山苍籽核仁油合成生物柴油研究

以山苍籽核仁油为原料,采用固体酸催化酯化-相转移催化酯交换反应合成生物柴油.从固体酸SO_4~2-/ZrO_2为催化剂进行酯化反应降低酸值,以十六烷基三甲基溴化铵(CTMAB)/NaOH为相转移催化剂进行酯交换反应,得到合成牛物柴油的优化工艺条件.研究结果表明,固体酸SO_4~(2-)/ZrO_2催化酯化反应的最佳条件为:油重4%的SO_4~(2-)/ZrO_2,醇油摩尔比为10:1,温度为68℃,反应时间为4 h,原油酸值降到2.52 mg/g:该法相对浓硫酸催化酯化法具有不需耐酸设备、催化剂易回收、无废水排放等优点;相转移催化酯交换反应的最佳条件为:温度为25℃,0.5%的十六烷基三甲基溴化铵,油重1%的NaOH,醇油摩尔比为6:1,反应15 min,原油酯交换率达到97.6%;采用相转移催化技术,反应在常温下进行,大大减少了能耗,缩短了反应时间,具有的产业化前景.     

基于Gauss核函数的快速构造最小超球算法

为提高基于超球的支持向量机算法中样本数据较多时的训练速度,提出一种构造最小超球的并行融合算法.该算法将全部训练数据集依据特定策略分割成若干个子数据集,分别对各个子数据集进行训练,对所得到的各子数据集的支持向量与融合数据进行训练,构造最小超球.仿真结果表明,并行融合算法在保证分类精度的情况下,能够显著减少训练时间,提高效率,且支持向量的数目较少.同时也验证了该文对Gauss核函数分析的正确性.     

一类具弱奇性核Volterra积分方程的配置法求解

研究一类具弱奇性核Volterra积分方程的配置法求解.  利用压缩映射定理证明了该类方程解的存在唯一性, 构造了求解这类方程的配置算法, 并对算法进行误差分析, 数值实验结果验证了理论的正确性. 该数值方法可应用于更一般的非线性Volterra积分方程.     

基于支持向量回归(SVR)的线性相位FIR滤波器设计

决定向量机(SVM)性能的关键因素就是核函数的选取.本文介绍了将滤波器设计转换为一个支持向量回归问题的方法,然后选择RBF核函数对建立的数据集进行训练,最终得到最优滤波器的解.最后,将设计出的滤波器与用Rem ez算法设计出的滤波器进行性能上的对比.     

基于PHOW的舰船图像实时分类检测方法

针对传统舰船分类检测方法实时性差、容易受到物理噪声干扰等问题,采用基于塔式关键词直方图和支持向量机的检测方法对不同类别水面舰船图像进行实时分类检测。通过对不同类别的舰船图像进行分类实验,进一步综合确定适合的塔式关键词描述子参数及支持向量机核函数参数,实验结果表明,舰船分类检测准确率较已有检测方法有所提高。基于塔式关键词直方图和支持向量机的检测方法能够实现可靠、实时的舰船图像分类检测。     

收益型Malmquist指数置信区间估计

为降低决策单元数量对非参数Malmquist指数评价结果及其分解指标的影响,采用核函数方法生成大量一致无偏模拟数据,对基于距离函数的收益型Malmquist指数进行置信区间估计,结果表明,采用基于这种方法确定的生产前沿面进行效率评价,可以有效降低决策单元数量对评价结果的影响.置信区间估计方法的引入有效地丰富了Malmquist指数研究体系.     

非参数判别模型

提出了一类新的判别分析方法,主要思想是将非参数回归模型推广到判别分析中,形成相应的非参数判别模型.通过实例与传统判别法相比较,表明非参数判别法具有更广泛的适用性和较高的回代正确率.     

求解Bessel方程的边值问题的相似结构法

对Bessel方程的一般边值问题进行求解,得到了解式的相似结构和相似核函数及求解Bessel方程边值问题的一个新思想和新方法:相似结构构造法.该方法有利于进一步分析解的内在规律、解决相应的应用问题、方便编制相应的分析软件.     

正则化学习算法的误差分析

给出了一类正则化样本学习算法的误差分析. 借助于大数定律给出了样本误差, 用一种K-泛函给出了逼近误差的估计.

Abstract：

This paper proposed the error analysis on a kind of regularization learning algorithm, offered the sample error by the large number law, and provided the estimation for approximation error with a K-functional.     

样本依赖型最小平方回归学习算法的收敛速度

目的研究基于样本依赖型的范数正则化学习算法的收敛性分析。方法概率论与数理统计的方法。结果给出了一种用K-泛函表示的收敛速度。结论文中的研究表明,样本依赖型学习算法与通常的核学习算法具有相同的收敛速度。