走出色彩重围

文章分析服装的色彩设计以及色彩整体美与面料的关系和色彩情感体验，色彩的三要素、色性，色彩的对比，色彩的调和色彩的美感等的综合运用与面料、款式、工艺等因素融为一体时，服装色彩才能够真正传递出服装所蕴含的美感。     

双母线带旁路接线方式下对侧误跳闸分析与改进

详细分析了双母线带旁路接线方式下,因母线保护在传动断路器时,由操作箱TJR接点经第二套线路纵联保护通道远跳线路对侧,分析了导致断路器事故跳闸的原因。通过分析提出了停用纵联保护通道的观点,从而保证了继电保护可靠性和电网的安全运行。     

差分隐私保护的随机森林算法及在钢材料上的应用

基于数据驱动的材料信息学被认为是材料研发第四范式，可以极大降低新材料的研发成本，缩短研发周期。然而，数据驱动的方法在材料数据共享利用时，会增加材料研发中关键工艺等敏感信息的隐私泄露风险。因此，面向隐私保护的机器学习是材料信息学中的关键问题。基于此，本文针对在材料信息学领域广泛使用的随机森林模型，提出了一种差分隐私保护的随机森林算法。算法将整体隐私预算分配到每棵树上，在建决策树过程中引入差分隐私的拉普拉斯机制和指数机制，即在决策树的分裂过程中采用指数机制随机选择分裂特征，同时采用拉普拉斯机制对节点数量添加噪声，实现对随机森林算法的差分隐私保护。本文结合钢材料疲劳性能预测实验，验证算法在数据分别采用集中式存储和分布式存储下的有效性。实验结果表明，在添加差分隐私保护后，各目标性能的预测决定系数R2值均达到0.8以上，与普通随机森林的结果相差很小。另外，在数据分布式存储情况下，随着隐私预算的增加，各目标性能的预测R2值随之增加。同时，随着最大树深度的增加，算法整体的预测精度先增加后降低，当最大树深度取5时，预测精度最好。综合看来，本文算法在实现随机森林的差分隐私保护前提下，仍能保持较高的预测精度，且数据在分散存储的分布式网络的环境中，可根据隐私预算等算法参数设置，实现隐私保护强度和预测精度的平衡，有广泛的应用前景。