基于K均值聚类和多核SVM的微钙化簇检测

考虑到乳腺微钙化簇样本分布不平衡以及特征的多样性,提出了基于K均值聚类的多核支持向量机.即首先将训练样本聚合成K类,对每类样本加不同的惩罚因子,以平衡样本分布不平衡.其次针对样本特征多样性,将核函数做组合,得到多核支持向量分类器.使用主动反馈学习的方法来得到稳定的训练样本.实验结果表明,本方法与单核SVM及多核SVM相比,检对率至少可以提高两个百分点.     

多源性数据SVM集成算法研究

针对数据特征的多源性特点,提出基于分组特征支持向量机集成算法．该方法将特征分组,对不同组特征采用不同的核函数映射到高维空间后用支持向量机分类,最后采用投票的方法得出决策标记,所得到的成员分类器具有较高的差异性．与传统的集成方法相比,该方法具有较好的检测性能．     

橡木桶陈酿对红葡萄酒抗氧化性的影响

采用2,2'-联氮-双-3-乙基苯并噻唑啉-6-磺酸（ABTS）方法动态监测经橡木桶陈酿和未经橡木桶陈酿的红葡萄酒的反应过程,比较在测定其抗氧化活性的反应条件上的差异,从而确定适合检测的最佳反应条件,并分析橡木桶陈酿对红葡萄酒中酚类物质含量和抗氧化活性的影响。结果表明,ABTS方法测定经橡木桶陈酿的红葡萄酒抗氧化活性的最佳反应时间范围是240～280 min,最佳稀释比例范围为1∶100～2∶100,未经橡木桶陈酿的最佳反应时间范围是220～260 min,最佳稀释比例范围是3∶100～4∶100,此条件下各因素与自由基清除率的线性关系R2均＞0.999。试验证明,采用合适的检测方法测定不同陈酿方式酒的抗氧化活性有利于提高检测效率和准确性,经橡木桶陈酿过的红葡萄酒中的酚类物质含量和抗氧化活性更高。     

酶法降解奶垢工艺研究

通过研究碱性蛋白酶等酶制剂和NaOH溶液复配等工艺优化减少化学清洗原料对设备耗损，降低化学残留物对乳制品的影响以及减少污水对环境的危害。结果表明，碱性蛋白酶和NaOH溶液按照恰当的复配方式将取得良好的降解效果。不同种类的酶制剂复配可能降低酶制剂的利用率。NaHCO₃和Na₂CO₃两种碱性盐与碱性蛋白酶复配能降解部分奶垢，分别达到NaOH溶液降解效果的62%和74%。研究结果为乳制品生产设备的清洗工艺改进与开发提供了依据。     

压裂煤层气井生产动态模拟及产出特征分析

煤层气是一种重要的非常规清洁能源。分析和总结煤层气井排采数据发现生产动态与传统认识并不一致。在Warren-Root模型基础上,综合考虑煤层气的解吸、扩散及渗流规律,建立了压裂煤层气井三维两相的生产动态模拟数学模型,然后采用IMPES方法和逐次线松弛方法求取数值解。通过数值模拟结果分析压裂煤层气井的生产特征,提出压裂煤层气井产气特征通常应包含四个阶段——单相水流阶段、非饱和水相单相流阶段、气/水两相流阶段和饱和气体单相流阶段。在日产气量曲线上表现为有两个峰值产量出现,气相相对渗透率上升越快,第二个产量峰值越高,出现得也越早,但产量递减也相对较快;第二产量峰值只在气相相对渗透率上升较快情况下出现。否则,不会出现第二个产量峰值,而会出现一段较长的稳产阶段。这对于指导现场进行科学排采及高效开发有重要意义。     

多模式扰动模型动态加权SVM集成研究

针对集成学习中bootstrap方法不能产生具有较大差异性的成员分类器,提出基于多模式扰动模型动态加权SVM集成方法。该方法在训练样本中使用bootstrap采样产生扰动,在输入特征中使用PCA特征滤波子空间法产生扰动,用自动模型选择法来动态扰动每个成员分类器的参数,用分类精度对成员分类器加权集成扰动输出。实验结果表明该方法比常用的bootstrap集成方法具有更好的集成效果。     

基于变权重随机森林的硬盘故障预测方法

为保证一定硬盘故障预测准确率并消除预测误判率,提出一种基于变权重随机森林模型的优化方法.采用计算特征属性值和硬盘故障的相关性对原始数据集进行降维处理,考虑到决策树的节点分裂信息值可能为0的情况,提出分裂信息值与分裂信息平均值之和来代替单一的分裂信息值;根据精度和多样性值选取较优决策树,为其动态分配权值组成强分类器随机森林模型.该模型在保证极高故障预测准确率的同时,将故障预测误判率降低到了0.008％.相比较之前的模型,准确率提高的同时误判率低至0,为解决预测硬盘故障的问题提供了一种借鉴思路.     

电阻抗成像的稀疏重建算法

针对电阻抗成像空间分辨率低和对测量噪声敏感的问题,将传统Tikhonov正则化问题中目标函数的L2范数正则项修正为L1范数,将动态电阻抗图像中非均匀的电导率具有稀疏性作为先验信息添加到L1范数正则项中,由此提出一种电阻抗成像的稀疏重建算法。建立基于总变差法、正交匹配追踪法以及L1范数最小二乘法的电阻抗成像模型,并借助实验可知,新算法成像质量好,对测量噪声不敏感,且成像速度较快。