基于分组遗传算法的集成多样性增强及其应用

为了解决复杂工业过程的概念漂移问题,提高集成学习模型的泛化性能,基于分组遗传算法,提出一种用于提升基学习器间多样性的建模方法.该方法以在线极限学习机作为基学习器,根据基学习器在滑动窗口上的性能对其进行分组,并执行进化操作,同时引入基因流概念,增加了基学习器间的多样性,提高了集成算法在处理概念漂移数据流时的预测性能.最后使用合成数据集和真实数据集验证了所提算法的合理性与有效性.     

基于准确性和多样性的在线动态选择集成建模方法

为了解决复杂工业过程中的概念漂移问题,提高集成学习模型的泛化性能,在保证集成学习模型精度的基础上,提出了一种用于优化多样性的基学习器在线动态选择集成建模方法.该方法以在线极限学习机作为基学习器,按照基学习器在滑动窗口上的分类精度对其进行逆序排序,将基学习器在滑动窗口上的其他性能指标作为特征属性,依次利用近似线性依靠条件挑选出准确且多样的基学习器用于集成输出,提高了集成学习模型在处理概念漂移数据流时的分类精度.最后,使用合成数据集和公开数据集验证了所提算法的合理性与有效性.     

基于堆叠法集成学习的购买意向预测方法

为提高对用户购买意向预测的准确率,提出了一种基于堆叠法集成学习的用户购买行为预测模型.利用模型融合技术,将逻辑回归、决策树和XGBoost模型作为基学习器输入,再以随机森林模型作为次学习器进行堆叠,从而形成一种组合模型.针对电商提供的线上用户数据集,首先利用滑窗技术提取用于预测用户购买行为的特征,然后分别使用逻辑回归、...     

基于选择性深度神经网络集成的涡扇发动机剩余寿命预测

大样本高维度状态监测数据对剩余使用寿命（RUL）精准预测有着技术性挑战,为了提高以航空涡轮风扇发动机为代表的复杂装备的预测精度和收敛效率,提出一种两阶段的选择性深度神经网络集成方法. 第1阶段为多方法联合扰动下的候选集生成方案,通过采用异质神经网络结构、多时间尺度设计和算法参数随机化消除模型内部耦合关系,强化候选深度神经网络集多样性;第2阶段利用遗传算法集成修剪冗余模型,有效剔除性能不佳的冗余学习器,以获取多样化最优候选子集,并按平均集成输出预测结果. 与个体模型的数据实验对比表明,所提方法通过同步增强集成模型准确性和多样性,提升了近20%的RUL预测精度,可为运维决策提供有力支撑.     

基于在线SVM的裂解炉燃料气热值软测量

针对裂解炉燃料气离线热值模型泛化能力差的问题,提出一种具有自适应能力的在线支持向量机(Online SVM)建模方法.该方法将增量式支持向量机(ISVM)与近似线性依靠(ALD)条件相结合,通过计算新样本与建模样本间的近似线性依靠值,选择满足ALD条件的独立新样本更新SVM模型.分析裂解炉燃料气热值的影响因素,并用Online SVM算法建立裂解炉燃料气热值在线软测量模型.该模型由离线训练模块和在线模型更新模块组成.离线训练模块基于离线数据训练得到初始热值软测量模型,在线更新模块通过使离线模型学习线性独立新样本来保证热值模型的在线预测精度.利用合成数据、Benchmark数据与裂解炉燃料气热值数据,将该方法与传统的SVM和LS-SVM方法进行对比仿真研究.结果表明:该方法能够适应新的工况,具备自适应学习新样本的能力,可以用于具有慢时变特征的裂解炉燃料气系统热值软测量建模.     

基于在线SVM的裂解炉燃料气热值软测量

针对裂解炉燃料气离线热值模型泛化能力差的问题,提出一种具有自适应能力的在线支持向量机(Online SVM)建模方法.该方法将增量式支持向量机(ISVM)与近似线性依靠(ALD)条件相结合,通过计算新样本与建模样本间的近似线性依靠值,选择满足ALD条件的独立新样本更新SVM模型.分析裂解炉燃料气热值的影响因素,并用Online SVM算法建立裂解炉燃料气热值在线软测量模型.该模型由离线训练模块和在线模型更新模块组成.离线训练模块基于离线数据训练得到初始热值软测量模型,在线更新模块通过使离线模型学习线性独立新样本来保证热值模型的在线预测精度.利用合成数据、Benchmark数据与裂解炉燃料气热值数据,将该方法与传统的支持向量机(SVM)与LS-SVM方法进行对比仿真研究.结果表明:该方法能够适应新的工况,具备自适应学习新样本的能力,可以用于具有慢时变特征的裂解炉燃料气系统热值软测量建模.     

基于动态基函数的强回归小波神经网络

针对小波神经网络(wavelet neural network,WNN)难以选取合适小波基函数和确定隐含层节点数等问题,提出使用集成学习改进小波神经网络的方法,提高小波神经网络容错能力和自学习能力.本方法首先通过降维、归一化预处理样本数据并确定测试数据分布权值;然后通过随机选取不同的小波基函数构造出异构小波神经网络序列并反复训练样本数据;最后使用AdaBoost算法集成学习生成强回归小波预测器.对UCI数据库中数据集进行仿真验证,实验结果表明:本方法比传统小波神经网络预测平均误差减少30%以上,有效地提高了小波神经网络的预测精度和泛化能力.     

基于SVM的复杂非线性黑箱系统在线辨识方法

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的回归方法,本文分析了采用神经网络方法进行非线性系统建模存在的缺点,并将SVM应用于复杂非线性黑箱系统模型的在线辨识当中,理论分析和实验证明,该方法学习速度快,跟踪性能好,泛化能力强,对样本的依赖程度低,比神经网络非线性系统建模具有更好的预测精度.     

集成学习框架下的车辆跟驰行为建模

为了提高复杂行驶环境下车辆跟驰行为预测精度,提出了一种集成学习框架下融合理论驱动模型和数据驱动模型的车辆跟驰行为建模方法。基于stacking集成学习框架,选择理论驱动的智能驾驶模型（IDM）、考虑车辆队列和周围行驶条件因素的数据驱动的长短时记忆（LSTM）网络和门控循环单元（GRU）网络作为跟驰行为特征的一级学习算法,选择3种线性和8种非线性回归方法作为备选二级学习算法来融合一级学习器的输出特征。通过对比使用实际车辆轨迹数据计算的模型预测精度,确定了最优模型。研究结果表明:包含车辆队列和周围行驶条件变量的数据驱动跟驰模型比IDM模型的预测精度更高;多数情况下采用非线性二级学习算法的融合跟驰模型的预测精度高于IDM模型、数据驱动跟驰模型以及采用线性二级学习算法的融合跟驰模型;分别采用GBRT回归和随机森林回归作为二级学习算法的IDM-LSTM-stacking模型和IDM-GRU-stacking模型具有最高的预测精度;外界干扰下的融合跟驰模型稳定性优于单一的理论和数据驱动跟驰模型。集成学习为驾驶行为建模提供了新方法。     

基于注意力机制的数控机床热误差深度学习预测方法

为提高热误差预测精度和鲁棒性,提出一种基于注意力机制和深度学习网络的数控机床热误差预测模型。采用数据转化策略,将数控机床原始温度数据转化为温度图像,直接作为深度学习网络的输入;提出一种基于注意力机制的温度敏感点识别网络,根据温度测点与热误差关联程度,赋予各温度测点不同的权值,避免了温度测点的人为选取弊端;建立12层深度CNN学习预测网络,利用其强大的图像特征学习能力,挖掘温度图像与热误差的非线性映射关系,无需对温度关键点进行预选择,保留了更多的热误差与机床温度特征关系,显著提高了模型预测精度。为了提高热误差模型的精度与泛化能力,引入Dropout正则化方法和Adam优化算法,对深度卷积神经网络的结构与参数进行了优化。该方法在针对G460L型数控车床的热误差验证中表现出较高的预测精度。通过与BP神经网络和多元回归等传统热误差模型进行对比,深度卷积神经网络框架下的热误差模型在泛化性指标上表现更优。     

“电路分析”、“信号与系统”和“数字信号处理”课程的优化整合

"电路分析"、"信号与系统"和"数字信号处理"课程是信息和通信工程类专业的重要基础课程,然而,长期以来三门课程的教学各自为政,存在授课内容重复、衔接不合理等诸多问题,因而有必要对原有课程体系教学内容进行优化整合。文章首先阐述了整合的总体思路,其次提出了整合的具体方案,然后分析了整合后课程体系的特点,最后对进一步进行教学改革可能采取的措施进行了讨论。     

以人为本切实加强和改进思想政治工作

面对新形势的要求 ,思想政治工作在内容、形式、方法、手段、机制等方面都存在着不相适应的问题。以人为本 ,切实做好思想政治工作的创新工作 ,把党性原则和“人情味”联系起来 ,实现物质力量与精神力量的互相转化 ,是新时期加强和改进思想政治工作的重要方法。     

浅谈历史文化名城太原的城市文脉及其保护开发

城市文脉即城市文化脉络,它是城市在历史发展过程中的文化集合,是城市独一无二的文化资本．本文以历史文化名城太原的城市文脉作为研究对象,从物化城市形态及非物质传统文化两个角度对历史文化名城太原的城市文脉内涵进行论述,并在此基础上进一步提出了保护及开发太原城市文脉的措施．通过对此研究,以期能够促进太原历史文脉的传承及其合理开发．     

VBA与VB应用程序之异同和相互移植

介绍了VBA(VisualBasicforApplications)与VB(VisualBasic)之间的异同点,以及VBA与VB的代码对照,并举例说明了两者之间进行相互移植的方法。     

以人为本切实加强和改进思想政治工作

面对新形势的要求,思想政治工作在内容、形式、方法、手段、机制等方面都存在着不相适应的问题.以人为本,切实做好思想政治工作的创新工作,把党性原则和"人情味"联系起来,实现物质力量与精神力量的互相转化,是新时期加强和改进思想政治工作的重要方法.     

工笔花鸟画与花鸟图案的差异性和互融性分析——兼谈设计艺术教育中的花鸟画教学

花鸟画和花鸟图案虽然在表现的目的、功能和工具材料上相异,但在表现手法和造型规律上却相互融合。在设计艺术中进行工笔花鸟画教学,应结合专业特点,充分利用它们之间的互融性,将设计艺术中的一些有益因素贯穿到花鸟画教学中,这样不仅丰富和发展了工笔花鸟的表现语言,同时也使花鸟画教学和设计艺术专业相互融合。     

泥岩涂抹形成演化与油气运移及封闭

泥岩涂抹是断层封闭的主要机制之一,为了建立合理的断层封闭性评价方法,系统研究了泥岩涂抹类型、形成和演化规律.结果表明:泥岩涂抹主要有3种类型:即研磨型、剪切型和注入型.泥岩、页岩、煤层、膏岩、泥质盐岩、碳酸盐岩和粉砂岩均可成为涂抹的原岩,由原岩与周围岩石的强度差异所决定的拉张型叠覆带是泥岩涂抹形成的关键地质因素.叠覆区的几何学特征、断距与泥岩厚度的比率、有效正应力控制着泥岩涂抹的连续性,亚地震断层(断距小于15m)泥岩涂抹连续临界SSF值范围很大,最大可达到50,规模较大的断层(断距大于15m)临界SSF值一般为5～8,有效正应力越大,临界SSF值越大.连续的泥岩涂抹导致断层在盖层段垂向封闭.断层侧向封闭取决于多次涂抹形成断层泥含量,可建立SGR,SSF和CSP与过断层面压力差之间的关系,从而计算断层所能封闭的最大油气柱高度,实现断层侧向封闭性定量评价.     

红藻石和蓝藻石概念及分类归属的综述和修订

在分析和总结前人对红藻石和蓝藻石研究成果基础上,结合岩石薄片显微镜下观察实例,发现在以往碳酸盐岩颗粒分类中没有红藻石和蓝藻石的合适位置。鉴于红藻石重要的成因意义和造礁作用,有必要明确红藻石的概念和归属。珊瑚藻本身极易钙化,经生物矿化作用最终保存下来的珊瑚藻屑一直放在生物碎屑中,而红藻石是由非固着的珊瑚藻构成的钙质独立结核,因此也可以被划分到生物碎屑中。蓝藻石作为蓝细菌钙化作用的产物,同时鉴于蓝藻石的广泛存在,把钙化蓝细菌形成的核形石命名为蓝藻石,这一重要概念从提出到现在一直被使用。然而蓝绿藻概念已变更为蓝细菌,蓝藻石的形成与藻类无关,显然将其称作蓝菌石更加确切。因此,应将红藻石和蓝藻石分别归为生物碎屑和核形石当中,并用新的术语蓝菌石替代蓝藻石。其意义在于使红藻石和蓝藻石的概念及归属更为规范,并为碳酸盐岩颗粒的深入研究提供有益线索。     

论科学技术和人文教育

由于缺乏深厚的人文背景以及科技哲学和科技美学的指导 ,现代科学和技术越来越陷入自设的困境 .面对现实 ,提出致力于国民素质的全面提高 ,特别是理工、自然科学与人文社科的融合 ,以此促进科技、美学和其他人文学科的联姻 ,唤醒科技的人本意识和社会责任感     

沸石及其开发应用

介绍了常见天然沸石的结构．性能和应用情况以及对几种典型沸石类分子筛材料的合成方法．特性及应用，提出了开发利用沸石的几点建议。