样本属性重要度的支持向量机方法

支持向量机(SVM)是一种新的机器学习方法,已经广泛应用于模式识别和函数估计等问题中.针对现有的加权支持向量机(WSVM)和模糊支持向量机(FSVM)只考虑样本重要性而没有考虑属性重要性对分类结果的影响的缺陷,提出了基于样本属性重要度的支持向量机方法,该方法首先利用信息论中的信息增益技术计算各个样本特征属性对分类属性的重要度,然后对所有样本的同一特征属性的值分别用对应的属性重要度进行加权,最后所得数据集用于训练和测试SVM.数值实验的结果表明,该方法提高了分类器的分类精度.     

带钢热连轧卷取机张力控制系统设计与实现

基于某钢厂热连轧机组实际控制系统,对卷取机张力进行计算,提出张力的控制思想并在生产中实现.实践表明,卷取张力控制系统设计正确,控制效果良好.该系统运行可靠,满足设计要求,卷形达到国际先进水平.     

基于PSO参数辨识SVM的中长期径流预测研究

以径向基函数作为核函数,利用微粒群(PSO)算法的全局寻优特性进行支持向量机(SVM)的参数辩识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后...     

先进变凸度工作辊辊形及其控制特性

跟踪某2250 mm热轧生产线CVC辊形实际窜辊数据发现,连续变凸度(CVC)辊形常窜到两端极限位置.分析表明,CVC辊形的二次凸度调控能力随带钢宽度减小而呈二次方下降趋势,表现出对较窄带钢凸度控制能力的明显不足.Smart-Crown辊形也存在同样问题.提出一种新的先进变凸度(AVC)工作辊辊形曲线,其二次和四次凸度与窜辊量呈线性关系,且随着四次凸度控制能力的增大,二次凸度控制能力随带钢宽度的变化明显放缓,有助于提高宽带钢或超宽带钢轧机对不同宽度带钢的板形控制能力.     

外源因子对平菇深层发酵玉米秸秆木质素酶系分泌的影响

研究了1%-4%的豆渣、1%-3%的(NH4)2SO4和酵母菌(酿酒酵母、热带假丝酵母、产朊假丝酵母)对平菇深层发酵玉米秸秆木质素酶系活性的影响.结果表明:与对照相比,所试浓度的豆渣、(NH4)2SO4均显著提高漆酶、锰过氧化物酶的活性.其中2%、4%的豆渣分别对漆酶、锰过氧化物酶活性的促进作用最大,是对照的1.8和8.4倍;3%、2%的(NH4)2SO4分别对漆酶、锰过氧化物酶活性的促进作用最大,是对照的1.46和7.05倍.在平菇接种的同时及其培养的第2天分别接种3种酵母菌,均显著提高锰过氧化物酶的活性,其中酿酒酵母的促进作用最大,接种的同时及其培养的第2天接种分别是对照的5.97、10.2倍;平菇培养第2天接种产朊假丝酵母可显著提高漆酶的活性,是对照的1.32倍.     

内燃机独立供能系统的性能实验

基于能量综合梯级利用理论提出了一种全新的能量供给系统形式——内燃机独立供能系统.介绍了系统的工作原理和特点.建造了实验样机,介绍了实验样机的系统组成.利用实验样机进行了详细的发动机性能实验、余热回收利用实验和内燃机独立供能系统总体特性实验.研究结果表明:所选用发动机具有较好的性能,能够满足内燃机独立供能系统的使用要求;设置的余热回收利用系统能够有效地回收发动机工作过程中产生的余热,随着发动机转速的提高,余热回收量增加,但余热利用率下降;系统总体性能较好,有较高的COP和COPz,系统的一次能源利用率大部分都在1以上,说明系统具有优越的变工况运行性能和较高的能源综合利用效率.     

可编程逻辑控制器（PLC）在水电厂高压机控制系统中的应用

高压机是水电厂的重要辅助设备,其工作状态正常与否直接影响着机组的安全运行,是水电厂必须予以特别重视的环节。结合碧口水电厂高压机自动控制系统设计、调试、投运实践,提出了高压机自动控制的设计原则和方法。在工程实际应用中取得了良好的控制效果,提高了水电厂高压机系统的控制管理及维护水平。     

增压机油冷器改造可行性分析

;通过对5600Nm<'3>/h制氮装置增压机油冷却器运行状况分析,介绍了将原固定管板式换热器改为板式换热器的必要性和可行性,并对其进行了研讨与分析.     

最小二乘双胞支持向量回归机的研究

 利用最小二乘方法和临近支持向量机(PSVM)算法,并结合双胞支持向量机(TSVR),提出了最小二乘双胞支持向量回归机(LSTSVR).作为对照,TSVR需要求解2个二次规划问题,而LSTSVR仅需求解2个线性方程组.最后利用不同的实例验证了所提算法的可行性和有效性.     

基于遥感影像光谱分析的蓝藻水华识别方法

利用Landsat-7 ETM+遥感影像数据,以淀山湖为例,在分析蓝藻和其他典型地物影像光谱曲线及其特征的基础上,构建归一化蓝藻指数(NDI_CB),有效地从浑浊水体中提取蓝藻信息.通过k-均值非监督分类结果可以发现,构建的归一化蓝藻指数较传统的归一化差值植被指数(NDVI)和比值植被指数(RVI)更加适用于提取低密度蓝藻空间分布信息.在此基础上,基于遥感影像光谱特征和归一化蓝藻指数,采用了支持向量机的分类识别模型,最终得到淀山湖区域蓝藻的空间分布范围与面积,通过发现在某一特定时间蓝藻分布的规律,为蓝藻预警和治理的生态学分析提供了及时、有效和客观的依据.