基于矩阵分解的小计算代价RPCA模型及应用

鲁棒主成分分析(RPCA)是处理前景-背景分离问题的常用模型,然而原始RPCA模型及多数改进模型直接使用核范数来近似矩阵秩函数,常导致求解效率低且分离效果不理想等问题,尤其是当背景动态变化时。为降低计算代价,改善分离效果,引入矩阵分解技巧,同时在模型中加入二值模板和置信图等时空约束信息,对基于核范数的RPCA模型进行改进,提出一种新的小计算代价RPCA模型。运用增广拉格朗日乘子法求解改进后的模型,并在大量真实数据集上进行数值实验。实验结果表明,与现有的模型相比,新模型的召回率、准确率及相似度等评价指标都有明显的改善,且分离精度和求解效率也显著提高。     

输油管道液柱分离模拟

为了研究输油管道在不稳定流动过程中,因轻质组分挥发、气泡聚集而形成的液柱分离现象,建立了水击分析数学方程.基于分相流模型,采用特征线法、有限差分法将偏微分方程数学模型转化为代数方程组,并采用Newton-Raphson法进行求解,给出了分析步骤.最后,采用VC++开发了仿真程序,分析了输油管道中途截断阀突然关闭时,阀后管道拔高点处的水力瞬变工况.同时,还分析了初始油品中的含气率对液柱分离的影响.结果表明,当含气率大于10-6时,初始含气率越大,管道拔高点处低压持续时间越长,压力响应越滞后,液柱弥合压力越大;否则,可以不考虑含气对水力瞬变的影响.     

固定床吸附过程分析与关联

本文就吸附等温线为线性的物系，研究了平衡级理论．动力学理论模型，提出了 任意边界条件下平衡级理论关于固定床穿透曲线的表达式。在同时考虑吸附剂颗粒内 扩散所得出穿透曲线表达式的基础上，提出了ＣＴＸ图，使用该图可由实验数据查 求模型参数。此方法简便而迅速．     

电镍含钴渣萃取分离钴的研究

以电镍含钴渣为原料，通过酸溶浸出，氧化还原除铜、铁矾除铁及氟化盐除碱土金属工序得到含高镍低钴混合料液；研究了采用２－乙基己基膦酸２－乙基己基酯萃取剂对钴、镍的萃取性能和分离系数的影响；探讨了钴、镍萃合物的电子光谱，并对所得到的固体萃合物的热性质进行测定，说明在不同萃取温度条件下，利用钴、镍萃合物的不同构型，在工艺上能有效地提高钴、镍的分离效率；对负载钴、镍有机相采用洗涤、反萃工艺，可使萃取余液中的钴、镍比达３００以上．     

一类广义的Black-Scholes模型的数值解

 用有限差分法研究一类带有参数α的广义Black -Scholes模型的数值解,并将其应用于实例中,得到了满意的数值结果.     

基于DES的车辆横风气动性能模拟

采用分离涡模拟(DES)方法,就横风对车辆侧向气动性能的影响进行数值计算。结果表明:随着风向角的增大,车辆的气动力系数均单调增大,当风向角为90°时达到最大值;在小风向角的情况下,头车的气动力系数最大,尾车最小。对静止车辆来说,车体前端和尾端的流场结构具有较强的对称性,在车辆的头、尾部均会产生脱落涡,且向列车的中部发展,与从风挡处气流分离产生的脱落涡干涉、融合,形成复杂的湍流结构,而中间车则受头、尾车的影响较小,在背风侧产生规则的脱落涡;同时尾涡内流速较低。对运动车辆来说,气流会在头车前端背风侧的上、下部产生2个脱落涡,并沿着车长方向发展,上部的脱落涡和从风挡处产生的脱落涡融合叠加,而下部的脱落涡则不受风挡的影响,同时漩涡内速度较高。     

自适应最优保存遗传算法在盲信号分离中的应用

独立分量分析方法(ICA)是信号处理的一种新技术。其基本目标是寻找线性变换矩阵，将观测的多维混合信号进行变换，变换后的输出信号各分量之间尽可能统计独立。将遗传算法与ICA相结合，提出基于GA的盲分离算法，并分析了它们的收敛性和稳态性能。其有效性为仿真结果所证实。     

高雷诺数下绕钝体分离流动的一种新数值算法

本文提出一种新的高雷诺数下统钝体分离流动的数值计算方法.文中将流场分成邻近物面的内区和稍远离物面的外区两部分.内区用有限差分法求解,外区用涡法求解,并对内区向外区输运涡量的计算和内外区交界面边界条件的确定作了特殊的处理.计算结果表明本方法是正确有效的.     

膜分离技术在生化产品制备中的应用

综述了超滤、纳滤和微滤等几种膜分离技术在生化产品分离纯化中的应用现状，以及膜分离技术应用于生化产品制备现存的问题。膜分离技术是一项新兴的物质分离浓缩技术，分离纯化生化产品效果较好，选用更佳的膜材料以及多种膜分离技术连用是其今后的发展方向。     

fMRI信号盲分离的一种独立成分分析算法

建立了独立成分分析(independentcomponentanalysis,ICA)的一个优化模型,在此基础上,给出了一个新的梯度算法,称之为Orth-ExtBS算法.该算法结合了ExtBS算法和FastICA算法,兼顾两者的优点,形式简单,易于应用,能有效地盲分离具有超高斯和亚高斯分布源的混合信号,获得更准确的分离效果和较快的收敛速度.将新的算法与其他两个算法(FastICA和ExtBS)分别应用到大型fMRI数据中,通过比较发现,新算法在估计激活的时间动力学准确性上要优于其他两个算法.