空压机显温报警器

山东招金集团金翅岭矿冶有限公司现有L型活塞式空压机10余台,分别应用于氰化与采矿车间等,虽然使用场所不同,但其有一个共同的特点,即一、二级缸排气温度绝对不允许超过160℃(如果超过这一极限,特别是再遇到润滑油的闪点较低,当空气与润滑油蒸汽的比值达到30～42mg/kg时,遇到积炭放热产生的火星,即可发生爆炸,或者产生有害气体进入作业场所造成人员中毒伤亡,无论出现哪一种情况,后果都是不堪设想的)。     

Fisher和支持向量的综合分类器

结合Fisher判别分析和支持向量机的优点,提出了一种新的分类算法—Fisher-SV分类器（简称FSVC）。该分类器的核心思想就是寻找最优分类面的法向量w*,使得样本向量在w*上做投影后,不仅使分类间隔达到最大,而且使类内离散程度尽可能小。对于线性情况,可以转化为传统的支持向量机求解,而不需要设计新的求解算法。对于非线性情况,利用再生核理论得出新的求解算法。实验结果表明,该分类器具有很高的准确度和可靠性。     

基于一类分类的线性规划支持向量回归算法

根据一类分类思想,提出一种基于线性规划的支持向量回归算法,该算法揭示了一类分类和回归之间的关系。实验在一个正弦函数、一个混沌时间序列和一个实际的数据上进行。实验结果表明,所给算法的泛化性能优于标准的支持向量回归算法(ε-SVR)、线性规划支持向量回归算法(LP-SVR)和最小二乘支持向量回归算法(LS-SVR),实验结果也说明了所给算法的有效性和可行性。     

支持向量机分类回归核函数

基于统计学习理论的支持向量机算法以其优秀的学习性能已广泛用于解决分类与回归问题。分类算法通过求两类样本之间的最大间隔来获得最优分离超平面,其几何意义相当直观,而回归算法的几何意义就不那么直观了。另外,有些适用于分类问题的快速优化算法岁不能用于回归算法中。研究了分类与回归算法之间的关系,为快速分类算法应用于回归模型提供了一定的理论依据。     

基于模糊隶属度的支持向量机去噪方法

针对传统支持向量机对于噪声和野点敏感的问题,采用一种模糊技术去除样本中的噪声和野点.应用基于样本之间的紧密度确定每个样本的模糊隶属度,通过训练确定阀值,去除影响得到最优分类超平面的噪声和野点.实验结果表明,与传统的支持向量机相比,该方法提高了支持向量机的抗噪能力,在不影响精度的前提下,线性规划下的一类分类方法要比二次规划节省很多时间.     

LS-SVM在混沌时间序列预测中的应用

支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题.文中将最小二乘支持向量机算法应用于混沌时间序列预测中,并同BP网络及RBF网络的预测结果进行了比较分析.仿真实验表明,该方法具有很好的泛化能力和一定的噪声容忍能力.     

渠道防渗技术措施的适用性对比分析

主要介绍了现有的几种渠道防渗的技术措施,通过比对优缺点,得到各种不防渗措施的适应地区,为灌区渠道防渗工作提供一定基础。     

归来庄金矿充填配比试验研究

归来庄金矿目前采用的采矿方法为上向水平进路式充填采矿法,因矿体稳固性较差,进路需接顶充填。通过对充填材料物理力学分析和对充填料浆浓度及配比继续系统化实验,得出合理的技术经济参数。通过参数调整,充填接顶率能达到90%以上,在满足生产要求的情况下得出经济配比。