流行学习算法应用于基因芯片数据分析

基因芯片是近年发展起来的生物技术,其数据典型特征是基因数多而样本少,因此必须及时采取有效方法来处理这些以指数级增长的数据.流行学习算法在高维数据方面有着广泛应用,但在基因芯片数据分析的应用还比较少.为了能得到在基因芯片数据分析中更好的处理方法,文章应用三种非线性降维提取海量基因芯片数据的特征,然后利用支持向量机作为分类器,判断样本的类属.实验结果表明,通过LLE特征提取之后,能获得与原基因芯片更为接近的成分,类属判断结果更为准确,为基因芯片数据分析提供了一定的科学指导.     

基于Internet的城市烟气实时监控系统

介绍了一个基于Internet的城市环境空气污染源实时监控系统的设计与实现,叙述了其系统构成和软件设计的思想。讨论了在Internet环境下进行计算机与远端现场监测仪器间的指令与数据交换,以实现实时接收污染源监测仪器的数据和对监测仪器工作状态进行实时监控的方法。     

异构数据库文件的转换

利用Ｄｅｌｐｈｉ提供的数据库应用支撑功能实现异构数据库自动转换的原理和方法。     

电力大数据下的短期电力负荷预测

电力产业是国民工业系统中重要的产业。在电网运行管理中,对于负荷预测具有非常重要的作用。更加准确的电力负荷预测可以为电网的安全稳定运行、实时进行电网负荷的调度提供了重要依据。特别是在经济方面,精确的电力负荷预测可以优化发、用电电网调度计划,合理调度和分配资源,从而起到使社会效益、经济效益最大化的作用。然而随着中国经济的飞速发展,对电力的需求不断增长,电力负荷本身受诸多因素以及政策影响比如日期、天气、气候、市场等其他因素,这些因素更大大加大了准确进行电力负荷预测的困难性。一直以来,人们一直都致力于提高电力负荷预测的准确性,人工神经网络算法具有泛化、学习能力强等优点,现在该算法已在电力负荷预测领域中得到了广泛应用,并且取得了良好的效果。近年来,人工神经网络领域取得重大突破,涌现出一个新的深度学习研究领域。文章就是基于最新发展的人工神经网络算法,结合实际地区电网数据研究了短期电力负荷预测的相关问题。     

山西电力主干光纤通信网的演进

随着山西电力生产、经营管理及信息化应用水平的不断提高，各项业务对电力通信网的要求也越来越高。为了更好更快地满足各类需求，从“十五”到“十一五”通信网规划，针对山西电力主干光纤通信网进行了不断的改进与完善，并就山西电力主干光纤通信网的演进发展过程进行了论述。     

微观表面形貌对螺旋槽液膜密封空化发生的影响

为探索微观表面形貌对液膜密封空化的影响,基于满足质量守恒的JFO空化模型及坐标变换,建立考虑微观表面形貌的双坝区螺旋槽液膜密封数学模型;采用有限体积法离散求解控制方程,综合分析表面粗糙度、周向波度和径向锥度对螺旋槽液膜密封空化发生的影响规律。结果表明:相比而言,密封面计入微观表面形貌后,摩擦副液膜中空穴区发生位置分散且形状不规则;以空化面积比为判据,较大表面粗糙度对液膜空化促生虽起到积极作用,但数据较小,可忽略不计;锥度对液膜中空穴促生和抑制影响有限,波幅的增加显著促进液膜中空穴的发生;高频波数时,正锥度有利于降低液膜空化面积比,抑制空穴。     

径向电涡流阻尼器对柔性转子系统振动的控制

为了抑制转子系统的振动和研发高性能的转子系统振动主动控制执行元件,基于电涡流原理提出了一种新型的转子系统径向电涡流阻尼器,在一个带有双盘的柔性转子系统上详细地测量了不同磁场强度条件下径向电涡流阻尼器支撑的转子系统在非旋转状态下的传递函数、在恒定转速下的运动轨道以及在慢加速运行过程中的不平衡响应曲线,并进行了利用径向电涡流阻尼器对转子系统的振动进行分段和比例控制的有效性试验。结果表明了这种新型的径向电涡流阻尼器不仅具有结构简单、无需流体介质、无机械接触等特点,而且其动力特性还容易控制,在设计合理的条件下能够显著地减小转子系统的振动,是一种被动和主动兼备具有良好发展和应用前景的转子系统阻尼结构。     

光纤惯组的第二级温控系统算法设计与仿真

由于光纤惯性测量组合对温度的敏感性,故需采用温控系统对惯组的温度进行控制以保证温度敏感器件的精度和稳定性。为了获得更好的控制效果,本文采用两级温控方案,重点针对光纤惯性测量组合温控系统的第二级温控系统进行加热方案的论证,对光纤陀螺和加速度计进行热仿真分析,优化温度控制方案,并提出用遗传算法优化模糊PID控制器的量化因子和比例因子,由此优化控制规则和隶属度函数。仿真结果表明,这种算法能够获得比常规模糊PID控制更好的控制效果,大大改善了系统的性能。     

基于推理注意力机制的二阶段网络图像修复

现有的图像修复方法在处理大面积缺失或高度纹理化的图像时,通常会产生扭曲的结构或与周围区域不一致的模糊纹理,无法重建合理的图像结构。为此,提出了一种基于推理注意力机制的二阶段网络图像修复方法。首先通过边缘生成网络生成合理的幻觉边缘信息,然后在图像补全网络完成图像的重建工作。为了进一步生成视觉效果更逼真的图像,提高图像修复的精确度,在图像补全网络采用推理注意力机制,有效控制了生成特征的不一致性,从而生成更有效的信息。所提方法在多个数据集上进行了实验验证,结果表明该图像修复方法的结构相似性指数达到了88.9%,峰值信噪比达到了25.56 dB,与现有的图像修复方法相比,该方法具有更高的图像修复精确度,生成的图像更逼真。