机动型激光测风雷达倾斜风场修正算法研究

为了解决激光测风雷达处于倾斜放置的情况下测出的风场信息与实际风场之间存在的误差,分析了激光雷达的测量原理、放置情况以及存在的问题,采用空间坐标变换的方法对雷达倾斜状态进行理论计算并给出了修正计算公式。对比了水平放置和横向倾斜7.2°放置的激光雷达的实测数据,发现修正前由于倾斜放置导致雷达所测垂直气流数据间产生的误差较大,加入修正算法进行仿真后,数据曲线吻合良好,修正效果明显。结果表明,空间坐标变换的修正算法可使激光雷达在处于非特定位置时仍能正确地反映实际风场信息,从而验证了该修正算法的正确性和可行性。     

基于KNN和RVM的分类方法——KNN RVM分类器

针对相关向量机(RVM)算法分类精度低、核参数选择困难等问题,文中提出临界滑动阈值的概念并以其为基础将RVM与K近邻(KNN)算法结合构建分类器——KNN-RVM分类器。从理论上提出并证明KNN-RVM分类过程等价于带软间隔约束的支持向量机的分类过程、KNN-RVM分类器等价于每类只选一个代表点的1-NN分类器、KNN-RVM分类效果优于RVM这3个结论。对这3个不同数据集进行实验证明临界滑动阈值的临界性与滑动性及KNN-RVM分类器的准确性、适应性及全局最优性,提高分类精度,减轻算法对核参数的依赖性,进而证明KNN-RVM分类器是一种有效的分类器。     

双源CT计量检测方法的探讨

通过Catphan 500模体对某医院的一台双源CT(DSCT)进行加权剂量指数（CTDIW）、层厚（Thickness）、高对比度分辨力（Spatial Resolution）、低对比度分辨力（Low Contrast Resolution）等性能检测,发现双源CT的A、B两套放射源具有同效性,扫描时的辐射剂量是两个单源的辐射剂量叠加,在同等的辐射剂量指数CTDIW情况下,A、B两套成像系统的性能参数不一致,在诊断中应结合临床实际需求和相关技术要求进行判断。     

概率图模型推理方法的研究进展

近年来概率图模型已成为不确定性推理的研究热点,在人工智能、机器学习与计算机视觉等领域有广阔的应用前景.根据网络结构与查询问题类型的不同,系统地综述了概率图模型的推理算法.首先讨论了贝叶斯网络与马尔可夫网络中解决概率查询问题的精确推理算法与近似推理算法,其中主要介绍精确推理中的VE算法、递归约束算法和团树算法,以及近似推理中的变分近似推理和抽样近似推理算法,并给出了解决MAP查询问题的常用推理算法;然后分别针对混合网络的连续与混合情况阐述其推理算法,并分析了暂态网络的精确推理、近似推理以及混合情况下的推理;最后指出了概率图模型推理方法未来的研究方向.     

基于bregman距离和等式约束正则化AdaBoost算法

基于J.Kivinen和M.K.Warmuth提出的一种基于正则化的在线学习模式,提出基于bregman距离和等式约束正则化弱分类器权值更新模式,实现了AdaBoostS,AdaBoostIE,AdaBoostRE,AdaBoostDE和AdaBoostE五种弱分类器权更新算法。在实验部分,利用实际数据对提出的五种算法与Real AdaBoost、Gentle AdaBoost和Modest AdaBoost算法作了比较。     

预测控制约束边界效应与解决方法研究

约束预测控制（Constrained model predictive control,CMPC）中,因约束的存在,优化过程中最优控制作用可能会在可行域的边界取值,也就是说会 有一个或多个变量饱和,即约束边界效应. 而过程控制中操纵变量饱和是我们不希望出现的. 对此,首先基于稳态模型,对期望值位于可行域内时最优解必在期望值处达到给出证明;同时证明了期望值在可行域外时最优解可转化为期望值到可行域的投影. 其次,针对变量在动态及稳态过程中饱和的情况提出了改善控制性能的措施——调整目标函数;终端约束的加入,为预测控制系统稳定性提供了保障. 通过对包含约束的连续搅拌釜式反应器（Continuous stirred tank reactor,CSTR）系统进行仿真实验,验证了所提方法的正确性,并说明了对目标函数进行适当调整,可有效改善系统的控制性能.     

域自适应学习研究进展

传统的机器学习假设测试样本和训练样本来自同一概率分布. 但当前很多学习场景下训练样本和测试样本可能来自不同的概率分布. 域自 适应学习能够有效地解决训练样本和测试样本概率分布不一致的学习问题,作为 机器学习新出现的研究领域在近几年受到了广泛的关注. 鉴于域自适应学习技术 的重要性,综述了域自适应学习的研究进展. 首先概述了域自适应学习的基本问 题,并总结了近几年出现的重要的域自适应学习方法. 接着介绍了近几年提出的 较为经典的域自适应学习理论和当下域自适应学习的热门研究方向,包括样例加 权域自适应学习、特征表示域自适应学习、参数和特征分解域自适应学习和多 源域自适应学习. 然后对域自适应学习进行了相关的理论分析,讨论了高效的度 量判据,并给出了相应的误差界. 接着对当前域自适应学习在算法、模型结构和 实际应用这三个方面的研究新进展进行了综述. 最后分别探讨了域自适应学习在 特征变换和假设、训练优化、模型和数据表示、NLP 研究中存在的问题这四个方面 的有待进一步解决的问题.     

复杂反应速率常数的实验估计

提出并采用“实验数据拟合－积分最小二乘法”，由等温反应体系中各组分组成随时间变化的实验数据，无需迭代计算即可有效地估计各种复杂反应的速率常数。该方法首先对实验数据进行多项式拟合，将各组分的多项式拟合式代入反应动力学方程，再采用积分最小二乘法可得到两种类型的复杂反应速率常数估算式。采用该方法对苯热裂解脱氢为联苯和三苯基反应以及对含有可逆反应的单分子反应系统的反应速率常数进行了估计，计算结果与实验值吻合很好。还对重油加氢裂化集总反应速率常数的估计进行了探讨。     

提升管催化裂化操作优化的初步探讨

本文分析了催化裂化操作优化的必要性和操作变量间的内在关系,介绍了简捷单纯形法寻优,并附有计算机程序,以独山子炼油厂催化裂化装置为例,分别给出了在一定条件下最大汽油产率、最大轻柴油产率和最大总液收率时的最优操作条件.     

几种新型裂化催化剂再生动力学的研究

对几种新型裂化（裂解）催化剂烧炭、烧氢的动力学及再生烟气中CO_2和CO的比值进行考察,得到了不同类型催化剂的烧炭、烧氢速率常数和活化能以及烟气中CO_2和CO的比值随烧焦条件变化的关系式。