大口径光学元件微纳加工与检测技术研究与应用

超精密金刚石砂轮磨削是大口径先进光学元件微纳加工的主要技术,是实现确定性批量加工的重要保证.以实现高精度、高效率、高自动化程度加工为目的,阐述了大口径光学元件微纳加工与检测的加工技术系统,详细分析高精度加工设备及工艺控制、大尺寸检测、加工环境监控、快速抛光、表面织构化等研究应用情况.     

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.     

基于虚拟机的安全技术研究

由于虚拟机的高隔离性以及对系统、应用的透明性,使得很多安全技术是基于虚拟机实现的.提出一种基于Xen的安全架构,可将现有安全程序移植到该架构上,并保证其功能性,如文件、内存扫描以及主动防御技术.由于大量减少处于被保护虚拟机中的安全程序组件,使得安全程序本身具有更高的安全性,同时利用半虚拟化I/O技术将系统开销降低到最小,具有实用性.该框架还可将其他基于虚拟机的安全技术整合进来,且不需要修改现有的操作系统及应用程序,因此具有较强的适用性.     

如何看待人工智能的发展

人工智能本质上是对人类智能的功能模拟。虽然在某些方面的表现比人类智能更优秀,但是由于其固有的复杂性和技术的局限性,所以充其量只不过是人类智能的延伸,最终在整体上是不能代替人类智能的。     

旋转机械转子-机匣系统碰摩的随机响应

针对仅考虑具有质量偏心的旋转机械Jeffcott转子-机匣系统碰摩模型的动力学方程,进行了转子-机匣系统碰摩的随机响应研究·应用Kronecker代数、矩阵微分理论、向量值和矩阵值函数的二阶矩技术、矩阵摄动理论和概率统计方法系统地研究了转子-机匣系统碰摩的随机响应问题,推导出了一般的数学表达式,给出了数值分析解·分析了把转轴刚度和阻尼、定子刚度和阻尼、偏心距和定子径向刚度作为随机参数的随机系统的响应·分析表明,该转子系统在初始阶段振动强烈,响应幅值超过转子和定子之间的间隙,会发生碰摩现象·     

3-TPS混联机床刀具长度补偿算法

介绍了一种新型立卧转换式三杆混联机床3-TPS混联机床,对该机床的结构进行了简单描述.该机床具有工作空间大、立卧转换、五轴联动、五面加工等特点,并具有加工中心的功能.根据3-TPS混联机床的特殊结构,对该机床在实现三坐标立式、卧式加工、四坐标加工及五轴联动加工时刀具长度补偿算法进行了研究,给出了各种加工情况下的刀具补偿算法,建立了刀心点与刀具长度补偿值之间、三根杆的伸长量与刀具补偿值之间的关系.     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference,EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

一种改进的嵌入式特征选择算法及应用

针对非线性多分类问题,提出了一个改进的嵌入最小-最大值特征选择算法,并与支持向量机算法结合,提出了针对复杂的组合优化问题的启发式算法.为验证方法的有效性,在钢板缺陷识别工程数据集上进行了实验,表明所提出的方法具有较高的求解速度和预测准确度.