粗糙支持向量机

支持向量机(SVM)是一种重要的数据机器学习工具,其有效性依赖于对数据信息获取的准确性.以往的支持向量机模型都没有考虑到数据等价类信息.为此,基于粗糙集理论和支持向量机思想,提出了一种新的支持向量机模型--粗糙支持向量机(RSVM).采用UCI机器学习数据库中的数据做对比实验,结果表明RSVM比传统支持向量机(SVM)和模糊支持向量机(FSVM)都有较高的测试精度.     

融合PSO与ACS的网格资源分配研究

资源分配和任务调度是网格计算的一个关键问题之一。提出一种融合离散粒子群优化算法和蚁群算法的新型算法来解决网格资源分配问题。该算法通过在粒子群算法中引入蚂蚁算法,可有效克服粒子群算法后期的局部搜索能力差和蚁群算法前期盲目搜索的缺陷。理论分析及模拟实验表明该算法具有良好的性能。     

故障超立方体网络中的路由算法

针对超立方体结构的多处理机系统中存在故障的情况,提出了一个应用于超立方体网络的容错路由算法。该容错路由算法是基于局部信息的,只需要知道邻节点的状态,而无需知道整个网络的运行情况。对于给定的源节点和目的节点,路由算法均能够找到一条最优通路,并且可以预防死锁。模拟实验结果表明,路由算法所构造的路径长度接近于两个节点之间的最优路径长度。     

高速网络环境下的数据采集技术

近年来,网络带宽的飞速发展使得入侵检测系统、防火墙等网络安全产品在适应高速环境下的数据采集受到挑战。本文在对传统的数据采集进行深入研究的基础上,对NAPI与PF_RING技术进行了优化。实验结果表明,优化后NAPI与PF_RING技术能够对骨干网流量进行实时入侵检测系统的数据采集。     

Adhoc网络中多种移动模型的TCP性能分析

传统的TCP是为有线网设计的,研究TCP在Adhoc网络中的性能,是改进TCP以适应Adhoc网络的前提。在移动Adhoc网络中,通过大量仿真实验比较了多个TCP版本在AODV和OLSR下对于不同移动模型的性能表现,包括有效吞吐率、端到端延迟、丢包率等,为改进TCP提供了依据。     

孤立点检测改进径向基神经网络动态预测模型

提出一种基于凝聚层次聚类消除孤立点的新方法,借助聚类树识别孤立点。去除孤立点后,利用RBF网络建立动态预测模型,实验结果表明,网络的训练和泛化性能较消除孤立点前有明显提高。说明凝聚层次聚类方法用在孤立点检测方面是有效可行的,消除孤立点后建立的模型收敛速度快,泛化能力更优。     

某铀矿井场抽注液控制的数字化技术应用

在地浸采铀生产过程中,控制抽注液平衡和高效识别抽注液异常状态是保障浸出效能和井场的安全重要措施。以内蒙古某铀矿为例,介绍了该铀矿抽注液平衡联动控制与抽注液异常监测方面数字化技术的应用情况,探讨了应用数字化技术前后该铀矿山抽注液管控效能的变化。结果表明,应用数字化技术进行抽注液平衡控制能有效解决抽注液调控过程中人工控制所存在的劳动强度大、调控不及时和精度不足的问题;合理的模型设计能够高效识别抽注液异常状态。建立抽注液数字化管控体系有助于实现精益化管控、提升井场生产效能、降低安全风险。     

考虑流固耦合的混流式水轮机转轮模态分析

迄今为止 ,国内的许多进口和国产的大型水轮机组转轮叶片都出现了不同程度的裂纹破坏 ,严重影响了电站的安全生产和机组的稳定运行[1 ,2 ] 。大量的研究表明 ,导致裂纹产生的一个重要原因是水力激力引发的结构共振所产生的动载荷作用。特别是出现低频共振时 ,极易引起结构的严重破坏[2 ] 。随着机组单机容量的不断地增加 ,转轮的固有频率降低 ,发生共振的危险性也更大。因此 ,针对转轮在水介质中的模态特性的研究具有十分重要的现实意义。本文运用全流固耦合的三维有限元方法对某一混流式转轮在水介质中的模态特性进行了研究 ,得到了转轮在水中的自振频率和振型等振动特性。结果表明 ,转轮在水中的第 1阶固有频率与叶片旋转频率相近 ,额定工况下的卡门涡频率又接近于转轮的高阶固有频率 ,这极有可能引发结构的共振 ,导致裂纹的产生。     

秸秆锅炉驱动超超临界机组给水泵汽轮机经济性分析

以新建超超临界1000 MW机组为例,探讨了采用燃烧秸秆的高压锅炉代替汽轮机抽汽驱动给水泵汽轮机的可行性,并给出燃烧秸秆锅炉蒸汽系统的基本流程.在对机组变工况计算的基础上,分析了采用秸秆锅炉后机组煤耗率的变化以及能够获得的经济效益和环保效益.