基于云概率密度分布估计的大坝监测数据分析

大坝运行监测易受自然环境和监测条件影响，存在时间和空间上的变异性，监测数据具有不确定性。以云理论的随机性和不确定性分析方法为基础，并与空间数据辐射思想相结合，建立了云滴概率密度分布估计模型，然后导出云概率密度分布函数，依据样本监测数据推求母体空间数据的分布特征，并设计了基于逆向云算法云变换的计算程序。分析陆浑水库1979~1999年测压管监测数据和位移变形数据的云概率密度分布特征和云数字特征，得出了20 a来大坝的数据分布特征和运行状态。监测数据分析结果表明，云概率密度分布估计不仅能有效合理地分析大坝的运行状态，而且能够依据云数字特征来判断监测状态和监测环境的异常变化。      

对增量CRL应用的一些研究

本文对PKIX依从系统中增量CRLs的应用进行了一些研究，包括：增量CRL的时间跨度对性能的影响及其最优选择；基于完全CRL与增量CRL检查证书状态以及构造新的完全CRL的算法。     

基于Kullback-Leibler与PCA的概率密度比值估计

为了更好地解决在机器学习和数据挖掘等领域中经常遇到的两个概率密度函数的比值估计问题,文中提出了一种新的概率密度比值估计算法.该算法基于Kullback-Leibler距离,综合混合高斯模型和主成分分析的概率密度比值估计方法,使用混合概率主成分分析为两个概率密度比值函数建模.在概率密度比值估计的过程中,不是分别估计比值函数的分子和分母,而是对整个比值函数进行混合组成建模.算法避免了分别对分子分母的概率密度估计,降低了估计的误差.实验表明该算法能够获得较好的估计结果.     

考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型。在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预测精度,但其波动性较强,使用概率场景生成和削减的方法制定不同场景下负荷备用需求的调整量,以日运行成本最低建立目标函数,运用改进的粒子群算法在IEEE30节点系统上验证了所提模型的经济性和鲁棒性。     

基于概率密度逼近的无监督特征排序*

依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维.实验证明,这种方法与一些现有的方法相比,更为有效.     

西北地区风电功率波动特性概率密度及波动统计

为了准确描述西北地区风电功率波动特性的概率密度分布及波动变化,在对西北地区风电功率数据分钟级分量进行分布拟合统计后,得出特殊t（t location-scale）分布可以描述西北地区风电功率波动特性的概率分布。将西北地区风电功率数据划分为幅值差波动和斜率波动,因CLARANS算法常用在大数据聚类划分上,故利用CLARANS算法对幅值差波动和斜率波动进行聚类划分。聚类划分后经统计表明：西北地区风电功率数据的幅值差波动具有明显的季节性特征,在6—8月最为明显;斜率波动有较为明显的空间特征,随着空间尺度的增大,缓慢波动的风力发电量占比均值由0.356降至0.267,快速波动的电量占比均值由0.183升至0.35。     

固溶处理对电解制备的A356合金硅颗粒的影响

以电解低钛铝基合金为原料制备了A356合金,研究了在535℃下固溶处理时间对合金共晶硅相细化、球化和分布的影响.测量了硅颗粒的长径和短径,计算了颗粒的直径和长短径比值等参数,分析了上述参数随固溶时间的变化及其概率密度分布.实验结果表明:由该电解合金制备的A356合金经2～4 h的固溶处理,共晶硅就可得到较好的细化和球化效果,具有较高的分布集中度;A356合金的固溶处理时间可有效缩短.     

印刷哈萨克斯拉夫粘连字符的切分方法

哈萨克斯拉夫图像文本经过行切分和列切分后,存在水平方向接触和垂直方向重叠的粘连字符。为提高字符识别率,依据字符连通域的最小外接矩形切分开垂直方向重叠的粘连字符图像块;利用判决条件:字符宽度概率密度分布图、字符图像块垂直投影的波峰数目和字符图像块垂直投影波峰的对称性,分离初始粘连字符图像块中正确的单个字符图像块和实际接触的粘连字符图像块;在允许的字符宽度范围内,寻找粘连字符图像垂直投影图的极小值点,以切分实际接触的粘连字符。实验结果表明,该方法泛化能力较好且识别率有明显提高。     

降膜波动特性的研究

本文提出了一种测定膜厚的新方法－双电导探针法，测定了高湍流降膜的厚度沿降膜管管程的变化情况，探讨了径向平均膜厚及膜厚的概率密度分布沿管程的变化规律，证明降膜的波动特性同时受到液相雷诺数和管程的影响。并对平均膜厚和液相雷诺数作了经验关联，得出NT＝（δ^ )^2/3 [8.92(ReL/4)^5/2 6.0×10^-6(ReL/4)^9/2]^2/15。     

基于校准DCT特征的JPEG图像隐写分析

提出一种基于校准DCT特征和支持向量机的JPEG图像隐写分析方法。在JPEG图像的DCT域,采用联合概率密度计算DCT系数块内和块间相关性,联合低频AC系数统计特征,利用校准技术提取243维特征,然后使用支持向量机进行训练和分类。对三种常见的JPEG图像隐写算法(F5、Outguess、MB1)进行了二分类实验。实验结果表明:在嵌入率较低的情况,该算法的检测率优于其他算法。