基于社会计算和机器学习的垃圾邮件识别方法的研究

在对目前各种垃圾邮件识别方法进行研究分析的基础上,结合社会计算的理论和机器学习的方法,提出了一种新的垃圾邮件识别方法。通过利用邮件头部中能反映联系人社会关系的特征来构造一张联系人来往关系图对垃圾邮件进行初次识别,对于无法确定存在社会关系的联系人的邮件再利用机器学习的方法进行识别。实验结果表明,采用该方法进行垃圾邮件识别较之单纯采用贝叶斯方法,识别准确率有了较大的提高,同时,识别时间得到降低。     

GA-SVM和神经网络组合模型预测充填钻孔寿命

 充填钻孔是充填料浆从地表输送到井下采场的咽喉工程,是矿山正常运转的保障,因此对矿山充填钻孔使用寿命进行预测十分重要。通过建立支持向量机（SVM）和BP神经网络组合预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为SVM适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型进行预测,并结合BP神经网络进行残差修正,最终得到预测结果。以某矿为例,通过GA得到SVM模型最优参数：适应值（均方误差mse）=0.0111,惩罚系数C=47.0768,核函数参数σ=2.2638。通过优化的SVM模型,对预测集充填钻孔寿命进行预测,经BP神经网络残差修正,预测结果的相对误差均控制在3%左右。对比单一预测模型,组合预测模型预测结果更加理想,精度更高,在类似的预测工程中有良好的推广价值。     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

面向曲面零件的在线检测系统误差补偿技术研究

数控机床在线检测不但能显著提高加工质量,也能提高加工效率,但在线检测系统的精度因受各类误差因素的影响尚需进一步的提高,以便在高精度曲面零件的加工中得以应用.针对数控机床接触式在线检测的误差源及误差补偿技术进行深入研究,建立包括机床几何误差和测头系统误差的数控机床在线检测的误差补偿数学模型,提出基于三角网格模型的测球半径补偿方法,实现对检测数据的补偿修正.在此基础上,通过VC++6.0编程工具,开发出具有误差自动补偿功能的在线检测系统,并通过在线检测实验平台的搭建対实例零件进行验证.通过与CMM检测结果的比较,结果表明,所提出的在线检测误差补偿技术是可行和有效的.     

IFF算法求解顺序依赖的单机总权重拖期调度问题

转换(启动)时间是工业中带有清洗、更换物料工序的生产过程所需要的, 该时间一般很大程度上依赖于紧接工序. 这种环境下的调度问题都是工件顺序依赖的. 本文研究顺序依赖的单机总权重拖期调度问题, 为NP难的组合优化问题. 针对该问题, 提出了一种迭代的过滤-扇出算法(IFF), 算法以分支树的结构形式在解空间中搜索. 在算法中, 当分支移动不能改进根节点时, 重新产生有继承性的根节点, 使得算法继续进行. 根据问题特性, 提出了带序列片段重组和参考局部搜索的分支移动策略, 获得分支节点. 对文献中的120组数据的算法测试结果表明: 对大多数实例, IFF算法的计算结果优于或不劣于DE算法和DPSO算法的计算结果, 同时改进了42个实例的最好解.     

基于修正核函数SVM的网络入侵检测

支持向量机分类方法在小样本、非线性情况下具有较好的泛化性能,在入侵检测系统中有着广泛的应用。针对入侵检测过程中可能出现的由两类样本不平衡造成的分离超平面偏移现象,以核函数所蕴含的黎曼几何为依据,引入一个伪一致性变换函数,对核函数进行修改,提高支持向量机的分类泛化能力,建立基于支持向量机的网络入侵检测系统,并对系统总体结构和运行机制进行了详细的描述。实验仿真表明,该系统可有效地提高入侵检测的准确率,改善由于数据集不平衡造成的支持向量机分类偏移的情况。     

Improved adaptive pruning algorithm for least squares support vector regression

As the solutions of the least squares support vector regression machine(LS-SVRM) are not sparse,it leads to slow prediction speed and limits its applications.The defects of the existing adaptive pruning algorithm for LS-SVRM are that the training speed is slow,and the generalization performance is not satisfactory,especially for large scale problems.Hence an improved algorithm is proposed.In order to accelerate the training speed,the pruned data point and fast leave-one-out error are employed to validate the temporary model obtained after decremental learning.The novel objective function in the termination condition which involves the whole constraints generated by all training data points and three pruning strategies are employed to improve the generalization performance.The effectiveness of the proposed algorithm is tested on six benchmark datasets.The sparse LS-SVRM model has a faster training speed and better generalization performance.     

面向高效能计算的虚拟化技术研究综述

首先介绍了未来高效能计算的需求来源—大型复杂CAE的研究现状,指出高效能计算作为大型复杂CAE问题求解的重要工具和实现途径,对工业制造领域产品创新的研究和设计水平的提高具有重要意义;其次,阐述了高效能计算的研究现状、存在问题和发展趋势,指出了在高效能计算中应用虚拟化技术的必要性;再次,对虚拟化技术及面向高效能计算的虚拟化技术的研究现状进行了分析,指出了虚拟化技术在面向大型复杂CAE的高效能计算、特别是在虚拟制造领域中的应用框架和应用前景。最后,提出了本领域研究的不足及未来的研究工作。     

一种分布式制造系统控制结构的形式化建模方法

针对分布式制造系统的特点,利用形式化方法和多智能体理论研究了系统的控制结构,提出了一种基于优化自动机的改进型动态控制元结构模型。首先,结合多智能体理论,对于分布式制造系统中的各个节点用Agent进行建模;接着,对于Agent的内部结构,结合有限状态自动机理论和制造系统自身混杂特性,提出一种优化自动机。同时,考虑到建模过程中Agent层次的动态划分和重组,进而提出了改进型动态控制元结构模型。最后,以瓷砖生产线为例,借助MATLAB为实验工具设计了相应的仿真实验,验证了所提理论和建模方法的可行性和有效性。     

旋转斜面压迫式切槽机的结构设计及模态分析

针对传统切槽方法存在的问题,设计了一种新型切槽机构,刀具一方面进行旋转的主运动,另一方面在斜面的压迫下进行径向的进给运动来完成切槽工作.介绍了切槽机结构和工作原理,建立了切槽机的虚拟模型,使用虚拟装配和仿真,通过仿真软件ANSYS对其主轴系统进行模态分析,找出存在的问题,为优化设计提供了依据.