基于MAPGIS地质异常提取及找矿有利地段圈定

为了解决成矿预测中地质异常提取和找矿有利地段圈定的问题,利剧GIS技术,研究了基于MAPGIS的地质异常提取和找矿有利地段圈定的方法。结果表明：相对熵可以反映地层及岩浆岩异常,断裂优益度及中心对称度可以反映断裂异常,找矿有利度可以反映找矿有利地段的级别,并提出了基于MAPGIS幽定找矿有利地段的模型。该成果对成矿预测具有一定的参考价值和指导意义。     

公共选择与公益物品备选方案的考察

公共选择与公益物品是经济学关注的焦点问题，众多的经济学家就此提出了相关的可行性方案。结合公益物品的特性并借鉴管理学的拓展模型，主要考察其中的3种政府提供公共物品的方式：政府介入模式、自治型公共事业组织模式和多元组织模式。并用管理学中非传递对称双线性效用值理论剖析了在特定情景下各种方案的优势、机会成本和相关的代价。     

多元图图形基元和特征基元提取与表示方法

提出一种多维数据多元图图形基元和特征基元提取和表示的方法.首先应用多维数据多元图表示原理实现无结构数据的结构化表示,然后在建立基于多元图图形基元和特征基元表示的一般化表示模型基础上,提取出了表征多元图图形的图形基元和特征基元.为验证该方法的正确性,采用UCI机器学习数据库中的Iris等数据进行了分类实验,不同分类方法实验结果对比证明该方法具有较好的识别效果.     

基于代数神经网络的多元多项式不可约判定及学习算法

把感知器作为数学模型,充分利用神经元的运算特性,以二元多项式近似求根神经网络模型为基础,设计一类多元多项式不可约判定的神经网络模型,它是单输入多输出三层前向神经网络,给出神经网络学习算法,这种学习算法在ｐ－ａｄｉｃ意义下,通过调整隐层与输出层的权值Ｃｉ,ｊ完成学习,可确定出多元多项式不可约,通过算例表明,该算法有效,相比传统的判定算法,可操作性强。     

Lagrange系统的Noether-Lie对称性

研究Lagrange系统的对称性与守恒量.给出Lagrange系统Noether-Lie对称性的定义、判据,以及由Noether-Lie对称性导致的Noether守恒量和Hojman守恒量,举例说明结果的应用.     

广义KP-BBM方程的相似、约化、精确解及守恒律

利用经典李群方法对(2+1)维GKP-BBM方程对称和约化,借助三个辅助方程得到了许多的精确解,并且给出GKP-BBM方程的守恒定律。     

多变量过程的边界调整策略

针对存在设置偏差且生产阶段有限的多变量过程,研究了调整费用恒定情形下的使过程质量损失最小的边界调整策略.在建立过程状态空间方程的基础上,利用贝叶斯推断和动态规划给出了调整策略中随生产阶段变化的边界.通过算例解释了边界调整策略的实现方法,并通过仿真将调整策略与其他两种质量控制策略进行了比较分析,仿真结果表明调整策略能够更好的减少过程的总体质量损失.     

基于矿热炉外磁场信号的三相电极位置检测系统设计

针对矿热炉三相电极位置精确测量、节能降耗和安全生产的需求,设计一种基于矿热炉外磁场信号的三相电极位置检测系统。首先根据矿热炉的实际构造,结合COMSOL Multiphysics软件,建立矿热炉仿真模型,并对矿热炉磁场进行分析,选取外磁场信号采样点。在选取的采样点,采集具有不同电极位置的矿热炉模型的外磁场信号,建立矿热炉外磁场信号样本集。根据该样本集,应用偏最小二乘(partial least squares,PLS)回归分析、径向基函数神经网络(radial basis function neural network,RBFNN)和粒子群优化RBFNN(particle swarm optimized RBFNN,PSO-RBFNN)分别建立矿热炉三相电极位置检测模型,并结合MATLAB GUI建立基于矿热炉外磁场信号的三相电极位置检测系统。实验结果表明,检测系统的三种模型都可以实现对电极位置的检测,其中PSO-RBFNN模型的效果最优,三相电极位置检测准确率达到94.98%(训练集),90.21%(测试集),均方根误差为0.053 5(训练集)、0.131 1(测试集)。提出的检测系统能够较精确地测量三相电极在矿热炉内的位置,实现非接触式检测,具有较好的实用价值和应用前景。     

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

Latent ancestral graph of structure vector autoregressive models

A class of latent ancestral graph for modelling the dependence structure of structural vector autoregressive (VAR) model affected by latent variables is proposed.The graphs are mixed graphs with possibly two kind of edges,namely directed and bidirected edges.The vertex set denotes random variables at difforent times.In Gaussian case,the latent ancestral graph leads to a simple parameterization model.A modified iterative conditional fitting algorithm is presented to obtain maximum likelihood estimation of the parameters.Furthermore,a log-likelihood criterion is used to select the most appropriate models.Simulations are performed using illustrative examples and results are provided to demonstrate the validity of the methods.