弹性多核学习

多核学习 (MKL) 的提出是为了解决多个核矩阵的融合问题, 多核学习求解关于多个核矩阵的最优的线性组合并同时解出对应于这个组合矩阵的支持向量机(SVM)问题. 现有的多核学习的框架倾向于寻找稀疏的组合系数, 但是当有信息的核的比例较高的时候, 对稀疏性的倾向会使得只有少量的核被选中而损失相当的分类信息. 在本文中, 我们提出了弹性多核学习的框架来实现自适应的多核学习. 弹性多核学习的框架利用了一个混合正则化函数来均衡稀疏性和非稀疏性, 多核学习和支持向量机问题都可以视作弹性多核学习的特殊情形. 基于针对多核学习的梯度下降法, 我们导出了针对弹性多核学习的梯度下降法. 仿真数据的结果显示了弹性多核学习方法相对多核学习和支持向量机的优势; 我们还进一步将弹性多核学习应用于基因集合分析问题并取得了有意义的结果; 最后, 我们比较研究了弹性多核学习与另一种利用了非稀疏思想的多核学习.     

烧结过程在线质量控制系统的优化

为了在引进的烧结机过程计算机系统上拓展功能,针对灰箱数学模型难于满足新工艺要求的情况,提出了利用已知计算机系统的输入输出数据,采用聚类分析和冶金机理分析相结合的综合分析方法,构建了烧结过程在线质量控制模型。通过在450 m2烧结机上的连续运行和测试,证实了该系统的有效性,实现了适应新工艺要求的烧结过程在线质量控制。     

库区物流作业管理与控制一体化系统研究与实现

介绍了钢铁企业库区物流管理与控制一体化系统的功能，提出并总结了所设计系统的无线局域网数据传输、天车定位及自动识别、库区数据管理及数学模型等关键技术和特点，实践证明该系统已成为企业信息化建设的重要技术支撑。