基于半解析法的极端工况干气密封动态特性研究与参数设计

采用Miller与Green提出的半解析方法,对极端工况下螺旋槽干气密封的动态特性进行了研究。首先运用有限元方法数值求解可压缩气体Reynolds方程,通过计算气膜对膜厚阶跃变化的响应,建立了干气密封中气膜的动刚度模型。在频域内将该模型应用于密封环的动力学分析,通过数学变换得到密封环在时域内的运动,从而建立了干气密封动态响应的解析式分析方法。利用该方法分析了干气密封对轴向、角向位移扰动的响应,并研究了密封端面几何参数对动态特性的影响规律。通过参数设计,可以得出端面参数的合理取值范围,从而改善密封动态性能。     

四阶强阻尼波动方程的两类半离散混合元先验估计

讨论非线性四阶强阻尼波动方程的混合元有限元方法的数值理论.根据方程的特点构造两种混合元有限格式,并分别给出了两种方法的半离散格式先验误差估计的详细证明.     

Qnil-可逆环及其扩张

对可逆环进行推广,引进了qnil-可逆环,讨论了qnil-可逆环的性质,并研究了qnil-可逆环的扩张.     

亚铁氰化钾、铁氰化钾和双偶极半菁衍生物静电自组装膜的研究

通过交替沉积K4[Fe(CN)6](或K3[Fe(CN)6])和双偶极半菁(Me2NC6H4CH CHC5H4N CH2C6H4—C6H4—CH2— NC5H4—CH CH—C6H4—NMe2)的氯化物,制备了2种无机有机杂化自组装膜.通过紫外可见吸收光谱、偏振可见吸收光谱和循环伏安图对薄膜进行了表征.     

基于成对约束的主动学习半监督聚类算法

半监督学习是近年来机器学习领域中的一个重要研究方向,其监督信息的质量对半监督聚类的结果影响很大,主动学习高质量的监督信息很有必要.提出一种纠错式主动学习成对约束的方法,算法通过寻找聚类算法本身不能发现的成对约束监督信息,将其引入谱聚类算法,利用该监督信息来调整谱聚类中点与点之间的距离矩阵.采用双向寻找的方法,将点与点间距离进行排序,使得学习器即使在接收到没有标记的数据时也能进行主动学习,实现了在较少的约束下可得到较好的聚类结果.同时,该算法降低了计算复杂度,并解决了聚类过程中成对约束的奇异问题.通过在UCI基准数据集以及人工数据集的实验表明,算法的性能好于相关对比算法,并优于采用随机选取监督信息的谱聚类性能.     

一种最大化样本可分性半监督Boosting算法

针对数据实际分布与假设不匹配时半监督学习算法难以改善分类器性能的问题,该文提出一种最大化样本可分性半监督Boosting算法,通过引入"高密度区域局部散度最小、样本空间全局散度最大"准则来学习未标注的样本。该准则使用两种半监督假设(聚类假设和流形假设),减少了因半监督假设与数据不匹配造成的准确率下降问题。实验结果表明,该文算法有效提高了Boosting算法在符合聚类假设数据集和符合流形假设数据集上的准确性,提高了分类器噪声数据的稳定性。     

产丁醇大肠杆菌工程菌的构建

【目的】为了在大肠杆菌(Escherichia coli)中导入改良的丁醇合成途径,使非生产菌株大肠杆菌具备产丁醇的能力。【方法】克隆大肠杆菌乙酰转移酶基因atoB和丙酮丁醇梭菌(Clostridium acetobutylicum)丁醇合成途径关键酶基因(crt、hbd、adhE),构建多顺反子表达质粒pSE380-atoB-adhE-crt-hbd;克隆齿垢密螺旋体(Treponema denticola)反式烯酰辅酶A还原酶基因ter,构建表达质粒pSTV29-ter,并将双质粒导入到大肠杆菌。【结果】构建的工程菌能半厌氧发酵产微量丁醇,产量为0.08g/L。【结论】大肠杆菌中的丁醇合成途径导入成功,构建了产丁醇的大肠杆菌工程菌。     

半线性分数阶脉冲微分方程解的存在性和唯一性

利用Altman's不动点定理和Krasnoselskii不动点定理证明了q∈(0,1]阶半线性微分方程的脉冲边值问题的解的存在性和唯一性.     

高光谱图像半监督局部稀疏嵌入降维算法

针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入（SELSE）算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.     

Iε 类半无限规划的最优性条件

主要研究了一类非光滑半无限规划问题,基于对称梯度,首次引入了Is类凸、拟Is类凸、伪Is类等新广义凸性概念,研究涉及这类函数的一类半无限规划的最优性,得到一些最优性的充分条件.