一种全连接粒神经网络分类方法

全连接神经网络需要大量的数据支持，才能训练好一个分类网络，往往现实中没有提供大量的数据供给网络训练。针对全连接神经网络缺少数据训练会使网络分类效果不佳这个问题，研究粒计算理论，从不同角度增广数据并进行粒化，提出一种全连接粒神经网络的分类方法。首先，该网络对所有样本进行单特征参照样本相似度粒化，形成参照样本粒子。同时引入邻域判别函数进行邻域粒化，形成邻域粒子。一个样本上的多个特征粒子构成一个粒向量，将构造的粒向量输入到该网络进行分类，进而提出了全连接粒神经网络。在多个UCI数据集上实验，用全连接粒神经网络和不同的分类算法进行比较，其结果表明了所提出的全连接粒神经网络分类方法的正确性与有效性。     

等离子体激励参数对圆柱绕流影响的风洞实验研究

为研究等离子体的激励参数对圆柱绕流的影响,在低速风洞中进行介质阻挡放电(DBD)等离子体激励控制圆柱绕流的实验。风速V_∞=8 m/s,基于圆柱直径的雷诺数Re=8.6×10~4。圆柱绕流的烟线流动显示、圆柱壁面和尾迹压力的测量和分析表明脉冲激励参数的变化对圆柱绕流的影响在尾流宽度、壁面静压分布、圆柱阻力、尾迹压力分布三方面均有所体现。激励频率在400 Hz左右时流动控制效果最佳。占空比在40%~80%范围内,流动控制效果较好。激励电压在9.2~13.2 kV区间内存在放电启动的临界电压值,在22~25.5 k V范围内激励效果最优。边界层分离点附近区域,激励对壁面静压和流速的影响较为显著。