一种适用于不均衡数据集分类的KNN算法

传统的K-最邻近(K Nearest Neighbor,KNN)分类算法在处理不均衡样本数据时,其分类器预测倾向于多数类,少数类分类误差大。针对此问题从数据层的角度改进了传统的KNN算法。先通过K-means聚类算法将少数类样本聚类分组,将每个聚类内的样本作为遗传算法的初始种群;再使用遗传交叉和变异操作获取新样本,并进行有效性验证。最终获取到各类别样本数量基本均衡的训练样本集合。实验结果表明此方法有效改善了KNN算法对少数类分类效果。此法同时适用于其他关注少数类分类精度的不均衡数据集分类问题。     

基于混合蚁群优化的天地一体化调度方法

天地测控资源一体化调度问题是一个典型的大规模组合优化问题,优化过程极其复杂,采用单一优化机制的传统蚁群算法求解这类问题时,存在求解效率低且求解性能差的缺陷。鉴于此,提出了采用两种不同融合策略的新型遗传蚁群优化方法(genetic ant colony optimization hybrid algorithm, GA-ACO)求解问题。该方法利用遗传算法的快速搜索、群体性能等优势生成初始蚁群信息素分布,提高了蚁群算法由于运行初期信息素更新较慢导致的较低求解效率和后期早熟引起的较差求解质量。仿真结果表明,相比于基本蚁群算法和遗传算法,混合蚁群算法的寻优性能更好,求解效率更高,更适合解决天地测控资源一体化调度问题。     

一种多阶段任务系统的BDD排序新方法

近年来,BDD(二元决策图)的分析方法越来越多地被用于多阶段任务系统可靠性分析中.BDD方法应用的一个关键是在从故障树向BDD转换时需要对底事件进行排序,所选择的排序顺序将影响构造的BDD的节点数.与单一阶段任务系统相比,多阶段任务系统的可靠性分析由于阶段之间的相关性而变得更加复杂,将一般的BDD排序方法直接应用于多阶段任务系统的BDD分析很难得到令人满意大小的BDD.在考虑多阶段任务系统的结构和特性的基础上,通过共同失效组件对多阶段故障树化简,提出了基于最小相邻组件优先相邻排序的多阶段任务系统BDD排序方法.通过与一般的排序方法相比较,这种新方法可以生成更理想的BDD结构.     

Bayes网络在机械故障概率估计中的应用

提出了将bayes网络应用于机械故障诊断。主要是为了解决如何从机组运行状态数据中来推断出机组发生某种故障的可能性,从而为进一步的诊断维护提供依据。Bayes网络是一个具有一系列条件概率的有向无循环图。本文采用两层结构的网络模型,上层为旋转机械的故障样本集,下层为症状属性样本集。根据给出的各故障发生先验概率以及各症状节点的条件概率和泄漏概率,利用网络的推理计算,求出机组发生各种故障的后验概率大小。从而达到预测发生某种故障可能性的目的。实例验证了该方法的可行性和正确性。     

常庄水库泄洪洞伸缩缝漏水处理措施

水工建筑物伸缩缝止水老化失效是引起伸缩缝渗漏水的一个重要原因。常庄水库泄洪洞伸缩缝极不规则且止水均已老化,渗漏严重。用水溶性聚氨脂灌浆,双组分聚硫密封胶填注伸缩缝处理取得了很好的效果。     

知识经济时代的图书馆人力资本管理

依据人力资本管理的理论,分析了知识经济时代的图书馆人力资本管理的必要性.图书馆要想成功实施人力资本管理,必须从转变观念,给工作人员对话的权利,注重组织文化管理,实施个人发展的培训等方面入手.     

煤矸石的优化堆积模型

利用最优化方法建立了某煤矿的煤矸石优化堆积模型和最优年度征地计划,并利用 Mathematica软件计算出了处理不同出矸率的矸石的最低费用。     

过冷沸腾在磷酸浓缩中的应用

实验证明,在低品位二次能源的利用中,利用过冷沸腾原理浓缩磷酸,可以使磷酸浓缩的蒸发负荷达到0.9kg/(m2·K·h),传热系数达引进专用浓缩装置的75%,而加热面的最高温度不超过70℃。这一现象将对湿法磷酸浓缩技术的工艺、设备、材质和操作运行管理产生重要影响。     

旋流混凝作用影响钢渣混凝剂混凝效果的研究

以钢渣制作混凝剂,采用旋流器强化混凝,对工业废水进行处理,解决沉淀物分离的问题,探讨了其混凝机理。     

弱LR带

本文引入了一类正则带,弱LR带,以及弱LR-好拟适当半群。并运用双重半直积给出弱LR-好拟适当半群的结构定理。