基于特征选择与分类算法的基因微阵列数据挖掘

特征选择和分类在数据挖掘中是非常重要的任务。特征选择将对结果影响较大的特征选择出来。让后期的机器学习变得简单而有效。分类能把数据库中的数据项映射到给定类别中的某一个，这种技术目前在商业上得到广泛应用。本文在特征选择、分类的背景和意义的基础上，将其应用于基因微阵列数据中。     

基于深度神经网络的语音识别系统研究

语音识别是人机交互模式识别领域的一个重要课题,构建了一种基于深度神经网络的语音识别系统,使用了抗噪对比散度法和抗噪最小平方误差法对模型进行无监督训练;使用了均值归一化进行模型优化, 提高了网络对训练集的拟合度,并且降低了语音识别的错误率;使用多状态激活函数进行了模型优化,这不仅使得不带噪测试和带噪声测试的语音识别错误率进一步下降,并能在一定程度上减轻过拟合现象;并通过奇异值分解和重构的方法对模型进行了降维。实验结果表明,此系统可以在不影响语音识别错误率的基础上极大地降低系统的复杂性。     

冶金工业砷渣的固化研究

对砷渣固化体进行了多种预处理和养护方式实验，确定了胶凝材料的组成体系和砷渣、水泥、粉煤灰、矿渣、碎石以及水灰比的最佳配比。结果表明，各种重金属离子的浸出率均低于《危险废物鉴别标准——浸出毒性鉴别》（GB／75085．3-1996）中规定的浸出毒性标准值。该方法砷渣处理量大，几乎不产生二次污染。     

基于分裂基快速傅立叶变换的电力系统谐波分析

基于快速傅立叶变换(FFT)的电力系统谐波分析难以实现同步采样和整数周期截断,易造成频谱泄漏,影响谐波分析精度.为提高FFT的精度,比较几个典型的窗函数,提出基于加凯瑟窗的插值分裂基快速傅立叶变换算法.仿真分析结果表明该算法能提高FFT计算精度,满足谐波参数测量的精度要求.     

基于分裂基快速傅立叶变换的电力系统谐波分析

基于快速傅立叶变换（FFT）的电力系统谐波分析难以实现同步采样和整数周期截断,易造成频谱泄漏,影响谐波分析精度.为提高FFT的精度,比较几个典型的窗函数,提出基于加凯瑟窗的插值分裂基快速傅立叶变换算法.仿真分析结果表明该算法能提高FFT计算精度,满足谐波参数测量的精度要求.     

ST解磷菌剂分解高内比表面积磷矿工艺条件研究

利用解磷微生物（PSM）从磷矿中提取磷元素用于生产微生物磷肥具有简单易行,节能环保的优点,是农业领域对磷资源使用的一种新途径。目前对解磷微生物的工艺条件研究偏重于单一菌种,而对生产实践中普遍使用的复合菌剂涉及较少。本文用液体培养法对ST解磷菌溶解某高内比表面积磷矿效果的工艺条件,包括培养基组成（碳源、氮源、Na＋、K＋和Mg2＋的浓度）、培养温度、磷矿浓度、菌剂接种量等因素进行了实验研究。结果显示,所有实验组中pH值降低与磷浓度升高存在明显的相关关系;较低C/处理（C/N=4和C/N=10）培养初期P浓度较高,而C/N≥20的处理P2O5浓度在培养后期显示出很强的解磷能力;Na＋、K＋、Mg2＋离子和磷矿浓度在实验设定范围内对解磷能力影响不大;培养温度在28℃以上P浓度上升明显加快,磷浓度达到稳定的时间随温度升高而提前;菌剂接种浓度比为10-1和10-2解磷量较高,稀释到10-4和10-5基本没有解磷能力。部分实验结果反映了培养条件对菌剂微生物组成可能存在筛选作用使得菌剂解磷能力对工艺条件改变的敏感性受到影响,因此研究工艺条件对菌剂解磷的影响需要设定更宽的因素变化范围。