汽轮机组汽封选型最佳组合方案的标准化研究

汽轮机汽封技术发展的多元化,使发电厂在进行汽轮机组节能改造时面临如何进行各种汽封选择的问题。根据汽轮机各种运行状态下转轴径向运动的特点,分析了汽轮机组2种状态下汽封安全间隙和经济间隙的变化规律,提出了各种汽封的分类方法,为发电厂汽轮机组进行汽封改造提供比较科学、合理的参考标准和基本原则。     

Sparse kernel logistic regression based on L 1/2 regularization

The sparsity driven classification technologies have attracted much attention in recent years, due to their capability of providing more compressive representations and clear interpretation. Two most popular classification approaches are support vector machines (SVMs) and kernel logistic regression (KLR), each having its own advantages. The sparsification of SVM has been well studied, and many sparse versions of 2-norm SVM, such as 1-norm SVM (1-SVM), have been developed. But, the sparsification of KLR has been less studied. The existing sparsification of KLR is mainly based on L ₁ norm and L ₂ norm penalties, which leads to the sparse versions that yield solutions not so sparse as it should be. A very recent study on L _1/2 regularization theory in compressive sensing shows that L _1/2 sparse modeling can yield solutions more sparse than those of 1 norm and 2 norm, and, furthermore, the model can be efficiently solved by a simple iterative thresholding procedure. The objective function dealt with in L _1/2 regularization theory is, however, of square form, the gradient of which is linear in its variables (such an objective function is the so-called linear gradient function). In this paper, through extending the linear gradient function of L _1/2 regularization framework to the logistic function, we propose a novel sparse version of KLR, the 1/2 quasi-norm kernel logistic regression (1/2-KLR). The version integrates advantages of KLR and L _1/2 regularization, and defines an efficient implementation scheme of sparse KLR. We suggest a fast iterative thresholding algorithm for 1/2-KLR and prove its convergence. We provide a series of simulations to demonstrate that 1/2-KLR can often obtain more sparse solutions than the existing sparsity driven versions of KLR, at the same or better accuracy level. The conclusion is also true even in comparison with sparse SVMs (1-SVM and 2-SVM). We show an exclusive advantage of 1/2-KLR that the regularization parameter in the algorithm can be adaptively set whenever the sparsity (correspondingly, the number of support vectors) is given, which suggests a methodology of comparing sparsity promotion capability of different sparsity driven classifiers. As an illustration of benefits of 1/2-KLR, we give two applications of 1/2-KLR in semi-supervised learning, showing that 1/2-KLR can be successfully applied to the classification tasks in which only a few data are labeled.     

文本图像信息的提取与识别

文本是计算机视觉的许多应用中的一项重要特征,图像中的文本往往包含着比较丰富的信息,将文本图像信息里的文字进行提取和识别,对于图像内容的分析、理解、信息检索等方面具有重要的意义。文本图像的识别分为预处理,文字的切分,细化,特征选择与提取,最后对候选文字进行识别。在文字的切分方面提出了一种改进的投影算法,该算法能在很大程度上提高文字切分的准确度,采用基于数学形态学算法对文字进行细化处理,并在特征选择方面引用了多级分类的算法。     

地方性应用型高校计算机基础分层教学模式研究

针对地方性应用型高校的特点,对计算机基础实施分层教学的必要性、科学性进行探讨,着重阐述了分层分类教学的实施办法以及达到的教学效果和可能存在的问题等.     

基于Tri-Training半监督分类算法的研究

在实际应用中,容易获取大量的未标记样本数据,而样本数据是有限的,因此,半监督分类算法成为研究者关注的热点.文中在协同训练Tri-Training算法的基础上,提出了采用两个不同的训练分类器的Simple-Tri-Training方法和对标记数据进行编辑的Edit-Tri-Training方法,给出了这三种分类方法与监督分类SVM的分类实验结果的比较和分析.实验表明,无标记数据的引入,在一定程度上提高了分类的性能;初始训练集和分类器的选取以及标记过程中数据编辑技术,都是影响半监督分类稳定性和性能的关键点.     

数据挖掘在高校教学管理中的应用

高校管理系统中的教学数据逐年增多,但对数据的分析处理多停留于简单的查询与统计阶段.要想合理开发利用这些数据找到其内在关联,为教育教学管理及决策提供指导,使用数据挖掘技术对其进行知识发现是一条重要途径.本文将依次对数据挖掘的概念、过程、相关技术及其在教学管理中应用进行归纳与总结.     

基于不同核函数的支持向量机的分析与比较

本文首先介绍了SVM的原理及各种数据分类算法,然后描述三种不同的工具箱（LS SVMLAB、OSU SVM、SVM SteveGunn）,分析不同的核函数,在此基础上,对两个数据集（Iris、LiverDisorders）进行分类,记录其分类准确率及运行时间,通过比较分析,选出一个最佳的核函数以及工具箱.结果显示,OSU SVM工具箱的分类性能是最优的.     

多红外火焰探测中基于决策树的火灾识别

在多红外火焰探测系统中,提出了一种基于决策树的火灾识别算法。按照特种火灾探测器的国家标准实验的要求,获取实验数据。该算法首先对五个红外火焰探测器获得的数据进行多窗口重叠交叉预处理,然后提取六个火灾特征作为决策树的分类属性,对决策树进行训练、剪枝,最后得到火灾识别的最优决策树模型。将该识别模型应用于在线火灾识别,实验结果表明该决策树分类算法的准确率可以达到95.2%,识别速度在2s以内,较其他的分类识别算法有更高的准确率和更快的识别速度,具有很好的实用性。     

一种属性和评分的协同过滤混合推荐算法

传统协同过滤推荐算法仅仅根据稀疏的评分矩阵向用户推荐,存在推荐质量不高的问题.提出了一种属性和评分的协同过滤混合推荐算法.该算法由项目的类别属性计算项目之间基于属性的相似性,考虑到用户兴趣随时间的变化,构建评分时间权重的指数函数,并应用到项目之间的Pearson相关相似性中.通过权重因子加权项目之间基于属性的相似性和项目之间的Pearson相关相似性,然后计算基于项目属性的评分预测.描绘职业分类树,构建职业相似性模型,并与性别加权结合产生用户综合属性的相似性,得到基于用户属性的评分预测.最后,综合两者计算混合评分预测.在Movielens实验数据集下,实验结果表明提出的算法具有较好的平均绝对误差.     

学生群体紧急疏散仿真及在出口设计中的应用

针对学校大型建筑中人群分布密集的问题,研究了学生群体的紧急疏散仿真.首先分析了紧急情况下的群体行为特点,并根据现实生活中个体差异的统计特征,对逃生人群的不同属性特征进行了分类,然后采用社会力模型实现了学生群体的紧急疏散仿真,解决了传统疏散仿真中人员的无差异性问题.该仿真能够更加真实地反映出现实生活中的人群疏散,达到较好的效果.最后,基于该仿真模型,着重分析了建筑物出口设计对群体疏散的影响,分析结果表明:不同的出口宽度、位置对群体疏散的影响不同,从而可以为大型建筑的出口设计提供有益的参考.