基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

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.     

不同边界条件薄壁截锥壳的高阶振动特性研究

采用传递矩阵法研究了不同边界条件下薄壁截锥壳的高阶振动特性.基于Love壳体理论建立薄壁截锥壳振动微分方程,根据薄壁截锥壳子段间的状态向量,通过传递矩阵法得出整体传递矩阵,并用高精度的精细积分法计算固有频率,通过文献和有限元法进行验证,并分析了薄壁截锥壳在不同边界条件下的高阶振动特性.结果表明,不同边界条件下,采用传递矩阵法计算高阶固有频率与有限元法的计算结果基本一致.当轴向半波数增加时,频率明显增大;随着周向波数的增加,频率先减小后增大.固支-固支和简支-简支边界下在m=1和n=7处得到最小频率,固支-自由边界下在m=1和n=6处得到最小频率,三种边界下最小频率值分别为400.1、325.6和226.1 Hz;边界条件约束越多,最低阶固有频率越大.     

小鼠神经组织线粒体提取方法研究

采用两次梯度离心的方法提取原代皮层神经元、皮层和海马组织线粒体,通过健那绿B染色、Western blot方法检测所提取线粒体的纯度.健那绿B染色结果显示,在600g离心力的情况下,经过第一次梯度离心,第二次梯度离心在1 000g离心力的情况下进行,所提取线粒体结构最为完整,纯度最好,几乎不含细胞碎片;而在3 000g离心力情况下,线粒体纯度最低,且含有较多的细胞碎片.Western blot方法检测结果显示,1 000g离心力情况下线粒体的纯度最高.以上研究结果表明,采用梯度离心法提取神经组织线粒体时,第二次梯度离心的离心力越低提取的线粒体纯度越高.     

岩土体结构失稳概率的二次二阶矩评估方法

常规二次二阶矩可靠性方法只适用于功能函数偏导数(一阶和二阶)能够简便地由解析法求解的工程,使得其难以解决复杂岩土体结构的稳定可靠度问题.针对这一局限,基于数值差分原理,导出功能函数在验算点处各阶导数近似表达式,结合随机变量在X空间和Y空间的变换,构建了基于差分方法的梯度矢量数值求解工具;以该工具置换Breitung二次二阶矩方法中的梯度计算准则,形成一种适用于任意形式功能函数的二次二阶矩可靠度算法,消除了经典方法的局限;利用所提方法解决了功能函数为隐式和未知形式的边坡可靠度问题,展示了该方法解决复杂岩土体结构概率稳定性问题的能力,并同时在基准Y空间内建议了具有普遍意义的合适步长系数值0.01.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

轴向磁场作用下平均Taylor涡对湍流脉动的影响

采用基于高精度电流守恒格式的直接数值模拟方法，对轴向磁场作用下导电流体的湍流Taylor-Couette流动进行计算.在等电势边界条件的同心圆筒中，磁场与感生电流引起的反向周向速度分布、以及其对平均流动的影响被揭示出来.采用两种不同的湍流流场平均方法，将湍流中的全部脉动划分为平均流动(Taylor涡)的贡献和湍流的贡献.通过计算不同磁场强度下的湍动能的分布，对比分析轴向磁场对平均Taylor涡流和湍流两种贡献方式的影响.     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。     

修正的Dai-Liao三项共轭梯度方法

共轭梯度方法是求解大规模无约束优化问题最有效的方法之一。近年来提出的共轭梯度法具有良好的收敛性和数值结果。然而,这些方法并不总是产生下降方向。Dai-Liao方法虽然不会产生上升的搜索方向,但是也不满足充分下降条件。大量学者对Dai-Liao方法的参数进行研究使得Dai-Liao方法获得更好的收敛性和计算结果。因此,我们基于下降的三项共轭梯度方法和通过对Dai-Liao方法的迭代矩阵进行特征值分析,得到参数的一种自适应选择,并且利用HZ和DK方法的截断思想,提出了两种新的修正的Dai-Liao方法,使得修正的Dai-Liao方法满足充分下降条件和对一致凸函数全局收敛。在计算上优于HZ+、DK+方法和一种修正的Dai-Liao三项共轭梯度方法,有效可行。