聚丙烯复合材料老化数据集成学习

聚丙烯复合材料老化实验周期长,且单次实验采集的数据样本少,使用传统机器学习方法进行预测的准确度较低.为了解决聚丙烯复合材料老化数据样本少与预测准确性低的问题,提出了一种虚拟样本生成(virtual sample generation,VSG)的集成学习预测方法.首先,对聚丙烯复合材料老化数据使用高斯混合模型(Gaussian mixed model,GMM)虚拟样本生成方法平滑生成验证有效的虚拟样本;然后,使用生成后的数据集建立集成学习预测模型,该模型包含随机森林(random forest,RF)、极端梯度提升(extreme gradient boosting,XGBoost)算法、轻量级梯度提升机(light gradient boosting machine,LightGBM)算法以及分类梯度提升(categorical boosting,CatBoost)算法.实验表明:集成学习模型的LightGBM算法与CatBoost算法性能最优,在测试数据上均方误差为0.001 3与0.0001,比RF算法与XGBoost算法分别高出0.4与0.2.聚丙烯复合材料老化虚拟样本生成与集成...     

云母增强聚丙烯复合材料抗紫外老化性能的研究

本文采用熔融共混法制备PP/云母复合材料,通过自制紫外老化箱研究PP/云母复合材料紫外老化性能,并借助SEM照片等手段进行表征,研究表明：PP/云母复合材料拉伸强度、弯曲模量、弯曲强度都随云母含量的增加而增大,云母含量高达40%时,复合材料的强度都还有上升的趋势;云母的加入使得聚丙烯具有很明显抗紫外老化性能,其复合材拉伸强度和缺口冲击韧性的保持率近高达95%以上,UVB光辐照800 h内对复合材料力学性起到一定促进作用,这主要是由于云母片层结构产生偏光和干涉效应而导致。     

加速热老化对苎麻纤维/聚丙烯复合材料性能的影响

采用模压工艺制备苎麻纤维/聚丙烯复合材料,研究了复合材料在100℃加速热老化前后的性能。结果表明：纤维长度、纤维含量对复合材料的力学性能及熔融性能均存在明显的影响,氢氧化钠碱处理纤维及使用界面增容剂均可改善复合材料的力学性能,提高熔融峰温度。然而,热老化将明显降低复合材料的力学性能,改变熔融状态及结构形貌。     

聚丙烯/蒙脱土复合材料的热氧老化性能

用3种蒙脱土(原土、OMMT1、OMMT2)与聚丙烯分别熔融插层复合.经X射线衍射(XRD)分析表明,3种蒙脱土均与聚丙烯成功插层复合,制备出聚丙烯/蒙脱土纳米复合材料.重点研究聚丙烯/蒙脱土纳米复合材料的热氧老化性能.结果表明,在聚丙烯材料中,添加少量蒙脱土不但可以提高材料的力学性能,而且明显改善材料的抗热氧老化性能.对3种PP/MMT复合材料热氧老化样品进行傅立叶红外(FTIR)分析和表面形貌观察,发现蒙脱土片层在聚丙烯中插层复合越充分(乃至剥离),其抗热氧老化效果就越明显.     

聚丙烯复合材料改性研究

着重用粒径为30μm的石墨填充改性聚丙烯复合材料,并对其导热性能和力学性能进行了研究,制备出具有优良导热性能和力学性能的聚丙烯复合材料。     

聚丙烯复合材料改性研究

着重用粒径为30μm的石墨填充改性聚丙烯复合材料,并对其导热性能和力学性能进行了研究,制备出具有优良导热性能和力学性能的聚丙烯复合材料.     

陷阱理论在聚丙烯电老化试验中的证实

以聚丙烯薄膜为试样，在真空中进行了工频电老化试验，在电老化过程中，同时测量试样的剩余击穿场强和表面电位增量，并在不同电压下测量了寿命时间，实验发现在广泛的电压范围内，在双对数坐标上，试样的的寿命曲线，剩余击穿场和表面电位增量都是折线，且具有相关性，证实了陷阱在介质击穿过程中的决定性作用和寿命的理论公式中幂指数随电场强度范围的不同而变化的理论预言。不管电老化电压如何，试样的击穿都发生在陷阱密度，自由     

自然环境下聚丙烯土工织物的老化行为

为了评价和预测聚丙烯土工织物在实际使用条件下的使用寿命,在上海地区的户外环境下,采用3种不同的老化试验条件,即大气自然老化、沙土掩埋老化和水下老化,研究聚丙烯土工织物的老化行为.在试验期间,分别记录大气环境下的紫外辐射、温度和降雨量等环境因素的变化,测试在相应老化条件下土工织物的经向断裂强度.试验表明,经过12个月的大气自然老化试验,聚丙烯土工织物的断裂强度由3.31kN/5cm下降到1.35kN/5cm,且土工织物的强度下降与所接受到的累积紫外辐射能线性相关,而环境温度和降雨量等环境因素的变化并未影响土工织物强度与累积紫外辐射能间的关系.开展15个月的沙土掩埋老化试验和24个月的水下老化试验,测试老化期间织物试样的强度变化.试验结果表明,在这两种老化条件下,聚丙烯土工织物的强度并没有产生统计意义上的变化.     

紫外光老化PP/纳米CaCO_3复合材料结晶与熔融行为研究

用DSC和WAXD研究了紫外光老化PP/纳米CaCO3(PP/CC)和相容剂改性PP/CC复合材料的结晶与熔融行为,结果表明随着紫外光老化时间增加,PP熔融温度逐渐降低,结晶度先增加后趋于稳定;PP结晶温度先提高后降低,PP/CC结晶温度降低,相容剂改性PP/CC降低更加明显。紫外光老化PP/CC结晶温度高于纯PP,表明CC对老化PP还具有异相成核作用。未光照的PP-g-MA和POE-g-MA改性PP/CC结晶温度高于未改性的,归结于相容剂与CC相互作用形成的钙盐的异相成核作用;但紫外光老化后PP结晶温度低于未改性PP/CC的,归结于钙盐受到紫外光的作用,失去对PP结晶的异相成核作用和诱导PP生成β晶的能力。     

噪声数据下基于模型权重与随机子空间的集成学习

针对训练集中类标号存在噪声的情况,提高分类模型的稳定性和分类精度是分类建模的目标。文章通过随机化邻域属性约简,生成多个邻域可分子空间,从而形成不同的基分类模型;通过基分类模型的预测结果及一致性原则学习基分类模型权重,降低了噪声对基分类模型权重学习的影响;最后利用模型权重融合基分类模型的分类结果获得测试样本的类别,并通过仿真实验验证该方法的有效性。     

基于集成学习的智能电网主机恶意软件检测方法

目前智能电网恶意软件检测系统主要基于特征库对已知恶意软件进行检测,不适用检测恶意软件未知变种.而现有基于机器学习的恶意软件未知变种检测方法的准确性和鲁棒性有待进一步提升,不足以满足智能电网实际需要.因此,提出一种基于集成学习的恶意软件未知变种检测方法,利用多源数据集和多种机器学习方法交叉构建单一检测模型,并设计一种基于Logistic的集成学习方法,构建恶意软件未知变种集成检测模型.实验对比分析表明,构建的集成检测模型相较于传统单一检测模型在准确性和鲁棒性方面有着显著提升.     

基于边际的组合分类器选择算法

研究表明,具有较大边际分别的组合分类器泛化性能更高.根据该结论,论文构造了一个新的基于边际的度量指标(MM)以充分考虑基分类器和组合分类器的分类能力,进而提出了一种新的组合分类器选择方法.该方法初始化组合分类器为空(或满),迭代的加入(或移除)具有最大(或最小)MM值的分类器,以降低组合分类器规模并提高它的分类准确率.在随机选择的24个UCI数据集上的实验表明,与其他一些高级的贪心组合选择算法相比,该方法具有更好的泛化能力.     

一种基于Bagging算法的高斯过程集成建模方法

针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题,利用Bagging和高斯过程回归算法,提出一种基于Bagging算法的集成高斯过程软测量建模方法.该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成多个高斯过程模型,并通过加权组合方式进行集成,得到最终的模型输出.将该方法应用...     

集成学习中特征选择技术

集成学习和特征选择是当前机器学习领域中的研究热点.集成学习通过重复采样可产生个体学习器之间差异度,从而提高个体学习器的泛化能力,特征选择应用到集成学习可进一步提高集成学习技术的效果,该研究有3个方面：数据子集的特征选择、个体学习器的选择和多任务学习.该文对近几年集成学习中特征选择技术的研究进行回顾,尤其对以上3个方面的研究分别进行总结,提出一些共性的技术指导以后的研究.     

基于特征选择的神经网络集成方法

将特征选择技术ReliefF引入Bagging方法中,提出了一种新的神经网络集成方法——ReBag．实验结果表明,本方法的泛化能力优于Bagging方法,与Attribute Bagging方法相当但效率更高．     

SVM集成研究与应用

集成学习是机器学习的重要研究方向之一,SVM集成近年来已经受到国内外很多从事机器学习、统计学习的研究者们的重视,并使得该领域成为了一个相当活跃的研究热点。对近年来SVM集成的研究与应用进行了综述,讨论了SVM集成需要解决的基本问题;讨论分析了构造差异性大的集成成员SVM的方法、有效的集成结论生成方法、SVM集成的典型应用;指出了目前存在的问题、以及几个重要的研究方向。     

基于Stacking-Bert集成学习的中文短文本分类算法

由于word2vec、Glove等静态词向量表示方法存在无法完整表示文本语义等问题,且当前主流神经网络模型在做文本分类问题时,其预测效果往往依赖于具体问题,场景适应性差,泛化能力弱.针对上述问题,提出一种多基模型框架(Stacking-Bert)的中文短文本分类方法.模型采用BERT预训练语言模型进行文本字向量表示,输...     

基于随机旋转集成的降维方法

对随机旋转集成方法提出了一种针对降维问题的改进,得到了新的降维算法框架进行随机变换降维,可以显著减少降维过程中造成的信息损失.采用随机变换降维后,训练监督学习算法时可以获得更高的准确率和更好的泛化性能.通过在模拟数据上进行的实验,证明了使用多重共线性数据进行回归分析时,与传统降维算法相比,经随机变换降维处理后可以保留更多的信息,获得更小的均方误差.对随机变换降维在手写数字识别数据集上的表现进行了研究,证明了与一般性的降维算法相比,随机变换降维在图像分类问题上可以获得更高的准确率.