粮情智能测控系统中的数据融合技术研究

粮情智能测控系统是保证粮食储藏安全的关键措施之一。针对目前粮情智能测控系统中单一传感器存在测量不足、粮情安全状态难以判断且无法直接检测等问题,研究了一种基于粒子群优化最小二乘支持向量机的粮情安全状态数据融合方法。以粮情数据为研究对象,以粮情安全状态检测为目的,构建基于最小二乘支持向量机的数据融合模型,并采用粒子群优化算法对最小二乘支持向量机的关键参数进行寻优,获取最佳的数据融合结果。根据广西某粮库提供的数据进行实例分析,数据融合结果与实际值误差较小,均方误差为0.06,结果表明,该方法在粮情安全状态的检测上表现出优越的性能,具有科学性和可行性,提高了粮情智能测控系统的准确性和可靠性。     

Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network

Algorithms for numeric data classification have been applied for text classification. Usually the vector space model is used to represent text collections. The characteristics of this representation such as sparsity and high dimensionality sometimes impair the quality of general-purpose classifiers. Networks can be used to represent text collections, avoiding the high sparsity and allowing to model relationships among different objects that compose a text collection. Such network- based representations can improve the quality of the classification results. One of the simplest ways to represent textual collections by a network is through a bipartite heterogeneous network, which is composed of objects that represent the documents connected to objects that represent the terms. Heterogeneous bipartite networks do not require computation of similarities or relations among the objects and can be used to model any type of text collection. Due to the advantages of representing text collections through bipartite heterogeneous networks, in this article we present a text classifier which builds a classification model using the structure of a bipartite heterogeneous network. Such an algorithm, referred to as IMBHN （Inductive Model Based on Bipartite Heterogeneous Network）, induces a classification model assigning weights to objects that represent the terms for each class of the text collection. An empirical evaluation using a large amount of text collections from different domains shows that the proposed IMBHN algorithm produces significantly better results than k-NN, C4.5, SVM, and Naive Bayes algorithms.     

基于Fisher 准则和最大熵原理的SVM核参数选择方法

针对支持向量机(SVM)核参数选择困难的问题,提出一种基于Fisher准则和最大熵原理的SVM核参数优选方法.首先,从SVM分类器原理出发,提出SVM核参数优劣的衡量标准;然后,根据此标准利用Fisher准则来优选SVM核参数,并引入最大熵原理进一步调整算法的优选性能.整个模型采用粒子群优化算法(PSO)进行参数寻优.UCI标准数据集实验表明了所提方法具有良好的参数选择效果,优选出的核参数能够使SVM具有较高的泛化性能.     

应用加权LSSVM算法的PVC气提塔温度建模

研究基于最小二乘支持向量机(LSSVM)建立了PVC汽提塔的预测模型。为了提高LSSVM的鲁棒性,过滤离群点,将加权最小二乘支持向量机(WLSSVM)应用到PVC汽提过程的温度建模中,对汽提塔温度进行建模和仿真实验。对比仿真实验结果表明:WLSSVM建模具有更高的建模精度和更优秀的性能。     

基于退化四元小波变换的纸币识别

针对如何提取纸币图像特征和提高识别率的问题,综合利用退化四元小波变换具有的相位特性,提出一种基于退化四元小波变换的纸币识别方法.该方法首先对采集的纸币图像进行倾斜校正和边缘检测,然后运用退化四元小波对纸币图像进行分解操作,并对分解系数进行统计分析,将每个分解子带系数的能量和标准差作为该纸币图像的特征向量,最后将支持向量机作为分类器对纸币图像进行识别.本文方法在资源约束的嵌入式清分系统上实现,实验结果表明采用本文提出的算法突破了传统纸币识别系统识别率很难再提高的瓶颈,同时能够满足清分系统的实时性要求.     

支化型水性聚氨酯胶黏剂的合成及性能

采用异佛尔酮二异氰酸酯(IPDI)、聚四氢呋喃醚二醇2000(PTMG2000)为原料,二月桂酸二丁基锡、1,4-丁二醇和2,2-二羟甲基丙酸分别为催化剂、小分子扩链剂和亲水单体,制得水性聚氨酯预聚体(PPU);接着以丙烯酸甲酯、二乙醇胺和三羟甲基丙烷为原料合成了超支化聚(胺-酯)(HPAE);最后制备出不同HPAE含量(以IPDI与PTMG2000的总质量为基准,下同)的支化型水性聚氨酯(WPU)胶黏剂.采用FTIR和1HNMR对HPAE及胶黏剂的结构进行了表征;通过TGA、多功能材料试验机考察了胶膜的热力学性能和机械性能.结果表明,HPAE用量为IPDI与PTMG2000的总质量的1.0％时,制备的WPU2乳液及胶膜综合性能较好,其乳液固含量为33.67％,胶膜吸水率为11.22％,水接触角为90.32°;胶膜机械拉伸强度为10.33 MPa,断裂伸长率为533.73％;其粘结性能良好,剥离强度为4.063 N/mm.     

OFDMA系统中基于多业务QoS保证的机会调度算法

针对正交频分多址接入（OFDMA）系统中多业务资源调度问题,提出了一种基于服务质量（QoS）的最小性能保证的资源机会调度算法。以系统总吞吐量优化为目标,根据业务的QoS参量设计子载波调度参数,并利用图论中最大加权双向匹配问题的求解算法,在各业务间公平分配子载波资源,保证了各业务的QoS要求。仿真结果表明,所提算法在保证各业务的最低速率要求的前提下有效地提高了系统总吞吐量性能。     

N-甲基咪唑季铵化反应动力学研究

在50℃下,以异丙醇为反应溶剂,研究了N-甲基咪唑与卤代烷的反应动力学,得到反应总级数为二级,分反应级数各为一级;测得N-甲基咪唑与溴丁烷在50℃、55℃和60℃时的反应速率常数分别为0.092 4 L.mol-1.h-1、0.169 2 L.mol-1.h-1和0.322 8 L.mol-1.h-1,进而计算出反应的活化能为2.18×105J.mol-1;同时,测得N-甲基咪唑与溴乙烷、溴丁烷的反应速率常数分别为0.292 6 L.mol-1.h-1和0.169 2 L.mol-1.h-1,说明溴乙烷与N-甲基咪唑的季铵化较溴丁烷易于进行。     

基于相关向量机的MEMS陀螺仪随机漂移补偿

提出了一种基于相关向量机的MEMS陀螺仪随机漂移预测方法。针对MEMS陀螺仪随机漂移误差的非线性、不确定性等特点,建立了相关向量机预测模型,并采用EM算法获得模型的参数。针对随机漂移的混沌特性,利用相空间重构技术,将重构后的漂移序列作为输入变量进行模型的训练和预测。训练和测试结果均表明,该方法具有很好的预测效果,优于常用的时间序列分析法和支持向量机法。利用预测结果对随机漂移进行补偿,有效地提高了陀螺的使用精度。