基于AdaBoost的神经元形态分类的研究

根据神经元形态的几何特征,使用AdaBoost算法对其进行分类,采用决策树、贝叶斯和关联规则分类模型作为基分类器。算法首先采用直接面向纽舍分类器分类精度提升的集成学刁算法选取基分类器,其次利用分类过程中生成样本的孱升权值来调整前K次（K〉1）被错误分类样本的权重,并提留双重阎值法对样本的最终投票表决结果进行判定。对20个测试样本进行分类,得出高可信度分类数为18个。     

混沌通信的非线性N-shift加密与迭代学习辨识算法

为增强混沌通信系统的保密性,讨论了非线性N-shift加密方案,从提高信号掩盖的非线性程度方面增强了混沌通信的保密性.利用迭代学习辨识方法来实现解密,完全重建信息信号,理论分析给出了学习算法关于初态误差和输出误差的鲁棒性和收敛性,推导出了学习算法关于非线性掩盖的收敛的充分条件.利用以上迭代学习辨识技术对采用复合非线性掩盖技术的蔡氏混沌通信系统进行仿真,结果说明迭代学习辨识算法可以完全重建信息信号,复合非线性掩盖具有高保密性.     

高分辨距离像循环相关复合精确测速方法

为解决目标径向速度对步进频率信号高分辨距离像的影响,以精确速度补偿为目的,设计了一种正负正步进跳频波形,以两帧正跳频脉冲序列和一帧负跳频脉冲序列作为一测速组。提出了一种高分辨距离像循环相关复合精确测速方法,通过粗细估值的复合得出速度精确估计值,并用于下一组脉冲序列的速度补偿。仿真结果表明该方法测速精度高,具有良好的抗噪声性能和抗目标机动性能,且运算量较小,适用于实时性要求较高的信号处理系统。     

超滤对大蒜粗多糖中蛋白质的脱除效果

研究了超滤对大蒜粗多糖中蛋白质的脱除效果．选择截留相对分子质量为10000的超滤膜（MWCO）,并研究了超滤次数、操作压力、样品浓度和膜的清洗方式对超滤效果的影响．结果表明：利用该超滤膜来脱除大蒜粗多糖中蛋白质的最佳条件为：大蒜多糖的质量浓度20mg／mL,压力27．58kPa,超滤3次．该条件下大蒜多糖通过率达到92．1％,蛋白质含量由O．5％降低到了0．05％．超滤膜使用后,不经清洗,再次使用,大蒜多糖的通过率为74．7％,为原通过率的78．1％;经蒸馏水一Na0H溶液一蒸馏水混合清洗后,大蒜多糖的通过率为93．2％,恢复到原通过率的97．5％．结论：采用超滤法可以脱除大蒜粗多糖中的蛋白质．     

基于离散元法的杆系结构几何非线性大变形分析

提出应用离散元法(DEM)来求解二维、三维杆系结构的几何非线性大变形问题.基于简单梁理论,推导了适用于杆系结构分析的弹簧接触刚度系数计算公式,给出了时间步长临界值估算方法,并用实例对其进行了正确性检验.DEM方法本质上是求解结构的动力行为,对于需要计算静力解的问题,综合考虑数值精度和计算效率,建议阻尼系数取为0.7.列出了3个典型数值算例,即2个平面框架和1个空间网格结构,分别对其静力和动力大变形行为进行了模拟,并将结果与其他计算方法的结果进行比较,两者吻合良好.利用DEM方法处理几何非线性问题时无需组集刚度矩阵,也无需迭代求解非线性方程,故该方法适宜于处理杆系结构的大变形问题.     

典型变电站的闪络毁伤仿真分析

研究闪络毁伤作用下典型变电站的毁伤响应特性. 以500 kV枢纽变电站为研究对象,在对变电站功能、构成及运行特点进行分析的基础上,提出了变电站毁伤等级划分方法和毁伤效果评价指标;利用电磁暂态仿真软件PSCAD建立变电站仿真模型,完成了各电气设备毁伤致变电站毁伤的模拟计算,定量描述了电气设备毁伤与变电站毁伤的关系. 研究结果为变电站目标易损性评估,反电力系统闪络毁伤战斗部的毁伤效能研究及攻击方案规划提供了基础和依据.     

兰州市空气污染与气象条件关系分析

利用20012003,20072008年兰州市环境保护局环境监测站SO2,NO2,PM10逐日质量浓度监测资料及同期兰州市气象局的常规气象观测资料,分析了兰州市空气污染的变化特征,探讨了SO2,NO2和PM10质量浓度与气象条件的关系.结果表明:兰州市空气质量以良和轻微污染天气状况为主,空气污染状况呈现冬季加重夏季减轻的年变化特征.吹东北风不利于污染物稀释扩散,吹西北风有利于污染物稀释扩散,降水、相对湿度和风速等气象条件对空气污染状况有显著影响,另外该市城市热岛效应与空气污染状况有明显相关关系.     

2021年新冠病毒变异、跨种传播及疫苗和药物研究热点回眸

概括了新冠病毒主要变异毒株的分类、时空分布和流行动态,以及关键变异位点和其对病毒生物学特性的影响;阐述了2021年新冠病毒基因进化起源研究进展和新冠病毒在人和动物间跨种传播的风险;论述了2021年新冠疫苗和药物的研发和使用现状,以及不完全免疫保护形势下病毒可能的变异动向;提出了疫情防控、病毒流行监测和疫苗药物研发的相应...     

基于均衡7×2交叉验证的模型选择方法

交叉验证策略广泛应用于分类问题的模型比较和模型选择中．文章提出一种均衡7×2交叉验证并给出了相应的构造方法．文章以分类回归树（CART）为考察模型,对比了采用均衡7×2交叉验证、组块3×2交叉验证、标准5折和10折交叉验证在模型选择中的性能．模拟结果表明,在小规模数据集上,均衡7×2交叉验证方法选择到真模型的概率明显高于其余三种交叉验证的选择方法．     

泛化误差的三种交叉验证估计方法的比较

在泛化误差（GeneralizationError）的估计中,交叉验证（Cross—validation）是最常用的方法．基于均方误差准则下,采用生物信息数据比较了泛化误差的5折、10折交叉验证和组块3×2交叉验证估计,实验证明组块3×2交叉验证比5折、10折交叉验证方法更好．