锅炉水总碱度在线检测系统设计

以流动注射分析系统为核心、LabVIEW为软件开发平台,设计了锅炉水总碱度在线检测系统。通过LabVIEW平台,实时采集流动注射分析系统中由pH电极测得的电压值并对采集到的信号进行分析和处理。根据流动注射分析峰的面积与锅炉水总碱度对数之间的线性关系,通过计算得到锅炉水的总碱度。运行测试结果表明,该系统测量精度高、可扩展性强、操作简单、人机界面友好,可在线、实时、有效、快速地测定锅炉水总碱度。     

一种新的电力系统短期负荷预测方法

针对电力系统短期负荷特性,提出了基于局部线性嵌入（Linear Local Embed,LLE）和支持向量机（Support Vector Machine,SVM）技术的短期负荷预测模型。该模型利用LLE算法对负荷样本的数据挖掘知识,得到了高维输入样本的低维映射,最后利用具有非线性拟合、泛化能力强的SVM进行回归。     

基于Help-Training 的半监督支持向量回归

提出一种基于Help-Training的半监督支持向量回归算法,包含最小二乘支持向量回归（LS-SVR）和近邻（NN）两种类型学习器.主学习器LS-SVR通过选择高置信度的未标记样本加以标记,并将其添加到已标记样本集,使训练样本的规模不断扩大,以提高LS-SVR的函数逼近性能.辅学习器NN用以协助LS-SVR从训练样本比较密集的区域选取未标记样本加以置信度评估,可以减弱噪声对学习效果的负面影响.实验结果表明所提算法具有良好的回归估计性能,学习精度较高.     

改进LS-SVR在线控转向系统容错控制中的应用

针对现阶段容错技术中对于不可直接测量变量往往采用易受扰动影响的观测器这一缺点,提出一种基于鱼群算法优化的最小二乘支持向量回归机（LS-SVR）方法用于代替传统的观测器。该方法利用鱼群算法迭代求解LS-SVR中出现的矩阵方程,从而避免了矩阵求逆过程,减少了LS-SVR算法的训练时间,并且能取得最优解。将LS-SVR应用于容错控制中的质心侧偏角估计,一个训练好的LS-SVR包含了质心侧偏角的冗余信息,可以代替观测器进行估计输出。通过仿真实验表明,所提方法收敛速度快,抗干扰能力强,效果明显提升。     

改进的有监督的局部线性嵌入算法及实验演示

流形学习方法中的LLE算法可以将高维数据在保持局部邻域结构的条件下降维到低维流形子空间中．并得到与原样本集具有相似局部结构的嵌入向量集合。LLE算法在数据降维处理过程中没有考虑样本的分类信息。针对这些问题进行研究,提出改进的有监督的局部线性嵌人算法（MSLLE）,并利用MatLab对该改进算法的实现效果同LLE进行实验演示比较。通过实验演示表明,MSLLE算法较LLE算法可以有利于保持数据点本身内部结构。     

经验模态分解算法在角位移传感器信号去噪中的应用

当多个角位移传感器工作在多个电平时,线路间的串扰会导致内部噪声,影响传感器信号输入和输出。设计了角位移传感器线间串扰信号的多层分解去噪方法。在计算角位移传感器信号线间的串扰电压后,分别计算电容耦合和电感耦合的总串扰电压。利用经验模态分解算法对传感器信号进行逐层分解后,得到一定量的残差项和信号分量（IMF）,并将其相加生成新的信号。重复分解计算产生新的信号,然后计算信号分量（IMF）中包含的串扰信号,并根据硬/软阈值消除串扰噪声。仿真结果表明,所设计的方法可以有效地消除角位移传感器线间串扰信号噪声的影响,使传感器采集的角位移测量电路的电压信号更接近无串扰的电压信号,从而保证角位移传感器信号的有效性。     

基于放大因子和延伸方向研究流形学习算法

流形学习是一种新的非监督学习方法,可以有效地发现高维非线性数据集的内在维数和进行维数约简,近年来越来越受到机器学习和认知科学领域研究者的重视．虽然目前已经出现了很多有效的流形学习算法,如等度规映射（ISOMAP）、局部线性嵌套（Locally Linear Embedding,LLE）等,然而,对观测空间的高维数据与降维后的低维数据之间的定量关系,尚难以直观地进行分析．这一方面不利于对数据内在规律的深入探察,一方面也不利于对不同流形学习算法的降维效果进行直观比较．文中提出了一种方法,可以从放大因子和延伸方向这两个方面显示出观测空间的高维数据与降维后的低维数据之间的联系;比较了两种著名的流形学习算法（ISOMAP和LLE）的性能,得出了一些有意义的结论;提出了相应的算法从而实现了以上理论．对几组数据的实验表明了研究的有效性和意义．     

改进的局部线性嵌入算法及其应用

局部线性嵌入算法（LLE）中常用欧氏距离来度量样本间相似度,而对于具有低维流形结构的高维数据,欧氏距离不能衡量流形上两点间相对位置关系。提出基于Geodesic Rank-order距离的局部线性嵌入算法（简称GRDLLE）。应用最短路径算法（Dijkstra算法）找到最短路径长度来近似计算任意两个样本间的测地线距离,计算Rank-order距离用于LLE算法的相似性度量。将GRDLLE算法、其他改进LLE的流形学习算法及2DPCA算法在ORL与Yale数据集上进行对比实验,对数据用GRDLLE算法进行降维后人脸识别率有所提高,结果表明GRDLLE算法具有很好的降维效果。     

改进的非线性数据降维方法及其应用

局部线性嵌入算法（Locally Linear Embedding,LLE）是基于流形学习的非线性降维方法之一。LLE利用样本点的近邻点的线性组合对每个样本点进行局部重构,而不同近邻个数的选取会产生不同的重构误差,从而影响整体算法的实施。提出了一种LLE的改进算法,算法有效地降低了近邻点个数对算法的影响,并很好地学习了高维数据的流形结构。所提方法的有效性在人造和真实数据的对比实验中得到了证实。     

基于偏最小二乘回归算法的空气质量监测系统研究

提出了一种基于偏最小二乘回归(PLSR)算法的低成本多参数空气质量监测系统,可用于同时测量PM2.5,PM10,SO2,NO2,CO和O3等因子.为了消除外界环境的影响并提高系统测量结果的准确性,以标准设备测量的浓度值为因变量,以传感器输出的原始电压信号值为自变量,采用PLSR进行建模.建模过程简单方便,具有较好的操作...     

基于最小二乘支持向量回归的水质预测

水质系统是一个开放的、复杂的、非线性动力学系统,具有时变复杂性,针对水质预测方法的研究虽然已经取得了一些成果,但也存在预测精度与计算复杂度等难题。为此,本文提出一种基于最小二乘支持向量回归的水质预测算法。支持向量机是机器学习中一种常用的分类模型,通过核函数将非线性数据从低维映射到高维空间,在高维空间实现线性分类和回归,最小二乘支持向量回归（LS-SVR）利用所有的样本参与回归拟合,使得回归的损失函数不再只与小部分支持向量样本有关,而是由所有样本参与学习修正误差,提高预测精度;同时该算法将标准SVR求解问题由不等式的约束条件及凸二次规划问题转化成线性方程组来求解,提高了运算速度,解决了非线性复杂特性的水质预测问题。     

基于LLE方法的地震数据随机噪声压制

奇异值分解（SVD）方法在地震数据去噪中得到了较好的发展。在时间域或频率域进行随机噪声压制时,SVD技术往往对呈现线性模式的水平同相轴有较好的去噪效果。然而,对呈现非线性模式的弯曲同相轴效果不佳,从而限制了其在实际中的应用。为此,提出一种基于局部线性嵌入（LLE）的地震数据随机噪声压制方法,其思想是不考虑LLE方法的降维特性,而仅考虑其重构特性,利用局部线性嵌入的重构思想,对地震数据采样点用其近邻进行重构,得到去除随机噪声后的结果。正演模型及实际资料处理结果对比表明,该方法在有效压制随机噪声的同时,能够较好地保留非线性模式的有效信号,优于常规SVD滤波结果。     

高精度低功耗无线传感器网络时间同步算法

通过对无线传感器网络参考广播同步（RBS）算法的研究,针对RBS多跳算法网络开销大和不能实现全网同步的问题,在基于环形网络拓扑的参考广播环形同步（RBRS）算法基础上,提出一种改进的RBRS （IRBRS）算法.该算法引入可变周期同步法：根据贝叶斯最大后验估计原理,估算出最大相位偏差来决定同步周期,从而减少节点同步次数,并且采用最小二乘线性回归法,周期性拟合时钟偏移.运用Matlab环境进行仿真,仿真结果表明：IRBRS算法同步精度显著提高,并且能量消耗显著减少,更有利于延长无线传感器网络的寿命.     

DFT法研究取代酚对黑头呆鱼的急毒性

基于定量结构-活性相关（QSAR）研究酚类化合物的急毒性具有重要意义。运用DFT-B3LYP方法,在较高基组6-311G^**水平下,全优化计算25种取代酚。从中获得分子最高占用和最低空轨道能(E_HOMO和E_LUMO)、前线轨道能级差(AE=EHOMOˉ尻_LUMO)、分子次最高占用和次最低空轨道能(E_NHOMO和E_NLUMO、分子总能量（E_T）、氢原子所带的最高正电荷（q_H⁺）、最负非氢原子的静电荷（g）、分子偶极矩（μ）和分子体积（V）等描述符。结合文献中标题化合物对黑头呆鱼急毒性值(-1g LC₅₀),由多元线性回归方法建成QSAR模型,采用内外双重验证的办法,深入分析和检验模型的稳健性。最佳模型的复相关系数（R²）,去一法（LOO）交替检验复相关系数(R²_CV),外部预测样本复相关系数(R²_ext)分别为0.976,0.974和0.940,故所建QSAR模型的稳定性和预测能力良好。表明:取代酚对黑头呆鱼急毒性与分子体积、最负非氢原子的静电荷及分子总能量的相关性密切。     

基于流形学习与特征融合的汉语方言辨识

提出了一种基于流形学习的特征提取方法,将流形学习有效地应用于汉语方言辨识。针对语音语谱特征空间维数较高的问题,利用局部线性嵌入（LLE）方法降维并与MFCC特征进行融合,融合结果作为新特征用于汉语方言辨识。仿真实验表明,LLE算法能够获取汉语方言的本征规律,融合后的特征能够有效地提高汉语方言辨识的正确识别率。     

基于LS-SVR的图像噪声去除算法研究

通过对最小二乘支持向量机(Least squares support vector regression, LS-SVR)滤波特性的分析, 给出了LS-SVR用于图像滤波的卷积模板构造方法, 解决了LS-SVR在应用中需要求解的问题, 在此基础上, 提出了基于LS-SVR的开关型椒盐噪声滤波算法. 滤波算法中以Maximum-minimum算子作为椒盐噪声检测器, 利用滤波窗口内非噪声点构成LS-SVR的输入数据, 使用事先构造出的LS-SVR滤波算子, 对滤波窗口进行简单的卷积运算, 实现了被椒盐噪声污染点数据的有效恢复. 实验表明, 本文提出的方法具有较好的细节保护能力和较强的噪声去除能力.     

基于随机分块的稀疏子空间聚类方法

针对稀疏子空间聚类（SSC）方法聚类误差大的问题,提出了基于随机分块的SSC方法。首先,将原问题数据集随机分成几个子集,构建几个子问题;然后,采用交替方向乘子法（ADMM）分别求得几个子问题的系数矩阵,之后将几个系数矩阵扩充成与原问题一样大小的系数矩阵,并整合成一个系数矩阵;最后,根据整合得到的系数矩阵计算得到一个相似矩阵,并采用谱聚类（SC）算法获得原问题的聚类结果。相较于稀疏子空间聚类（SSC）、随机稀疏子空间聚类（S³COMP-C）、基于正交匹配追踪的稀疏子空间聚类（SSCOMP）、谱聚类（SC）和K均值（K-Means）算法中的最优算法,基于随机分块的SSC方法将子空间聚类误差平均降低了3.12个百分点,且其互信息、兰德指数和熵3个性能指标都明显优于对比算法。实验结果表明基于随机分块的SSC方法能降低子空间聚类误差,改善聚类性能。     

基于自适应近邻参数的局部线性嵌入

局部线性嵌入算法是一种有效的非线性降维方法。文中提出一种自适应的局部线性嵌入方法。该方法通过分析数据集中任意样本所在局部区域的线性重构误差,确定该局部区域的近似线性块,然后根据位于此局部线性块上的样本来选择局部线性嵌入的近邻参数。实验结果表明,在不同的数据集上,采用多个评价标准,自适应的局部线性嵌入方法相比普通的局部线性嵌入方法,取得更好的结果。     

基于数据点松紧度的局部线性嵌入算法

局部线性嵌入算法（LLE）是流形学习中非线性数据降维的重要方法之一。考虑数据点分布大多呈现不均匀性,LLE对近邻点的选取方式将会导致大量的信息丢失。根据其不足,提出一种基于数据点松紧度的局部线性嵌入改进算法——tLLE算法,针对数据点分布不均匀的数据集,tLLE算法能有效地进行维数约简,且具有比LLE更好的降维效果。在人造数据和现实数据上的嵌入以及分类识别结果表明了tLLE算法的有效性。     

基于占空比优化的STATCOM预测功率控制策略

将基于占空比优化的预测功率控制（Predictive Power Control,PPC）策略应用于静止同步补偿器（Static Synchronous Compensator,STATCOM）中,来解决传统直接功率控制（Direct Power Control,DPC）策略中存在的功率脉动过大、开关频率不固定等问题。在分析STATCOM基本结构的基础上,结合实际数字处理系统离散运行的特点,推导出STATCOM系统的功率预测方程,并详细地分析了造成系统功率脉动过大现象的本质原因。根据查找表（Look Up Table,LUT）得到消除系统功率误差最优的电压矢量后,采用占空比优化的方式对该电压矢量进行幅值修正,构建了一个使k+1采样点功率跟踪误差最小为目标的占空比求取函数。基于多CPU的控制平台进行了STATCOM系统样机实验,实验结果表明所提PPC策略有效地抑制系统的功率脉动、恒定系统的开关频率,同时其保留了传统DPC策略高动态响应的优异特性。