真空低温环境导热填料界面接触热阻实验研究

真空低温环境下,接触热阻对热传递有十分重要的影响。根据接触热阻产生机理和实验测试原理,建了一套真空低温环境下固体界面接触热阻测试的实验装置。实验对比研究了不同温度和不同预紧力条件下,固体界面裸接与在界面之间添加真空硅脂、铟膜、石墨烯、石墨片导热填料时的接触热阻。实验结果表明,接触界面的接触热阻都随温度升高和预紧力增大而减小。在接触界面添加真空硅脂或铟膜后接触热阻随预紧力变化非常,裸接或添加石墨烯的接触热阻随预紧力变化较大,但是当预紧力大于2.5 N·m时其接触热阻基本不变。温度越低时添加导热填料减小接触热阻的效果越明显。总之在两界面之间添加铟膜时效果最佳,此时接触热阻随预紧力和温度的变化都较小,此种情况下接触热阻最小可以达到3.5×10~(-6)K·m~2/W。     

基于MDA数据库概念模型可视化设计

该文提出了一种基于MDA数据库概念模型可视化设计解决方案。使得数据库概念模型相当于MDA中的PIM模型;物理模型相当于MDA的PSM模型。概念模型和物理模型之间的相互转化可以自动完成。提高数据库设计的效率和数据库文档一致性。     

平均邻近间隔支撑向量机

近年来,支撑向量机(SVMs)作为一种学习方法已经在机器学习和模式识别的研究领域中得到了成功的运用,然而传统SVMs缺少考虑数据的局部信息.文中将邻近间隔的基本思想引入到SVMs中,提出了平均邻近间隔支撑向量机(ANMSVMs).ANMSVMs继承了传统SVMs的优点,同时又充分利用了数据的局部信息,从而实现了泛化能力的进一步提高.人造数据和真实数据集的实验结果验证了该方法的有效性,并且相对于传统SVMs体现出了更强的泛化能力.     

核参数优化选取的混合C均值核模糊聚类算法

为了减小噪声点对聚类中心的影响,可能性聚类算法(PCM)把可能隶属关系引入到聚类的过程中,但是其往往趋向找到相同的集群。PFCM算法同时利用隶属度与可能性把数据点划分到不同的集群中,提高了算法的抗噪能力,但PFCM算法对发现大小不相等的集群并不十分理想。针对上述问题,提出了一种核参数优化选取的混合C均值核模糊聚类算法,该算法通过利用优化选取核参数的核函数把在原始空间中非线性可分的群体转化成高维空间中同质集群。实验结果表明,该算法能更好地发现融入噪音数据集的聚类中心,获得数据集质量更好的划分。     

面向属性效应控制的等均值约束支持向量回归机

针对现有的属性效应控制方法无法有效控制非线性回归建模的属性效应问题, 基于间隔最大化和结构风险最小化原则, 通过向SVR 目标学习准则中施加等均值条件约束, 提出等均值支持向量回归机(EM-SVR). 所提出的方法具有较好的泛化能力, 同时继承了EM-LS 的良好性能. 实验结果验证了所提出方法的有效性.

     

基于相似度差的大间隔快速学习模型

许多模式分类方法比如支持向量机和L₂核分类器等都会利用核方法并转化为二次规划问题进行求解,而计算核矩阵需要O(m²)的空间复杂度,求解QP问题则需要O(m³)的时间复杂度,这就使得此类方法在大样本数据上的学习性能非常低下。对此,首次提出了相似度差支持向量机算法DSSVM。算法旨在寻求样本与某类相似度的一个最佳线性表示,并从线性表示的稀疏性以及相似度差意义上的间隔最大化角度构造了新的最优化问题。同时,证明了该算法等价于中心约束型最小包含球问题,这样就可以通过引入最小包含球的快速学习理论将相似度差支持向量机扩展为相似度差核支持向量机DSCVM,从而较好地解决了大规模数据集的分类问题。实验证明了相似度差支持向量机和相似度差核支持向量机的有效性。     

t分布下基于核函数的最大后验概率分类方法

针对多元正态分布不能适应样本数据严重拖尾现象的问题,提出t分布下的多分类识别方法。利用核技术将样本数据扩展到高维特征空间中,采用贝叶斯分类器得到最大后验概率,进而得到分类结果。由于可以调整t分布中的自由度参数v,因此更容易满足数据样本的不同拖尾情况,具有较好的稳健性。在5个国际标准UCI数据集和3个人脸数据集上进行了大量实验,实验结果表明,该方法有较好的分类效果,具有可行性。