应用邻接多重表存储结构的配电网可靠性评估算法

结合复杂配电网的特点,提出基于邻接多重表的复杂配电网可靠性评估分块算法。首先给出适合于配电网数据存储的邻接多重表构造方法及存储结构,解决了网络搜索的空间、时间复杂度问题。基于此提出配电网前推回代潮流计算方法及配电网可靠性评估的分块形成算法。该算法可使配电网潮流计算与可靠性评估分块算法采用同种存储结构,简化了配电网可靠性计算程序的编制,并可节省计算时间。应用该算法对RBTS-BUS6及实际工程系统进行了可靠性评估,算例表明该算法可有效减少计算时间,具有较高的工程实用价值。     

基于模糊数学和粒子群算法的边坡参数反分析

传统的利用边坡位移进行力学参数反分析的方法构造的目标函数较为简单.为了体现滑坡土体的不同性质,文中在传统优化方法的基础上,分析了滑坡体内部土体的位移特点,并将滑坡土体分为滑坡床、滑坡面和滑坡体3个类别.然后分别利用模糊数学和粒子群算法求得不同位置土体对3个类别的隶属度以及3个类别的位移权重,并根据土体的隶属度和3个类别...     

半参数非线性模型中的t-型估计和影响分析

给出半参数非线性回归模型的t-型估计及其EM算法,同时获得估计的相合性及渐近正态性.并基于EM算法中的Q函数,研究了半参数非线性回归模型的统计诊断方法.最后,用一个模拟例子和一个实际例子验证了本文提出的t-型估计和诊断方法的有效性.     

基于分隔符和上下文术语的领域现象术语抽取

领域现象术语常常是复合型短语,很难根据局部上下文特征用传统的机器学习方法来抽取.为此,文中提出了一种领域现象术语的抽取方法.该方法首先用基于上下文的方法抽取得到分隔符集,然后结合分隔符集和上下文术语用改进的NC -value算法进行候选领域现象术语抽取,最后在候选领域现象术语中过滤掉名词性术语,进而得到最终结果.实验表...     

基于分方向选择搜索的多目标进化算法

Pareto 解空间为分区域连续时,基于极大极小策略和确定权重的多目标进化算法在进化的每一代都会在无最优解的区域搜索解点.为解决此问题,文中提出了一种新的判断机制,根据每个权重在不同方向上选取的解点集来判断权重对应的Pareto有效解区域是否存在最优解点,并以此来调整搜索的区域;为了避免算法陷入局部收敛和种群早熟,提出...     

视频显示的小尺寸工件精密测量方法

传统的显微测量视场小,操作繁琐,读数与定位存在人员的主观误差。针对这些缺点,设计了一种机器视觉与显微测量相结合的测量系统。该系统利用显微镜和视频显示的放大作用,光栅测微仪测量的精准性,实时检测被测工件的倒角位置,在人工干预下实现了高精度测量。对一般的测量显微镜进行改装,采用双屏幕显示。既有效的利用了摄像机的分辨率,使测量视场可以满屏显示,又使得计算机进行倒角测量的同时可以采集并显示其它参数测量模块的数据,实现一机多用,因此具有较高的性价比。对特殊工件尺寸的精密测量具有实用价值。     

利用SRAP标记分析黄淮海地区纤毛鹅观草居群的遗传多样性

笔者利用SRAP标记对纤毛鹅观草29个居群进行了遗传多样性分析.本实验利用11对能够在不同居群中扩增出稳定多态性条带的引物进行扩增,结果表明,平均每对引物获得9.34个多态性位点,多态位点百分率为80.47％.GS值在0.583 3到0.967 7之间,平均GS值为0.775 5,这表明,居群之间差异明显,具有较为丰富的遗传多样性.对所有居群进行聚类,可聚为6类,其中大部分来自相同或相似生态地理环境的居群聚为一类;对不同生态地理类群基于Nei氏无偏估计的遗传一致度的聚类分析表明,各生态地理类群间的遗传分化与其所处的生态地理环境具有一定的相关性;而UPGMA聚类分析结果表明SRAP标记技术能较真实地反映纤毛鹅观草居群间的亲缘关系,可以用于纤毛鹅观草遗传多样性研究.     

Why endophenotype development requires families

Endophenotypes are heritable quantitative traits that are associated with disease liability, can be measured in both affected and unaffected individuals, and provide much greater power to localize and identify risk genes for mental illness than does affection status alone. Traditionally, endophenotypic markers for psychiatric illnesses include in vivo neuroanatomic and functional magnetic resonance imaging measurements and indices of neurocognitive abilities. However, neurocognitive and neuroimaging measures are by no means the only classes of endophenotypes that could be useful for identifying genes for mental illness. Given the advantages of endophenotype-based strategies for elucidating the genetic underpinnings of psychiatric disorders, it would seem prudent to develop a wide range of putative endophenotypes. In order for a measure to be considered a valid endophenotype, it must meet a number of criteria. Specifically, the trait must (1) have moderate to high heritability, (2) be associated with the illness, (3) be independent of clinical state, and (4) impairment must co-segregate with the illness within a family, with non-affected family members showing impairment relative to the general population. While each of these criteria is critical, the heritability and co-segregation requirements are really what differentiate an endophenotype from a simple biomarker. At this time, one requires an experimental design that includes families to demonstrate both heritability and co-segregation. The assertion that novel endophenotypes can not be fully established without family data does not preclude work in unrelated individuals, rather that unrelated samples will only be able to nominate potential candidate endophenotypes that subsequently need to be confirmed in family-based experiments.     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.