嵌入误分类代价和拒识代价的极限学习机基因表达数据分类

为了实现代价敏感分类过程中的最小平均误分类代价的目的,本研究通过在分类过程中引入概率估计以及误分类代价重新构造分类结果,提出了基于极限学习机(extreme learning machine, ELM)的代价敏感算法CS ELM并在上述算法基础上,引入“拒识代价”,进一步减小了平均误分类代价。算法被运用到基因表达数据集上并与极限学习机、代价敏感决策树、代价敏感BP神经网络和代价敏感支持向量机做对比,可以得出,嵌入拒识的CS ELM算法能够更好地降低误分类代价,使分类结果更加可靠。     

基于压缩感知的癌症基因表达数据分类

提出了一种基于压缩感知原理的分类方法.把癌症基因表达数据分类问题归结为求解测试样本对于训练样本的稀疏表示问题,通过求解L1范数意义下的最优化问题来实现.提出的方法与Bagging神经网络和SVM的识别效果做了对比和分析,实验证明基于压缩感知的分类取得了相对较好的效果.     

适用于多端柔性直流输电系统的新型直流电压控制策略

重点关注适用于多端柔性直流输电系统的直流电压协调控制策略,分析了现今最受认可的直流电压偏差控制策略以及直流电压斜率控制策略的缺陷,并结合2种控制策略的优点,提出了一种新型直流电压控制策略——直流电压偏差斜率控制策略。该控制策略利用直流电压偏差控制策略的偏差特性,实现了换流站直流功率的跟踪;利用直流电压斜率控制策略的斜率特性,加快了其动态响应能力。最后,在PSCAD/EMTDC仿真平台中针对直流电压偏差斜率控制策略的特性进行了稳态仿真分析以及暂态仿真分析,仿真结果表明:采用直流电压偏差斜率控制策略后,多端柔性直流输电系统能够稳定、可靠运行。     

基于电容电压波动的模块化多电平换流器电容电压均衡策略

针对模块化多电平换流器(MMC)的子模块电容电压均衡问题,为了在较低的开关频率下抑制电容电压波动,提出了一种标记排序电容电压均衡策略。标记排序均衡策略能够根据设定的电容电压波动率边界与每个子模块的投切状态和电容电压,将同一桥臂内的子模块标记为两种类型,分别进行排序与投切控制。其中电容电压波动率边界可以根据系统运行的不同条件进行调整。提出了用于评价电容电压均衡控制策略性能的两个通用性指标,分别为器件平均开关频率和桥臂的电容电压波动率。在PSCAD/EMTDC中搭建了一个21电平MMC的测试系统,将标记排序均衡策略的控制性能和已有的两种电容电压均衡策略进行了仿真对比,并计算了不同均衡策略下MMC的损耗分布。仿真结果证明了标记排序均衡策略的有效性。最后,对电容电压波动率边界取不同值时的情况进行了仿真测试,给出了电容电压波动率边界的选取建议。     

基于响应矩阵的RFQ新调谐算法的验证与实现

射频四极场加速器（Radio Frequency Quadrupole,RFQ）广泛应用于质子加速器装置中，高频率、紧凑型RFQ的发展可以推动质子加速器装置的小型化，同时也面临调谐困难的问题。紧凑型RFQ的性能对腔体尺寸的敏感度高，基于理论物理特性的传统调谐算法难以取得良好效果，而基于腔体实际物理特性的调谐算法则可以解决紧凑型RFQ的调谐难点。本文提出了一种基于响应矩阵和最小二乘法的调谐算法，该算法可以限定求解的范围，避免计算结果超出调谐器可调谐范围的问题；为二极场分量赋予权重，可以高效地降低二极场误差，解决二极场分量难以调谐的问题。根据新的调谐算法分别在模拟环境下的RFQ样机上完成了调谐实验，在搭建的测量平台获得的结果显示：初始状态下二、四极场误差分别为24.09%和1.57%，经过5次调谐后两者误差分别降为2.33%和1.39%，验证了调谐算法的有效性。该调谐算法具有普适性，也可以用于其他频率的RFQ，将来还可以促进质子加速器装置的小型化，推动医用质子装置的普及。