基于时间近邻拉氏正则的多工况软测量回归

针对流程工业中,工况改变导致传统软测量模型预测精度下降的问题,考虑到工业数据连续性、序列性、多重共线性、数据量庞大等特殊性对模型建立的影响,提出一种基于时间近邻拉普拉斯正则的多工况软测量回归模型框架.针对工业数据的多重共线性,回归框架采用非线性迭代偏最小二乘方法,同时引入域适应正则项改善工况变化对模型的影响,在此基础上...     

超导体的超导电性和反铁磁性共存的研究

在二维空穴掺杂t-t′-J-U模型和重整化平均场理论的框架下,用Gutzwiller方法研究了Gossamer超导体的超导电性和反铁磁性的共存,探讨了电子次近邻跃迁对共存的影响,发现在掺杂浓度δ≤0.1的欠掺杂区反铁磁序和超导序共存。随着电子次近邻跃迁的增大,反铁磁序得到增强,超导序参数在欠掺杂区域受到抑制,在过掺杂区明显地得到增强,导致反铁磁序和超导序共存区域变大。超导序和反铁磁序共存的状态比纯粹的超导态能量低,共存状态更稳定。     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。     

基于标准K-ε模型与CFD的浮子流量传感器的研究

依据湍流模式理论中的标准 K- ε模型及 CFD(计算流体力学 )实现了对浮子流量传感器三维湍流流场的数值研究 ,利用物理概念清晰的“有限体积法”作为数值解法 ,并采用以压力为基本求解变量的 SIMPL E算法求解离散控制方程 ;提出“浮子受力平衡度误差分析法”控制计算精度 ,通过对传感器速度场、压力场的三维研究 ,获得传感器流场的关键信息 ,即浮子受力大小以及传感器流量值。数值计算结果 ,即针对 30 0 K水 ,粘度为 1.0 0 3× 10 - 3Pa· s流场的计算结论得到了物理实验验证。     

一种改进的应用于噪声数据中的KNN算法

基于实例的KNN算法不可避免地要依赖于数据的质量,但原始数据含有噪声,因而KNN算法的结果势必会因为数据中的噪声而受到严重的影响。事实上,大多噪声都服从一定的模型,而且模型一般是已知的。充分利用数据中的噪声模型,以减小噪声对KNN算法结果的影响。通过实验结果表明该方法是有效的。     

基于决策图贝叶斯优化进化算法的图K-划分算法

图K-划分问题是一种组合优化问题,可以归结为NP难题.针对该问题本文提出了一种基于决策图贝叶斯优化算法(Bayesian Optimization Algorithm with Decision Graphs,简称DBOA)的图K-划分,该算法利用新的编码和解码方法以及适当的适应度函数来求解图K-划分问题.仿真结果表明了该算法的可行性和有效性.     

基于均值近邻的样本选择算法

提出了一个基于均值近邻的样本选择算法,并且对CMU-PIE人脸数据库数据进行了样本选择,提取关键数据,结合神经网络算法进行了分类实验。实验结果证明,与传统方法相比,该方法在保持了一定的准确率的前提下,能够有效地减少样本集中的冗余信息,同时在时间复杂度方面也有了一定的提升。     

一种基于快速随机投影的矩阵填充方法

为了解决在矩阵填充过程中的高维度和高计算成本的问题,提出一种基于快速随机投影的矩阵填充方法(FRPMC)。利用对矩阵的随机投影的方式对需要填充的矩阵进行降维,然后构造SVD的近似模型来重构矩阵来实现矩阵填充的功能。通过仿真实验证明了该算法的可行性。与其他一些传统算法进行对比,FRPMC在图像恢复的实验中图片恢复的峰值信噪比和运行时间均比奇异值阈值法、加速近邻梯度法和增广拉格朗日乘子法要好。     

基于自适应的保局投影的疲劳识别

驾驶员疲劳驾驶是造成交通死亡事故的重要原因之一,研究驾驶疲劳自动识别具有重要的理论意义和应用价值。提出了一种新的基于自适应的保局投影的疲劳识别方法。采用保局投影进行疲劳特征提取,并利用邻域压缩或扩张方法自适应选取保局投影算法中的邻域,既加强了样本点间的关联性,又保持了局部几何结构;采用模糊k近邻的方法进行疲劳识别。在人脸疲劳数据集上进行实验,结果说明了该方法的有效性。