基于加权余弦相似度与极限学习机的电力负荷短期预测

为提高电力系统管理的效率,提出一种基于加权余弦相似度与极限学习机(extreme tearning machine, ELM)的电力负荷短期预测设计。通过熵权法对电力负荷相关物理信息进行权重分配,获得的权重赋予到余弦相似度中,利用加权余弦相似度对历史日与待测日的电负荷数据进行相似度选取,筛选数据作为极限学习机的输入,提高极限学习机回归模型的精度,最终获取电力负荷预测。实验分析与反向传播BP(back propagation)神经网络、支持向量机(spupport vector machine, SVM)预测算法对比,该方法能有效提高预测模型的精度,同时简化计算量。     

一种自适应谐波叠加的复调音乐主旋律提取新方法

随着音乐数量的迅速增加,对音乐进行数字化的处理已经成为必然趋势.主旋律反映了音乐的主要思想,提取主旋律在制作计算机音乐,检索分类,哼唱识别等领域具有广泛的应用价值.本文提出一种自适应谐波叠加的复调音乐主旋律提取算法.首先,通过声源分离预处理,通过判别基频最小稳定方差改变压缩因子,自适应叠加谐波构建显著函数;然后,对显著函数构建的基频片断采用随机森林模型进行人声检测,组合所有人声帧的最大显著度频率得到音乐的主旋律序列.实验表明,在MIR-1K数据集上得到的结果在高信噪比情况下有显著提升.     

适用于自适应网络防御的联合云计算框架

为了解决云计算中网络安全防御策略部署问题,提出一种适用于自适应网络防御的联合云计算框架.该框架由治理层和互操作层组成,使用LocalHub,StateHub和FederalHub共3个集线器将独立的管理层连接起来,能够根据云计算中不同事件来计算和部署网络防御策略,满足部署网络防御解决方案和分布式计算所需的标准和复杂服务.文中给出联合云计算系统模型及其构建单元,以及所提模型的好处和实施带来的一些挑战.该云计算联合框架解决了终端用户存在的问题.实验表明:当事件响应中涉及更高级别的联合框架时,对应的延迟变高,事件响应成功的概率增大.在本文联合云计算框架中网络防御的性能优于其他2种云计算框架.     

Fantastic Beasts and where (not) to find them: Local gravitational energy and energy conservation in general relativity

This paper critically examines energy-momentum conservation and local (differential) notions of gravitational energy in General Relativity (GR). On the one hand, I argue that energy-momentum of matter is indeed locally (differentially) conserved: Physical matter energy-momentum 4-currents possess no genuine sinks/sources. On the other hand, global (integral) energy-momentum conservation is contingent on spacetime symmetries. Local gravitational energy-momentum is found to be a supererogatory notion. Various explicit proposals for local gravitational energy-momentum are investigated and found wanting. Besides pseudotensors, the proposals considered include those of Lorentz and Levi-Civita, Pitts and Baker. It is concluded that the ontological commitment we ought to have towards gravitational energy in GR mimics the natural anti-realism/eliminativism towards apparent forces in Newtonian Mechanics.     

基于拟单边Lipschitz条件的非线性系统自适应观测器设计

用拟单边Lipschitz条件代替通常的Lipschitz条件研究了一类非线性系统自适应观测器的设计方法.所得到的判据较已有文献的结果减少了保守性,并给出了仿真算例验证了所给方法的有效性.     

蝴蝶优化算法对大青杨生长速率预测模型的改进

为提高大青杨生长速率的预测精度,提出一种基于改进的蝴蝶优化算法（Improved Butterfly optimization algorithm,IBOA）与径向基函数（Radial basis function,RBF）神经网络结合的预测木材材性方法。通过使用佳点集法对标准蝴蝶算法中的种群进行初始化,将自适应切换频率和Levy飞行相结合进一步优化人工蝴蝶算法。构建出了新的IBOA-RBF神经网络木材材性预测模型,将得到的结果与其他几种算法优化的RBF神经网络预测结果进行对比。结果表明：基于IBOA-RBF神经网络模型预测效果最好,收敛速度从37步降低到了23步,预测结果误差达到了5.72%,预测精度最高。可见,对蝴蝶算法的改进是可行的,且对相关人员定向培养大青杨起到较大的帮助。     

最小均方误差准则的自适应天线阵控零技术研究

本文针对基于最小均方误差准则的自适应天线阵方向图的控零技术进行研究。首先介绍了最小均方误差准则的基本理论,然后对基于该准则的自适应天线阵进行理论分析,最后对需要信号和干扰信号的到达方向发生改变以及干扰信号的幅值发生改变的两种情况阵的抗干扰性能。     

恒温恒湿试验箱自适应逆控制系统的研究

本文针对恒温恒湿试验箱控制系统的难题,即多变量、非线性、强耦合以及大滞后的控制问题,提出了可行的研究方法和研究方案,并为自适应逆控制系统数学模型的建立设计了合理的实验方案、建模步骤。     

命题工作管理信息化的初步探讨

由于目前各省、市、自治区的命题中心业务种类和业务量都在不断增加,原有的少量的程序管理或手工管理已经很难实现教育部考试中心提出的提高命题工作管理水平的要求,命题工作管理信息化已经势在必行。     

二语习得研究方法:CAS理论的视角

复杂适应系统理论理论为学者们研究语言提供了新的理论框架。本文就是在这一背景下尝试探讨其对研究方法的启示。在研究方法方面,二语研究方法上可以借鉴隐喻的思维方法和基于主体的建模方法。