Constrained voting extreme learning machine and its application

Extreme learning machine(ELM)has been proved to be an effective pattern classification and regression learning mechanism by researchers.However,its good performance is based on a large number of hidden layer nodes.With the increase of the nodes in the hidden layers,the computation cost is greatly increased.In this paper,we propose a novel algorithm,named constrained voting extreme learning machine(CV-ELM).Compared with the traditional ELM,the CV-ELM determines the input weight and bias based on the differences of between-class samples.At the same time,to improve the accuracy of the proposed method,the voting selection is introduced.The proposed method is evaluated on public benchmark datasets.The experimental results show that the proposed algorithm is superior to the original ELM algorithm.Further,we apply the CV-ELM to the classification of superheat degree(SD)state in the aluminum electrolysis industry,and the recognition accuracy rate reaches87.4%,and the experimental results demonstrate that the proposed method is more robust than the existing state-of-the-art identification methods.     

拥塞控制新算法:试算平衡

根据资源的需求和供给关系,提出了拥塞控制新算法——试算平衡法,旨在按一定比例抑制资源的需求,以实现系统资源的供需平衡,进而达到拥塞控制的目的.     

SRAM白光中子单粒子翻转注量率(10~7量级)效应研究

中子诱发中子单粒子效应进而影响电子设备或系统的稳定性和可靠性,本文基于中国散裂中子源BL06测试束线,在20 kW、50 kW、70 kW、80 kW和100 kW束流条件下,对800 nm、500 nm、350 nm和130 nm工艺静态随机存储器开展了不同注量率下白光中子单粒子翻转研究.实验发现:在误差允许范围内,中子注量率为1.34×10~7~6.68×10~7 n/(cm~2·s)时,白光中子诱发的中子单粒子翻转平均位翻转截面无明显变化,即当前注量率范围内,中子单粒子翻转基本不考虑注量率效应.     

A sparse algorithm for adaptive pruning least square support vector regression machine based on global representative point ranking

Least square support vector regression(LSSVR)is a method for function approximation,whose solutions are typically non-sparse,which limits its application especially in some occasions of fast prediction.In this paper,a sparse algorithm for adaptive pruning LSSVR algorithm based on global representative point ranking(GRPR-AP-LSSVR)is proposed.At first,the global representative point ranking(GRPR)algorithm is given,and relevant data analysis experiment is implemented which depicts the importance ranking of data points.Furthermore,the pruning strategy of removing two samples in the decremental learning procedure is designed to accelerate the training speed and ensure the sparsity.The removed data points are utilized to test the temporary learning model which ensures the regression accuracy.Finally,the proposed algorithm is verified on artificial datasets and UCI regression datasets,and experimental results indicate that,compared with several benchmark algorithms,the GRPR-AP-LSSVR algorithm has excellent sparsity and prediction speed without impairing the generalization performance.     

基于改进LDA的社会化标签主题识别方法

针对社会化标签中资源之间存在独立同分布特性,并且其对应的标签资源作为资源内容的特殊语义内容,提出一种联合特征词加权-LDA(Joint Feature Word Weighting-LDA)在资源内容和标签下联合主题识别方法,从而解决资源存在的独立同分布特性以及特征词采样等问题.首先建立评论及对应标签资源在信息熵相似度条件下的潜在关系,对该潜在关系使用随机游走方法获取各组资源和各组标签的权值系数,消除资源间的独立同分布.通过加权方法加权至每个资源的特征词,形成资源特征词和标签特征词的权重值系数.在此基础上构建联合特征词加权-LDA模型,通过迭代学习方法获取社会化标签资源的隐含主题知识.通过实验表明,提出的联合特征词加权-LDA相对于其他主题模型具有更好的主题识别效果.     

平面黏弹性力学问题的插值型重构核粒子法

插值型重构核粒子法的形函数结合了包含Kronecker delta特性的简单函数和由基函数向量采用重构条件构造的增强函数,并且具有点插值特性和不低于核函数的高阶光滑性.该方法可直接施加本质边界条件,同时也保证了较高的计算精度.基于插值型重构核粒子法,文章提出了一种求解平面黏弹性力学问题的新方法.采用弹性-黏弹性对应原理和Laplace变换,将黏弹性问题转化为Laplace域内的准弹性问题,并采用插值型重构核粒子法进行求解,然后借助Laplace数值逆变换求得黏弹性问题的解.数值算例验证了本文所提方法的有效性.     

基于DID模型的我国“煤改气”政策对天然气消费的影响

选取2005—2018年国内30个省级行政区的面板数据,采用双重差分法研究"煤改气"对天然气消费的影响,同时分别运用双重差分倾向得分匹配及更改窗口期的方法进行稳健性检验.结果发现,"煤改气"政策的实施总体上取得了较好的效果,促进了天然气的消费.但由于气源供应及用气价格等问题,"煤改气"政策实施效果在推广过程中出现波动情况,遭遇瓶颈.这些结论说明我国一方面要逐步扩大天然气进口国家的范围,加快推进非常规天然气的研究和勘探开发,保证天然气供应的稳定性;另一方面要不断发展完善配套基础设施,制定合适的补贴和鼓励政策,为"煤改气"政策的实施和完善创造更好的条件.     

安徽省生物医药领域专利信息分析

使用Incopat专利检索平台,对2010年1月1日至2020年12月31日安徽省生物医药主要技术领域的专利IPC分类号分布、专利申请量、专利申请人、专利法律状态等方面信息进行统计分析.安徽省生物医药领域检索出专利申请量为101113件.针对安徽省生物医药专利自身的技术特点,提出提升现有技术竞争能力、促进生物医药专利创新发展的具体建议.     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.