基于宽度学习的浓密机底流浓度软测量

由于浓密脱水过程中浓密机的底流浓度难以在线检测，本文提出了一种基于宽度学习的软测量建模方法，用以解决底流浓度的在线检测问题.该方法精度高，泛化能力强.首先，在浓密机内部安装压力传感器，建立正常工况下的历史数据集;然后，利用宽度学习系统对软测量模型进行训练，从而实现浓密机底流浓度的在线预测;最后，通过仿真实验验证了该方法的有效性.与传统的机器学习方法相比，宽度学习方法具有更高的预测精度.     

看向宇宙中最黑暗的地方

1915年,爱因斯坦创立了广义相对论,指出万有引力的本质是时空弯曲。很快,德国物理学家史瓦西根据该理论,推导出天体的视界半径,即天体能被人类看见的最小半径。后来,科学界称之为史瓦西半径。     

自适应跌倒前实时检测方法

为了能利用单一传感器在跌倒撞击前实时检测出跌倒即将发生,结合支持向量机(SVM)和阈值法设计了一种自适应跌倒前实时检测方法.实验结果表明,该方法能在跌倒撞击前实时检测出跌倒即将发生,且比人工阈值法和SVM方法有更长的间隔时间,比SVM方法有更高的召回率和特异度.     

安全视角下动态共乘匹配成功率的仿真

研究在安全视角下，动态共乘系统对于出行个体的匹配建模与仿真结果分析。构建动态共乘匹配模型框架，并分别建立乘客安全信任演化模型、政策导向影响模型、平台安全投入影响模型和安全事件影响模型，通过系统仿真的方式获得运行数据，以此评价政策宣传密集度和强度、平台安全投入强度、司机对安全投入敏感度和高危安全事件发生概率等因素对司乘匹配成功率的影响。研究结果表明，政府主导的监管模式相对于平台主导模式而言更能显著提升司乘匹配成功率，而政府和共享乘车平台的双重监管模式对司乘匹配率的提升最为有效。同时，政府政策导向宣传作用和平台安全投入作用均存在一定的衰减效应，政府与平台需要把控监管的时机和度量问题。特别地，平台可以重点关注对安全投入敏感度更高的司机，这类司机更容易在受监管的情况下规范自身行为，使得平台的安全投入更加行之有效。     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

安庆CGCS2000坐标转换的设计与实现

分析现有自然资源和规划空间地理信息数据,利用国家全球导航卫星系统和区域似大地水准面精化成果,构建安庆独立坐标系与2000国家大地坐标系转换关系,采用平面四参数转换模型,自主研发2000国家大地坐标系转换软件,实现空间地理信息数据的大地基准转换.     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

StyS激酶自磷酸化对Pseudomonas putida B3中靛蓝生物合成的调节作用

在恶臭假单胞菌Pseudomonas putida B3中,靛蓝生物合成关键酶基因styAB上游存在一个二元调控系统StyS-StyR。StyS蛋白属于激酶家族,是磷酸化信号转导的重要媒介,但激酶StyS的自磷酸化传导机制对靛蓝生物合成的调节作用尚未探明,因此,研究以Pseudomonas putida B3中激酶蛋白StyS作为研究对象,发现了两个磷酸化结合位点,构建了磷酸化位点突变株。通过分析野生菌株P. putida B3、styS基因缺失菌株P. putida B3-ΔstyS、styS基因回补菌株P. putida B3-ΔstyS-8和磷酸化位点突变株P. putida B3-ΔstyS-1之间的靛蓝产量及酶活发现,P. putida B3产量为10.14mg/L,P. putida B3-ΔstyS-8产量为3.63mg/L,磷酸化位点突变菌株无激酶活性且失去了产生靛蓝的能力。结果表明,StyS自磷酸化作用在靛蓝发酵体系中起重要作用。研究结果将为靛蓝生物合成途径的进一步研究提供参考。     

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。