基于KPCA-SVM的预测模型在铀矿堆浸中的应用

针对影响堆浸工艺铀矿浸出率的因素较多且具有非线性的特点,提出一种利用核主成分分析(KPCA)进行参数处理,整合冗余,降低维数,并将处理后得到的6个主成分作为支持向量机(SVM)测量模型输入的预测方法。在此过程中,利用粒子群算法(PSO)优化核主成分分析和支持向量机的参数,使模型具有较高的训练精度。在此基础上,对铀矿堆浸进行建模仿真,并进行预测。结果表明,基于KPCA-SVM的铀矿累计浸出率模型与BP神经网络方法相比,具有有效降低数据维数、在小样本条件下学习更加有效、建模采样过程更快、预测精度更高的优点。     

铀矿浸出试验柱不同高度上铀金属浸出的规律

针对铀矿堆浸生产中矿堆不同高度上的铀金属浸出存在的延迟现象,采用理论分析和室内柱浸试验研究铀矿浸出试验柱不同高度上铀金属浸出的规律。理论分析将铀矿浸出试验柱沿柱高划分为若干个高度足够小且相等的单元体,使其中单个铀矿石颗粒的浸出符合收缩未反应核扩散控制系统模型,且任意1个单元体内所有铀矿石颗粒反应均匀,不存在延迟现象,进而以1个单元体为目标,根据溶浸剂质量守恒原理,并考虑初始溶浸剂浓度的变化,建立铀矿浸出试验柱不同高度上铀金属浸出的数学模型。采用颗粒半径为2.5 mm的铀矿石进行串联柱浸试验。然后,采用数学模型对柱浸试验结果进行计算,并将模型计算结果与柱浸试验结果进行比较。研究结果表明:试验柱不同高度上铀金属浸出率存在较大差别,且模型计算值与柱浸试验值具有相同的变化趋势,表明该数学模型能较好地反映铀矿浸出试验柱不同高度上铀金属浸出的延迟规律,可为预测铀矿堆浸不同高度上的浸出率提供重要参考。     

利用近似马尔科夫毯的最大相关最小冗余特征选择算法

针对高维数据集中冗余特征或无关特征降低机器学习模型分类准确率的问题,提出了一种基于近似马尔科夫毯的特征选择(nmRMR)算法。该算法首先利用最大相关最小冗余的准则进行特征相关性排序;采用近似马尔科夫毯算法对冗余特征或者无关特征进行删除,并最大程度地提高特征之间的相关性从而获得最优特征子集。在UCI的8个公开数据集上对比的实验结果表明:与mRMR算法相比,本文算法所选择出的特征子集数平均减少了6.875个,平均分类准确率提高了0.78%;与FullSet算法相比,本文算法所选择出的特征子集数平均减少了20.56个,平均分类准确率提高了1.88%;与FCBF算法相比,本文算法所选择出的特征子集数平均减少了3.187 5个,平均分类准确率提高了0.825%;本文算法总体优于其他算法。     

混合粒子群优化算法选择特征的网络入侵检测

针对网络入侵特征优化问题, 提出一种混合粒子群优化算法选择特征的网络入侵检测模型, 以提高网络入侵检测率. 首先将网络入侵检测率作为特征选择的目标函数, 网络状态特征作为约束条件建立相应的数学模型, 然后采用混合粒子群算法找到最优特征子集, 最后采用支持向量机作为分类器建立入侵检测模型, 并在MATLAB2012平台上采用KDD1999数据进行验证. 实验结果表明, 该模型可高效地查询到最优特征子集, 入侵检测率和效率均优于经典入侵检测模型.     

低品位铀矿石堆浸布液新工艺的试验研究

分析了布液新工艺的优点.用某铀矿低品位铀矿石作模拟矿堆,做小型室内柱浸试验,以检验雾化布液均匀性、矿石浸出情况.浸出结果:采用雾化布液的液计浸出率70.67%,试验数据表明雾化布液均匀性好,某铀矿石浸出性能较好.推荐了雾化布液堆浸该矿石的工艺参数.     

铀矿堆浸过程的动力学模型及实验研究

通过浸出率与浸出时间的关系曲线,推导出铀矿硫酸堆浸过程的控制模式和化学反应常数。实验结果表明浸出率在小于60％以内,与浸出时间呈直线关系,得出浸出过程控制模式为化学反应控制的结论。实验数据计算得出在该实验中化学反应浸出速率常数为1．5×10^-7s^-1,液固相化学反应速率系数为3．6×10^-8m／s。实验结果在未加氧化剂的酸堆浸铀矿石中,最多只有40％的四价铀能氧化成六价铀,要想进一步提高铀的浸出率,必须加入氧化剂,提高氧化能力。     

基于核相关分析算法的情感识别模型

针对目前情感识别模型中存在的识别精度低、速度慢等问题,设计一种基于核相关分析算法的情感识别模型.首先对目前情感识别的研究现状进行分析,找出导致识别精度低的原因;然后提取情感识别的特征,并通过核相关分析算法选择最优情感识别的特征子集,减少情感识别的特征向量数;最后选择高斯混合模型对情感识别的训练集进行建模,并通过具体情感数据集进行仿真实验.实验结果表明,核相关分析算法可有效去除情感识别的不利特征,加快了情感识别速度,提高了情感识别的正确率.     

交互式数据探索框架的特征自适应技术

交互式数据探索是一组多样的发现式应用程序的关键技术,着重于交互、探索和发现;在许多场景和领域中广泛应用.以海量的学术文献数据探索为背景,对交互式数据探索的特征自适应技术进行研究.首先,提出一种适用于面向学术文献数据探索的特征自适应交互式数据探索框架FA-IDE(feature-adaptive interactive data exploration),在每次迭代过程中动态地调整特征子集,以满足用户兴趣多样性的需求.其次,针对该框架,提出特征子集的均匀度BFS(balance of feature subsets)评价准则,并给出了基于BFS的序列前向特征选择算法.再次,针对相关样本发现问题,提出划分等级建立方法,根据决策树模型对用户兴趣区域划分后,提出基于相似度的结果集排序策略.实验结果表明,所提出方法可有效提高用户探索效率和最终结果的准确性.     

影响装备性能的电磁环境因素GM(1,n)模型定量分析

为了对战场电磁环境影响因素进行定量分析并排序,针对小样本试验数据,提出基于GM(1,n)模型综合装备性能及其电磁环境影响因素进行建模,介绍了实现算法.为了提高GM(1,n)模型的建模精度,建立了基于背景值加权处理的GM(1,n)优化模型与算法;对某电子侦察装备的侦察概率与3个相关电磁环境影响因素的GM(1,4)建模进行了验证.结果表明,文中所提模型和算法合理有效,能定量分析电磁环境影响因素对装备侦察概率的影响主次关系.     

西北某铀矿山铀矿石浸出性能室内试验研究

为了获得西北某铀矿山工业堆浸试验所需试验参数,对该铀矿矿石进行了搅拌浸出条件试验和-5 mm、-10 mm两种不同粒级的柱浸试验.试验结果表明:1)该铀矿石浸出性能较好,酸耗较低,适宜采用酸法浸出;2)氧化剂对酸法浸出的作用不明显,而对碱法浸出有一定的效果;3)铀矿石粒度对铀的浸出影响显著.     

基于SVM的刻蚀工艺失效状态识别

针对反应离子刻蚀工艺,研究其状态监测与识别.采用主元分析(PCA)方法对原始数据进行降维,提取出有效的特征子集,再应用SVM建立失效状态的诊断识别模型,分析模型参数对失效状态的分类识别效果.采用主元分析法进行数据降维,从多监控量中提取影响最大的特征子集,再基于支持向量机(SVM)算法建立了失效状态的诊断识别模型,并分析了模型参数对失效状态的分类识别效果.研究结果验证了基于SVM方法的有效性,表明该模型具有高效的模式识别能力,可应用于存在小样本问题的其他半导体工艺状态分类和识别中.     

融合样本选择与特征选择的AdaBoost支持向量机集成算法

为提高AdaBoost分类器集成算法的分类精确度并简化分类系统的复杂度,提出一种融合样本选择与特征选择的AdaBoost支持向量机集成算法(IFSelect-SVME)。该算法在AdaBoost算法的每个循环中利用加权免疫克隆样本选择算法进行样本选择,并用互信息顺序向前特征选择算法进行特征选择,再利用每个循环优化选择得到的特征样本子集训练个体SVM分类器,并对其进行加权集成,生成最终的决策系统。对实验所用9组UCI数据集的仿真结果表明:与支持向量机集成(SVME)算法相比,IFSelect-SVME算法的正确分类率有所提高,且样本数可减少30.8%~80.0%,特征数可减少32.2%~81.5%,简化了集成结构,缩短了测试样本的分类时间,所得到的分类系统具有更好的分类精度。     

用于水声目标识别的自适应免疫特征选择算法

针对水声目标小样本识别中样本数目有限而特征数目不断增加,导致分类系统分类性能下降的问题,提出了一种新的自适应免疫特征选择算法(AIFSA).该算法先利用先验知识生成初始种群,接着利用交叉、变异和新的自适应免疫算子指导种群进化,每代中对分类贡献大且选择特征数目少的个体适应度值高.AIFSA具有可以利用先验知识、收敛速度快以及优化特征子集维数小的优点.提取了实测4类水声目标的多域特征,进行特征选择和分类识别仿真实验,结果表明:AIFSA可以选择有效特征子集,在特征维数下降60%的情况下,支持向量机分类器的平均正确分类率下降很小;AIFSA与标准遗传算法相比,收敛快、稳定,所得优化特征子集具有更高的正确分类率和更好的范化性能.     

高岭土胶结型铀矿的酸法制粒堆浸研究

对于高岭土胶结型铀矿,由于矿石渗透性太差而无法采用常规的堆浸工艺处理.但对矿石进行酸法制粒预处理后和串联堆浸工艺后,矿石的渗透性能可达到500L/m2.h以上,浸出的合格液平均铀浓度大于5g/L,矿石的铀金属浸出率超过95%,渣品位低于0.02%.而酸耗仅为3.33%.     

基于全局和声搜索算法的特征基因选择方法

鉴于DNA微阵列数据中无关基因和冗余基因对分类精度和效率的影响,提出一种基于全局和声搜索的特征基因选择方法,首先采用ReliefF算法对微阵列基因数据集排序,取排序靠前的N个基因构成初选基因子集,然后利用全局和声搜索算法选择特征基因.两个公共微阵列数据集上的仿真实验表明,该算法全局搜索能力强,分类精度高,能够有效地剔除噪声和冗余基因,是一种有效的特征基因选择算法.     

南方某铀矿提铀工艺发展

介绍南方某高含泥铀矿提U工艺发展过程.初期矿石经简单破碎后采用粗放型堆浸,效果不理想;经研究采用破碎分级粉矿酸性造粒堆浸,从根本上解决了该矿石渗透性差,不能直接堆浸的难题,酸性造粒有独到之处,铀浸出效果好;由于该工艺复杂、作业劳动强度大、卫生条件差,也受天气影响生产等问题,因而又研究出了粉矿和精矿搅拌浸出、粗粒堆浸的组合工艺,提高了提铀的工艺水平和效益.     

基于二进制粒子群优化的卫星典型件工艺知识挖掘

针对卫星典型件在工艺设计过程中设计任务量大、重复性工作多,且其历史工艺数据未能充分有效利用的问题,进行了工艺知识挖掘的研究,以提高工艺知识的重用性.首先对工艺知识挖掘问题进行了描述,建立了工艺知识的关联规则模型;然后针对海量数据中Apriori算法挖掘效率低的问题引入二进制粒子群优化(BPSO)算法,并构造了基于BPSO的关联规则挖掘算法.最后对卫星结构板这一典型件的历史工艺数据进行挖掘,得到了卫星结构板典型工序序列.基于BPSO的关联规则挖掘算法可以有效提高工艺知识的挖掘效率.     

基于灰狼算法和案例推理的工控系统入侵检测

提出了一种基于二进制灰狼算法和邻域粗糙集的案例推理分类算法(bGWO-NRSCBR),以有效处理工控网络数据样本高维、冗余的问题。首先,将邻域粗糙集(NRS)中的依赖度概念和属性个数作为二进制灰狼优化算法(bGWO)的适应度函数,通过狼群不断更新位置寻找最小相对属性集;然后基于属性重要度对权重进行优化分配从而建立案例推理(CBR)分类模型;最后利用该模型对工控网络标准数据集进行入侵检测研究。实验结果表明,本文算法能够获得最小相对属性子集,并有效提高入侵检测算法的准确度和效率。     

基于PCA和信息增益的肿瘤特征基因选择方法

针对肿瘤基因数据因维度高和冗余基因较多而导致分类精度低的问题,提出一种基于PCA和信息增益的肿瘤特征基因选择方法.该方法首先使用PCA算法剔除冗余基因,获得预选特征基因子集;然后利用信息增益算法对预选特征基因子集进行优化选取,得到特征基因子集;最后采用不同分类模型对特征基因子集进行仿真实验.实验结果表明,所提方法提高了基因表达谱的分类精度,从而表明致病基因被有效地选取出来.     

鲁棒最小二乘支持向量机及其在软测量中的应用

针对最小二乘支持向量机在利用产生于工业现场的非理想数据集进行建模预测时,稀疏化模型鲁棒性差的问题,提出了一种基于模糊C均值聚类和密度加权的稀疏化方法.首先通过模糊C均值聚类将训练样本划分为若干个子类;然后计算每个子类中各样本的可能贡献度,依次从每个子类中选取具有最大可能贡献度的样本作为支持向量;最后更新每个样本的可能贡献度,继续从各个子集中增选支持向量,直至稀疏化后的模型性能满足要求.仿真结果和磨机负荷实际应用表明,该方法能够兼顾模型在整体样本集和各工况子集上的性能,在实现模型稀疏化的同时,能够显著改善最小二乘支持向量机模型的鲁棒性.