基于潜在类别条件Logit模型的机舱座位选择行为

为向旅客推送精细化座位推荐服务,通过潜在类别条件logit模型探究了旅客座位偏好及座位效用差异。首先运用解释结构模型筛选出影响旅客选座的关键因素；其次对旅客及其选择偏好进行RP-SP调查,运用潜在类别条件Logit模型划分旅客类别,进一步探究不同因素对旅客类别的影响程度；最后构建不同类别旅客机舱座位效用函数,根据效用最大化原则判断旅客选择行为。结果表明,旅客在机舱座位选择行为上存在异质性,旅客被划分为三个类别：class1占比38.8%,倾向于选择第一排或紧急通道排的过道位置；class2占比39.8%,倾向于选择靠窗座位；class3占比21.4%,倾向于过道位置。研究将为航空公司进行座位管理及制定座位附加服务费提供理论及决策支持。     

结合流形结构与柔性嵌入的多标签特征选择

将线性回归模型与流形结构相结合,构成了弱线性多标签特征选择的联合框架。首先,用最小二乘损失函数来学习回归系数矩阵;其次,通过标签流形结构来学习数据特征的权重矩阵;再次,用L2,1-范数来约束回归系数矩阵和特征权重矩阵,这样既能引导稀疏性,又有利于特征选择。此外,设计并证明了具有收敛性的迭代更新算法来解决上述提出的问题。最后,所提出的方法在多个经典多标签数据集上进行了验证,实验结果表明了所提算法的有效性。     

双向认知网络物理层安全策略建模及仿真研究

为提高移动通信系统的性能,构建了一个存在主网络干扰和窃听者的双向认知中继网络的物理层安全传输模型,设计了一种中继选择和功率分配的联合优化策略,用于对抗窃听者,保护收发节点的信息传输。通过仿真分析得出,此非凸优化问题限制条件较多,难以保证粒子群优化算法随机生成的初始解的可行性,从而造成求解困难。提出了一种基于可变网格优化和粒子群优化算法的混合优化算法。仿真结果表明此算法提高了次级网络的保密速率,提升了次级网络的安全性能。     

祁连山玉石沟橄榄岩中非生物成因甲烷‒石墨流体包裹体及其形成条件

研究北祁连造山带玉石沟橄榄岩中富甲烷流体包裹体。激光拉曼光谱原位分析结果显示, 这些流体包裹体主要由液态或气态 CH₄+C(石墨)组成, 次要成分为N₂, H₂O, C₂H₆和C₃H₈, 代表还原性的C-H流体形式。根据石墨的拉曼特征谱峰, 利用石墨化碳质拉曼光谱(RSCM)温度计计算石墨形成温度, 结果指示石墨在流体中沉淀的最低温度介于430~590°C之间, 表明CH₄+C是非生物成因的, 并形成于地幔环境。     

基于子图特征的科学家合作网络链路预测

提出了多种基于子图结构特征的新特征,构建了基于节点重要性、基于节点共同邻居、基于边共同邻居、基于邻居子图和基于边子图五类特征,并将这五类特征中的多种特征分别作为特征输入,运用机器学习的方法,实现科学家合作网未来合作关系的预测。研究中发现,基于边子图特征的链路预测准确率最好。此外,研究中运用基于模型的特征排序和最大信息系数特征选择方法分析类内特征的影响力以及相互关系,通过机器学习算法的分类模型进行链路预测。该方法能够有效地揭示网络类内特征在预测中的重要性和相关性,有利于发现影响力大的特征和冗余特征。     

基于重心法和层次分析法的高校快递智能柜选址布局问题研究

针对高校快递智能柜选址问题，提出了重心法联合层次分析法的综合选址方法。该方法首先运用重心法确定智能快递柜的备选位置，再结合层次分析法从备选位置中确定最优选址。以广州某高校为例，对联合选址方法进行了实际应用。结果表明，该方法计算过程简便、实用，在校园自提柜选址决策方面有较高的科学性和可行性，可以为各大高校快递智能柜选址提供参考。     

基于退化特征相似性的航空发动机寿命预测

针对航空发动机结构复杂、性能退化参数众多、寿命预测精度低等问题,提出了一种基于退化特征相似性的寿命预测方法。首先通过基于Relief算法的退化特征筛选、基于主成分分析(principal component analysis,PCA)的特征提取和基于核函数的特征平滑,提取低维正交多变量退化特征;然后进行特征的相似性匹配,寻找与当前样本特征片段最相似的一组历史样本中的特征片段集合,将这些片段对应的RUL信息融合并采用密度加权方法得到当前样本的寿命预测估计值;最后通〖JP2〗过美国国家航空航天局(national aeronautics and space administration,NASA)提供的航空涡轮扇发动机仿真数据集验证了该方法的有效性,其寿命预测性能高于现有几种代表性方法。     

基于表面肌电信号的绝缘手套法带电作业人员上肢肌肉疲劳分析

绝缘手套法是配网带电作业的主要作业方式,为获取穿戴绝缘手套的带电作业人员上肢肌肉的疲劳特性及其诱发的肌肉骨骼系统疾患(work-related musculoskeletal disorders,WMSDs)的风险,开展了基于表面肌电信号(surface electromyogra-phy,sEMG)的绝缘手套法带电作业人员上肢肌肉疲劳评估研究.针对配网绝缘手套法的典型作业工况,搭建了绝缘手套法带电作业上肢的sEMG试验平台,采集受试者上肢(右手)各目标肌肉在是否穿戴绝缘手套下的sEMG信号;基于时域特征参数积分肌电值(integrated electromyography,IEMG)、均方根值(root mean square,RMS)及频域特征参数平均功率频率(mean power frequency,MPF)、中位频率(median frequency,MDF)对绝缘手套的上肢肌肉疲劳特征进行评估;基于支持向量机(support vector machine,SVM)构建了带电作业人员上肢肱桡肌疲劳状态识别模型.结果表明:穿戴绝缘手套作业时各目标肌肉更容易进入疲劳状态;穿戴绝缘手套作业时,作业人员上肢部位的肱桡肌、肱二头肌、肱三头肌、三角肌的疲劳程度依次递减,与仿真计算的分析结果一致;sEMG时域特征参数IEMG、RMS对作业人员上肢肌肉疲劳的表征效果要优于频域特征参数MPF和MDF;带电作业人员上肢肱桡肌疲劳状态识别模型总体平均准确率为86.56％,能有效识别上肢肱桡肌肌肉疲劳状态.     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

液中放电沉积技术研究进展

液中放电沉积是一种新型的表面改性技术，起源于电火花加工技术，可在金属表面制备出具有高硬度、高耐磨性以及高结合力等优良性能的沉积层。此外，该技术不污染环境，有望替代部分常用但具有污染性的表面改性技术。液中放电沉积技术的核心内容为沉积层形成机制、工具电极材料以及介电流体成分。简单介绍了液中放电沉积技术的特点，重点阐述了沉积层的形成机制以及缺陷优化工艺，并从工具电极材料、介电流体成分和实际生产应用三个方面总结了液中放电沉积技术的国内外研究进展，展望了该技术的发展方向。