基于同步挤压小波变换的振动信号自适应降噪方法

振动信号在噪声影响下,特征提取十分困难。为此应用同步挤压小波变换(Synchrosqueezing Wavelet Transform,SST)对振动信号进行降噪,针对分解后本征模态分量(Intrinsic Mode Function,IMF)的选取问题,提出一种基于瞬时频率复杂度和自相关系数峰度值的同步挤压小波变换降噪方法。算法首先对原始信号进行SST信号分解并提取小波脊线生成固有模态分量,然后对生成的分量进行Hilbert变换得到瞬时频率曲线,再根据瞬时频率的复杂度选择相应的合成分量重构信号。为了进一步消除噪声影响,该方法同时采用了自相关系数峰度阈值法对筛选后的分量进行二次剔除,最终实现对原始信号降噪的目的。试验最后通过不同标准方差的噪声仿真信号以及物流机械传送设备振动信号验证该方法的可行性和有效性,同时将该方法与基于集成经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)和小波变换的方法进行比较,结果表明该方法的降噪性能要优于其他方法。     

基于低密度分割密度敏感距离的谱聚类算法

本文提出一种基于低密度分割密度敏感距离的谱聚类算法, 该算法首先使用低密度分割密度敏感距离计算相似度矩阵, 该距离测度通过指数函数和伸缩因子实现放大不同流形体数据间的距离和缩短同一流形体数据间距离的目的, 从而有效反映数据分布的全局一致性和局部一致性特征.另外, 算法通过增加相对密度敏感项来考虑数据的局部分布特征, 从而有效避免孤立噪声和"桥"噪声的影响.文中最后给出了基于SC (Scattering criteria)指标的k近邻图k值选取办法和基于谱熵贡献率的特征向量选取方法.实验部分, 讨论了参数选择对算法性能的影响并给出取值建议, 通过与其他流行谱聚类算法聚类结果的对比分析, 表明本文提出的基于低密度分割密度敏感距离的谱聚类算法聚类性能明显优于其他算法.     

考虑自然变异的漳河流域未来气候变化情景预估伦

为探究自然变异对未来气候变化预估的影响,首先采用秩评分和多准则决策排序法在漳河流 域进行ＧＣＭｓ适应性评估,进而构建考虑自然变异与否的统计降尺度模型ＭＯＳ进行对比分析,最后采 用典型浓度路径ＲＣＰ下的多种排放情景（ＲＣＰ２．６,ＲＣＰ４．５与ＲＣＰ８．５）,对流域未来２０２１年—２０５０年 的气候变化进行集合预估。研究结果表明:在统计降尺度模型中考虑自然变异可有效提升结果可靠度, 尤其是模型验证期的模拟精度提升显著。多模式多情景下漳河流域未来年降水量较基准期的变化在 －２９％ ～１０％之间;未来年最高、最低气温分别呈０．５℃ ～２．０℃和０．３℃ ～１．３℃的增加趋势,且随着温 室气体排放浓度的增加而增幅变大（ＲＣＰ８．５＞ＲＣＰ４．５＞ＲＣＰ２．６）。     

基于低密度分割几何距离的半监督KFDA算法

提出了一种基于低密度分割几何距离的半监督KFDA（kernel Fisher discriminant analysis）算法（semisupervised KFDA based on low density separation geometry distance，简称SemiGKFDA）.该算法以低密度分割几何距离作为相似性度量，通过大量无标签样本，提高KFDA算法的泛化能力.首先，利用核函数将原始空间样本数据映射到高维特征空间中；然后，通过有标签样本和无标签样本构建低密度分割几何距离测度上的内蕴结构一致性假设，使其作为正则化项整合到费舍尔判别分析的目标函数中；最后，通过求解最小化目标函数获得最优投影矩阵.人工数据集和UCI数据集上的实验表明，该算法与KFDA及其改进算法相比，在分类性能上有显著提高.此外，将该算法与其他算法应用到人脸识别问题中进行对比，实验结果表明，该算法具有更高的识别精度.     

正渗透膜研究进展及其在电厂水处理中的应用

介绍了正渗透技术的基本原理,对膜材料性能的研究以及正渗透技术在电厂水处理中的应用现状进行了综述;列举了目前常见的商业正渗透膜;分析了聚酰胺薄膜复合膜的研究进展,包括碳纳米管、石墨烯、有机骨架、纳米银、纳米纤维的改性以及新型膜的制备;简述了国内外电厂的正渗透技术应用案例。正渗透技术在火力发电厂废水处理中的实际应用结果表明了其在盐分复杂的脱硫废水处理中应用的可行性,从处理效果和经济效益来看,正渗透技术在脱硫废水预处理中具有较大优势,是未来很有前景的电厂零排放水处理技术之一。     

浅谈软件UI设计的课程教学应用

用户界面(UI)是用户与计算机软件之间的交互点。智能软件应用的成败取决于用户界面设计(UID)。使用软件的可能性、易用性和学习都受UID的影响。用户界面是教育软件(e-Learning)设计的重要组成部分。在电子学习的UID中,除UID原则外,还应考虑学习的原则和概念。在这方面,我们首先回顾了以往研究中提出的问题,以明确教育、学习、用户设计和多媒体之间的逻辑关系,然后探讨了电子学习和用户设计的基本概念。     

密度敏感鲁棒模糊核主成分分析算法

针对传统核主成分分析算法(Kernel principal component analysis, KPCA)对野性样本点敏感等缺陷, 提出一种密度敏感鲁棒模糊核主成分分析算法(Density-Sensitive robust fuzzy kernel principal component analysis, DRF-KPCA).该算法首先通过引入相对密度确定样本初始隶属度, 并构建出基于重构误差的隶属度确定方法, 同时采用最优梯度下降法实现隶属度的更新, 有效解决了传统核主成分分析算法对野性样本点敏感导致的主成分偏移等问题.最后, 通过简化重构误差的计算公式, 大大降低了算法的计算复杂度和运行时间.实验部分, 利用有野性样本点和无野性样本点的数据集对本文算法、KPCA及其他改进算法的主成分分析性能进行测试, 结果表明DRF-KPCA能有效消除野性样本点对主元分布的影响.此外, 试验通过分析参数对算法性能的影响给出了合理的参数取值建议.最后将本文算法与其他算法应用到分类问题中进行对比, 实验表明本文算法的分类性能较其他算法有显著提高.     

基于密度敏感最大软间隔SVDD不均衡数据分类算法

为了提高传统支持向量域描述（C-SVDD）算法处理不均衡数据集的分类能力,提出一种基于密度敏感最大软间隔支持向量域描述（DSMSM-SVDD）算法.该算法通过对多数类样本引入相对密度来体现训练样本原始空间分布对求解最优分类界面的影响,通过在目标函数中增加最大软间隔正则项,使C-SVDD的分类边界向少数类偏移,进而提高算法分类性能.算法首先对每个多数类样本计算相对密度来反映样本的重要性,然后将训练样本输入到DSMSM-SVDD中实现数据分类.实验部分,讨论了算法参数间的关系及其对算法分类性能的影响,给出算法参数取值建议.最后通过与C-SVDD的对比实验,表明本文建议的算法在不均衡数据情况下的分类性能优于C-SVDD算法.     

镀锌钢无铬钝化技术研究进展

铬酸盐常见于传统镀锌层钝化,但有毒性大等缺点,因此寻求更为安全的无铬钝化技术是当前研究的重中之重.主要综述了国内外常用的无铬钝化工艺,大致分为无机、有机及无机/有机复合三大类,详细介绍了这三类无铬钝化技术的研究进展和优点,指出复合钝化耐蚀性强,污染小,有广阔的应用前景,并对镀锌板无铬钝化未来的发展趋势进行了展望.