基于模糊校正的深度时序信息安全评估算法

针对现有信息安全评估算法对多专家主观态度偏差的处理不足,并且传统时序机器学习模型无法应对时间段内偏差积累等问题,提出一种基于深度模糊校正的深度时序信息安全评估算法。该算法首先通过三角模糊函数构建专家模糊评估指标,并采用改进的加权DS证据推理校正指标,然后创建损失和可能性矩阵特征,最后使用深度时序网络评估信息安全。在MIT数据集上进行了仿真实验,实验分别分析了特征是否能够应对多专家冲突,以及评估算法的正确率,鲁棒性和时间效率等指标。实验结果表明,本文提出的算法拥有更强的模糊评价能力,对专家间的冲突意见处理能力更强,在时序上的信息安全评估更准确,鲁棒性更高,但是算法效率却得到了保持。     

基于电场感应的水下无线电力传输

为了验证水下电能传输的可行性和研究影响传输效率的因素,采用电场耦合原理进行了简单的无线充电电路设计,对电场耦合式无线电能传输的系统结构和基本工作原理进行介绍,分析了其相比于磁场耦合方式的特点,以及由此带来的相应优势,通过多物理场仿真模拟极板间电场分布,设计了一种LC双边的CPT系统,采用单片机组成脉宽调制控制电路并用功率放大电路模块组成发射端和接收端。结果表明了运用电场耦合原理进行无线充电的可行性,在研究中发现极板间的传输距离是影响水下无线充电效率的一个因素,而且两个电极之间的杂散电容也会影响极板间的功率,所以由于极板间隙的存在极板间的功率损耗较大。所提出的LC双边CPT系统,不仅实现了水下无线电能传输,还保证了在一定距离和频率下传输效率的稳定。     

中心损失与Softmax损失联合监督下的人脸识别

深度学习在人脸识别领域已经取得了巨大的成就,针对当前大多数卷积神经网络采用Softmax损失函数进行特征分类,增加新的类别样本会减小类间距离的增长趋势,影响网络对特征判别的问题,采用了一种基于中心损失与Softmax损失联合监督的人脸识别算法,来提高网络对特征的识别能力。在Softmax基础上,首先,分别对训练集每个类别在特征空间维护一个类中心,训练过程新增加样本时,网络会约束样本的分类中心距离,从而兼顾了类内聚合与类间分离。其次,引入动量概念,在分类中心更新的时候,通过保留之前的更新方向,同时利用当前批次的梯度微调最终的更新方向,该方法可以在一定程度上增加稳定性,提高网络的学习效率。最后,在人脸识别基准库LFW上的测试实验证明:所提的联合监督算法,在较小的网络训练集上,获得了99.31%的人脸识别精度。     

不同轮伐期巨尾桉人工林的经济效益分析

【目的】探讨不同轮伐期对人工林经济效益的影响,为从经济视角科学确定人工林的合理轮伐期提供理论依据。【方法】以短(7a)、中(13a)、长(21a)轮伐期的南亚热带巨尾桉人工林为研究对象,对不同轮伐期巨尾桉人工林的蓄积量(Stand volume,SV)、营林成本、净现值(Net present value,NPV)和内部收益率(Internal rate of return,IRR)进行分析,揭示不同轮伐期对经济效益的影响。【结果】随着轮伐期的延长,巨尾桉人工林的蓄积量持续增长,7a、13a、21a轮伐期的蓄积量分别为144.95m~3/hm~2、346.97m~3/hm~2、553.69m~3/hm~2。随着轮伐期的延长,巨尾桉人工林净现值不断增加,在12a时达到最高值(30 297.61元/hm~2),之后逐渐降低,7a、21a轮伐期的净现值分别为17 239.86元/hm~2、22 008.59元/hm~2。内部收益率在13a开始趋近峰值(53.32%),明显高于7a时的39.29%。【结论】在南亚热带,巨尾桉人工林的轮伐期确定在13a左右较为适宜,既可实现经济效益最大化,又可大幅提升蓄积量。     

应用超高压技术改善降脂乳化肠的滴水损失

研究超高压处理(超高压作用压力和超高压作用时间)对降脂乳化肠滴水损失的改善作用。对不同脂肪质量分数、不同超高压作用压力及不同超高压作用时间的乳化肠进行单因素实验,利用滴水损失的测定方法来评定样品发生的品质变化。再采用响应面分析法优化乳化肠脂肪质量分数(15%,20%,25%)、超高压作用压力(150,200,250MPa)和超高压作用时间(5,6,7min)的工艺参数,建立工艺参数与滴水损失的二元回归方程。以超高压作用压力、超高压作用时间和脂肪质量分数为自变量,分别以滴水损失为响应得到的二元回归模型拟合度高,脂肪质量分数、超高压作用压力和超高压作用时间的交互作用对乳化肠的滴水损失影响显著(p<0.05)。新型超高压降脂乳化肠的最佳工艺条件为超高压作用压力198.47MPa,超高压处理时间5.92min,脂肪质量分数20.51%。与未经超高压处理的脂肪质量分数较高的对照组相比,经超高压处理的降脂乳化肠的滴水损失降低了9.71%。研究结果可为低脂肉制品的开发提供参考。     

基于数值积分与功率损耗测试的冷轧电机功率模型

为提高冷轧电机功率的计算精度,提出了一种新型的电机功率在线计算模型,模型中将电机功率分为轧制功率和机械功率损耗.其中,轧制功率采用基于简易有限元的数值积分方法计算获得,而电机机械功率损耗采用实验测试回归方法获得.基于本文设计的测试方案和模型结构,通过对某1 450 mm五机架冷连轧机组的现场测试,回归得到了功率损耗模型中的系数,并将其应用到了该机组中.现场实际应用表明该电机功率模型的计算偏差可控制在±5%以内,证明该模型具有较高的计算精度,符合现场控制要求,具有广泛的应用前景.     

自复位学校建筑抗震韧性区域评估用数字孪生模型

在区域层面上对具有自复位模块结构的学校建筑进行抗震损伤和恢复力评估研究，建立了一个基于Python语言的从结构非线性分析到损伤程度可视化演示用的数字孪生模型。Python语言也是目前通用于机器学习模型训练的编程语言，方便在该数字孪生模型中引入人工智能模型来代替结构仿真计算，通过使用实时监测地震动和结构响应数据结合人工智能模型进行区域灾害响应和功能恢复快速评估。结构损伤和恢复力分析结果（如不同地震下修复成本、修复时间、不可修复的概率等指标）通过生成shapefile在地理信息系统（GIS）软件中进行三维可视化，从而对采用自复位模块结构的学校建筑结构群在区域范围上进行抗震韧性定量评估。该模型的计算模块包括区域建筑结构清单生成、简化数值模型建立、地震响应非线性分析、结构响应参数生成、建筑结构易损部件定义、地震损失概率模型评估以及区域灾害损失的结果输出。这里的基于概率模型的学校建筑结构地震损失评估采用了FEMA P-58方法，并使用了Pelicun软件包进行计算。以旧金山湾区近2 000栋学校建筑作为案例，对假定使用偏心支撑框架自复位结构作为抗震结构体系的学校建筑群进行了抗震韧性评估，研究了通...     

基于DEA模型的最优基金投资策略研究

为慈善基金提出了最优投资策略,定义了投资回报率的度量,投资回报率分别由主成分分析以及数据包络分析模型测量得到,并根据投资回报率选择了10个最优投资的大学.根据马克维茨投资组合理论确定高校投资额,用目标院校近5年投资回报率的平均值和标准差构建了投资组合模型,资金分配的具体比例能唯一确定.根据规模报酬估计投资时间,帮助慈善基金实现利益最大化.     

A polynomial smooth epsilon-support vector regression based on cubic spline interpolation

Regression analysis is often formulated as an optimization problem with squared loss functions.Facing the challenge of the selection of the proper function class with polynomial smooth techniques applied to support vector regression models,this study takes cubic spline interpolation to generate a new polynomial smooth function |x|_ε~2 in ε-insensitive support vector regression.Theoretical analysis shows that S_ε~2-function is better than p_ε~2-function in properties,and the approximation accuracy of the proposed smoothing function is two order higher than that of classical p_ε~2-function.The experimental data shows the efficiency of the new approach.     

Two Tales of Return Predictability: The Case of Asia–Pacific Equity Markets

If past prices can successfully predict future price movements, it would contradict the notion of weak‐form market efficiency. Return predictability can be assessed via a variety of random walk statistical tests or via the application of mechanical trading rules. Findings of return predictability and state of market efficiency are compared by applying a battery of popular random walk statistical tests and a large set of mechanical trading rules to a family of equity indexes in Asia–Pacific equity markets over a 20‐year period of time. Inferences drawn from different random walk based econometric tests of market efficiency often disagree among themselves and tend to exaggerate the extent of predictability in returns. Testing of return predictability via a set of mechanical trading rules allows one to account for a possible data snooping bias, error measurements due to nonsynchronous trading and market frictions such as trading costs. Persistent predictability of returns that cannot be explained by the combination of data snooping bias, nonsynchronicity bias and moderate level of transaction costs is found in just two emerging equity markets in the region. Copyright © 2016 John Wiley & Sons, Ltd.