死制动系统的协同控制问题。该控制结构由制动鲁棒自适应控制器和转向一致性鲁棒自适应控制器组成。先设计了制动鲁棒自适应控制器;然后针对转向系统和制动系统之间的补偿控制律难以确定的困难,定义一致性误差和一致性误差模型;设计转向角和横摆力矩的一致性鲁棒自适应控制器;最后设计制动力分配策略。仿真结果证明提出的一致性协同控制系统是正确可行的,它改善了汽车制动稳定性能和转向性能。