部分水解的聚丙烯酰胺与丁苯橡胶共混物的制备与性能

用部分水解的聚丙烯酰胺（ＰＨＰＡＭ）与丁苯橡胶（ＳＢＲ）共混制备吸水膨胀性共混物（ＷＡＢ）。对共混物的亚微形态、吸水膨胀特性以及ＰＨＰＡＭ和填料对ＷＡＢ力学性能的影响进行了研究。ＴＥＭ研究证明，ＰＨＰＡＭ以不规则形态分散于ＳＢＲ连续相中，两相界面清晰。当ＰＨＰＡＭ用量较高时，分散相区相应增大且相区之间有明显的连结，其ＷＡＢ的吸水速率加快，体积电阻系数降低。ＷＡＢ吸水后，力学性能下降。考查了蒙脱土、白炭黑、陶土、硅藻土、炭黑对ＷＡＢ的吸水速率、保水性能和力学性能的影响。     

甲醇羰基化制乙酸催化剂结构的理论研究（Ⅱ）

选定单体Ａ为４－乙烯基吡啶，采用以ＡＳＥＤ－ＭＯ（含原子对排斥的ＥＨＭＯ法）为基础的结构自动优化的ＥＨＴＯＰＴ法对甲醇羰基化制乙酸催化剂结构进行了理论研究。计算并比较了二元共聚物配体ＡＡ、ＡＢ（或ＢＡ）、ＢＢ分别与铑配位的成键状态、电荷布居及能量变化，进一步从理论上研究了甲醇羰基化制乙酸催化剂的结构，对实验得出的单体Ａ为４－乙烯基吡啶的共聚物为配体的催化剂活性不同于相应的２－乙烯基吡啶的结论给予了解释。     

分块矩阵的一个正定条件及其在线性常微分方程中的应用

设Ｍ＝是一个实对称的分块矩阵，其中Ａ、Ｂ是正定的，那么Ｍ是正定的当且仅当‖ＡＣＢ‖＜１。本文也给出了结果在常系数线性系统稳定性中的一个应用     

单叶函数子族的性质

将单叶函数与Ｈｐ空间的研究相结合，对Ｒｏｂｅｒｔｓｏｎ的关于边界点的星形函数族Ｇ进行讨论，得到了Ｇ族函数的卷积刻画、积分平均不等式、部分和特征及其与ＢＭＯＡ的关系．同时确定了系数是全单调且在原点值为１的解析函数关于边界点的星形半径及Ｇ类函数的邻域半径     

甲醇羰基化制乙酸催化剂结构的理论研究（I）

采用以ＡＳＥＤ－ＭＯ（含原子对排斥的ＥＨＭＯ法）为基础的结构自动优化的ＥＨＴＯＰＴ法对甲醇羰基化制乙酸共聚物配体的铑催化剂结构进行了理论研究，计算并比较了二元共聚物配对ＡＡ，ＡＢ（或ＢＡ），ＢＢ分别与铑配位形成四配位结构的成键状态，电荷布居及能量变化，从理论上支持了该催化剂的实测结果及其活性的解释，并进一步说明了共聚物配体交替结构的重要作用。     

关于卵形弧的扭转

证明了下列定理：定理设ＡＢ是一正则卵形弧，其全曲率小于π２，将ＡＢ扭转成为ＡＢ，ＡＢ上任一点Ｍ在ＡＢ上的对应点为Ｍ．则Ｍ到直线ＡＢ的距离不小于Ｍ到直线ＡＢ的距离．还给出了这定理的一些应用．     

博莱霉素A5的类酶性研究

研究了博莱霉素Ａ５（ＢＬＭＡ５）与ＤＮＡ作用前后的光谱性质及初步的动力学性质发现ＢＬＭＡ５可催化ＤＮＡ氧化断链，而且符合米氏动力学。通过对ＢＬＭＡ５的催化效率，底物专一性以及温度，ｐＨ，金属离子对ＢＬＭＡ５催化ＤＮＡ断链反应影响的研究，发现ＢＬＭＡ５的作用行为在许多方面与酶的催化行为非常类似，提出ＢＬＭＡ５是一种小分子生物催化剂的看法。     

电解质溶液中单个离子活度系数的研究(I) 单一电解质水溶液中单个离子活度的线性规律

用自制的 ＡｇＢｒ—Ａｇ电极测定了０．０１ｍ至５ｍ ＭＢｒ（Ｍ＝Ｎａ， Ｋ）溶液的电动 势，并从测定的电动势数据计算了各种浓度下的Ｂｒ－离子活度系数。综合此实验结果 与文献中已发表的关于电解质溶液的单个离子活度系数数据，总结出以下线性规律： ａＭＸ（０），ａＭＸ２（０）均近似于常数。以Ｐｉｔｚｅｒ的电解质溶液理论为基础，对此规律进行 了理论上的推导和分析。     

甲醇羰基化制乙酸催化剂结构的理论研究(Ⅰ)

采用以ＡＳＥＤ－ＭＯ（含原子对排斥的ＥＨＭＯ法）为基础的结构自动优化的ＥＨＴＯＰＴ法对甲醇羰基化制乙酸共聚物配体的铑催化剂结构进行了理论研究。计算并比较了二元共聚物配体ＡＡ、ＡＢ（或ＢＡ）、ＢＢ分别与铑配位形成四配位结构的成键状态、电荷布居及能量变化，从理论上支持了该催化剂的实测结果及对其活性的解释，并进一步说明了共聚物配体交替结构的重要作用。     

正交设计法用于Al－CAS－CTMAB体系显色条件的选择

本文利用正交理论，以Ａｌ－ＣＡＳ－ＣＴＭＡＢ为体系，对常用的单因素变化法所选择的最佳显色条件进行比较。结果表明，在采用正交设计法选择出的最优条件下，Ａｌ－ＣＡＳ－ＣＴＭＡＢ体系的摩尔吸光系数可达２．４×１０￣（－５）Ｌ·ｍｏｌ￣（－１）·ｃｍ￣（－１），比常规单因素变化法提高２．４倍。     

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法，提出了一种设计径向基函数(RBF)网络的两级学习方法。该方法利用免疫算法确定RBF网络隐层的非线性参数，能够有效克服进化算法的未成熟收敛现象。改进的免疫算法针对RBF网络的特点，采用基于矢量距离的亲和度计算方法，克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷。将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性。     

一种基于因素贡献率的自适应前馈网络算法

前馈网络具有很强的信息处理能力，但是实际应用中的样本量有限，训练出来的网络效果不太理想，本文提出一种自适应前馈网络算法，通过调节参数α向量，使网络结构按精确度和推广能力来综合考虑，若训练出来的网络满足先决条件，就认为网络规模是合适的，此算法不仅能删除隐层中的节点也能删掉输入层中若干总贡献率小的节点，从而避免了维数灾难，并给出一种调整剩余权重的算法，避免重新训练，文中讨论了网络结构的重要性，并用该方法进行仿真实验，结果证明了自适应前馈网络算法具有较强的建模能力。     

Entire Solution Path for Support Vector Machine for Positive and Unlabeled Classification

Support vector machines(SVMs)aim to find an optimal separating hyper-plane that maximizes separation between two classes of training examples(more precisely,maximizes the margin between the two classes of examples).The choice of the cost parameter for training the SVM model is always a critical issue.This analysis studies how the cost parameter determines the hyper-plane;especially for classifications using only positive data and unlabeled data.An algorithm is given for the entire solution path by choosi...     

一种多层前馈神经网络的快速学习算法

对多层前馈神经网络的学习算法及其特点做了较为详细的讨论，提出了一种基于层内优化的快速学习算法。在该算法中，输出层的连接权矩阵（V）和前一层的输出矢量（B）被作为2个变量集合，通过最小化该层样本的总平方误差函数可求得一组它们的优化解（V^*,Bp^*）；并将Bp^*作为前一层（隐层）的期望输出，用类似的方法同样可以求出隐层的连接权矩阵和输出矢量，最后通过计算机仿真证明了该算法的有效性。     

办公建筑运行能耗的混沌时间序列复合预测

针对办公建筑已有的能耗预测方法中未能考虑到能耗数据的混沌变化特性,提出了一种基于混沌时间序列的办公建筑运行能耗预测方法.对研究对象的时间序列进行相空间重构,判断其具备混沌特性,建立混沌理论和支持向量回归的组合模型进行训练,采用Markov链消除组合模型由于参数传递产生的累积误差,得到最终预测结果.为了验证算法的有效性,以西安某办公建筑的能耗监测数据为例进行实例分析,并与非线性自回归神经网络、支持向量回归等其他预测方法进行对比.实验结果表明,经过Markov修正后的混沌时间序列组合模型预测精度显著提高,预测效果优于其他方法,且更符合办公建筑能耗的变化规律,为节能优化提供有效的数据支撑.     

基于改进MMI的HMM训练算法及其在面部表情识别中的应用

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式. 该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能. 把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器. 实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题.     

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解     

基于布谷鸟搜索算法的SVR参数选择

SVR(支持向量回归机)在解决非线性回归问题时有极大的优势,在其预测过程中,最重要的是参数的选择,不同的参数会造成预测结果的巨大差异．目前较为普遍的方法是利用遗传算法和粒子群算法进行参数选择,而这2种算法在解决多峰问题时的局限性,容易导致算法的效率低且准确度不高．鉴于布谷鸟搜索算法引入了Lvy飞行机制,能有效地跳出局部最优解,使算法收敛速度快,且结果具有对算法本身的参数变化不敏感的优点,该文将布谷鸟搜索算法应用于SVR参数寻优过程中．网络流量和白葡萄酒质量的预测实验结果表明,布谷鸟搜索算法相对于遗传算法、粒子群算法等其他启发式智能算法而言,收敛速度更快,寻参结果的精度更高．     

基于多分类支持向量机的网络流量预测方法

 针对支持向量机网络流量预测误差较大的问题,提出一种基于多分类支持向量机的网络流量预测方法。该方法在网络流量数据训练阶段通过数据编码,使多分类支持向量机的输出逼近编码值,在预测阶段通过数据解码,将多分类支持向量机的输出转换为实际的网络流量预测结果,从而有效地降低了预测误差。实验结果显示,该方法的预测结果与实际采集的网络流量数据具有相同的变化趋势;在同等实验条件下,该方法预测结果的均方根误差为0.487,而单一支持向量机方法、BP 神经网络方法预测结果的均方根误差分别为1.0954 和2.3642,表明基于多分类支持向量机的网络流量预测方法具有更高的准确性。     

基于增量式SVM的入侵检测研究

现实中入侵行为是层出不穷的,因此入侵检测系统必须能对新的入侵行为进行学习.提出基于存活因子的增量学习支持向量机(SVM)训练算法,通过边界样本集和准边界样本集对已知的入侵知识进行表示,能有效地对新入侵进行增量式学习.并且,采用了带存活因子的增量学习方式,可以有效地抑制算法的“震荡效应”,提高SVM算法进行入侵检测学习的自适应性和鲁棒性.