基于神经网络的支持向量机学习方法研究

针对支持向量机（Support Vector Machine,SVM）对大规模样本分类效率低下的问题,提出了基于自适应共振理论（Adaptive Resonance Theory,ART）神经网络与自组织特征映射（Self-Organizing feature Map,SOM）神经网络的SVM训练算法,分别称为ART-SVM算法与SOM-SVM算法。这两种算法通过聚类压缩数据集,使SVM训练的速度大大提高,同时可获得令人满意的泛化能力。     

不同格子Boltzmann模型在毛细管流动模拟中的应用

格子Boltzmann方法(LBM)在孔隙尺度流动模拟方面具有模型简洁、易于并行计算的优势,对于不同类型的流动状态,相应的理论LBM模型被提出,但理论模型的适用性和准确性仍待研究。针对流体在孔隙尺度层面上的等温不可压缩流动,采用不同的LBM模型进行了建模、编程,计算了单相流体在毛细管中的流动,并将计算结果与对应解析解进行了对比,分析了不同LBM数值模型的数值精度和稳定性。结果表明,在模拟孔隙尺度层面,对于毛细管定常流动,Zou-Hou模型的模拟结果与解析解吻合度及稳定性最高;但在模拟非定常流动问题时,Zou-Hou模型无法求解,应优先考虑He-Luo模型。研究结果为多孔介质流动模拟技术的适用性评价和模型优选提供技术参考。     

基于小波能量特征的尾流光信号特征研究

针对舰船尾流激光探测的信号检测与分析问题,提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声,有效地选取了含有目标的信号;其次采用小波包分解方法并按频段的能量形成提取目标特征;最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明,提取的特征能有效地揭示不同性质下的尾流后向散射光信号,提高了对尾流分析的能力。     

激光水下探测光尾流回波信号提取方法的研究

激光应用于水下目标探测时,受水体后向散射的影响,目标信号被强噪声信号所淹没。针对这一问题,采用基于RLS算法的自适应抵消法对水体后向散射回波信号进行抑制。并根据水下探测信号非平稳的特点,在传统RLS算法的基础上引入可变遗忘因子λ,改善对目标信号的快速跟踪能力。对实验数据进行分析表明,该方法可以有效抑制水体后向散射回波信号,并具有较快的收敛速度和跟踪速度,对水下激光探测的应用具有一定的实际意义。     

改性高岭石稳定W/O/W双重Pickering乳液的制备

双重乳液是一种能满足对亲水亲油特性不同的两种药物同时进行输送的载体系统,但传统乳液中表面活性剂的使用给环境造成的重危害问题使乳液的应用受到限制。以卵磷脂改性的高岭石为乳化剂制备W/O/W双重Pickering乳液,主要研究了改性剂用量、改性高岭石特征、乳液体系的油水比等对双重Pickering乳液稳定性的影响。以接触角为130°的改性高岭石稳定的内相(W1/O),以接触角为88°的改性高岭石稳定外相(O/W2),获得了可以对两种不同亲水性特征药物同时进行包封的W1/O/W2双重Pickering乳液。     

白炭黑分散剂H60EF在白炭黑补强丁腈橡胶中的应用

研究白炭黑分散剂H60EF在白炭黑补强丁腈橡胶中的应用。结果表明:白炭黑分散剂H60EF能降低胶料的门尼粘度,改善白炭黑的分散性和胶料的加工性能,提高硫化胶的抗撕裂性能、耐磨性能和耐屈挠性能。     

粉末衍射文件(PDF)的简况与使用

粉末衍射文件(Powder Diffraction File)是国际衍射数据中心(International Centre for Diffraction Data)编辑、发行的纯化合物X射线衍射数据库。该数据库以表格形式向使用者提供化合物分子式,英文名称,晶系,空间群,晶面间距(d—值),相对强度,晶胞参数和Miller指数等内容。它由原来的印刷卡片发行改为目前的CD-ROM电子版本。截止到1999年底PDF-2数据库共收集约11.5万个化合物衍射数据,而且以每年至少增加1000个以上衍射数据的速度不断扩充。本文对其检索软件和物相定性分析方法也作了介绍。     

火药温度模拟测量装置设计

研制与某火箭炮推进剂温度变化特性曲线一致的替代材料,并模拟发动机装药结构进行结构设计;在此基础上,通过设计的药温实时测量装置测量该推进剂相似体,间接获取火箭炮推进剂的温度,并将数据通过串口实时可靠地传送到火控计算机用于弹道解算;该测量装置以单片机 AT89S52作为主控芯片,为保证可靠性,有效利用了单片机内置的看门狗模块,温度测量利用单总线测温元件 DS18B20实现,测量结果由液晶显示器显示;试验证明：药温测量精确度等各项性能指标均达到要求,完全可以满足现代火炮和火箭炮对数字化和信息化的要求。     

面向流数据分类的在线学习综述

针对流数据中概念漂移发生后,在线学习模型不能对分布变化后的数据做出及时响应且难以提取数据分布的最新信息,导致学习模型收敛较慢的问题,提出一种基于在线集成的概念漂移自适应分类方法（adaptive classification method for concept drift based on online ensemble,AC_OE）. 一方面,该方法利用在线集成策略构建在线集成学习器,对数据块中的训练样本进行局部预测以动态调整学习器权重,有助于深入提取漂移位点附近流数据的演化信息,对数据分布变化进行精准响应,提升在线学习模型对概念漂移发生后新数据分布的适应能力,提高学习模型的实时泛化性能;另一方面,利用增量学习策略构建增量学习器,并随新样本的进入进行增量式的训练更新,提取流数据的全局分布信息,使模型在平稳的流数据状态下保持较好的鲁棒性. 实验结果表明,该方法能够对概念漂移做出及时响应并加速在线学习模型的收敛速度,同时有效提高学习器的整体泛化性能.

     

济南战役纪念馆体内布索预应力网架设计

以工程设计实例为背景,探讨了预应力索在网架结构中的作用并介绍了一种新型的布索方案--体内布索.体内布索可以提高结构的承载力和刚度,能更好地满足建筑功能、室内效果及索的防火、防腐等要求,还可以通过求解最佳预应力值和优化杆件截面设计使结构更加经济合理.