动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

PIC系列单片机片内定时器实时时钟的实现

针对直接用单片机片内定时器作实时计时不准问题，本文提出了一种可以获取与秒成整数倍关系的定时器溢出信号的方法，同时克服定量溢出中信号被其它中断暂停所受的计时影响，实验表明，在4MHz晶振下，计时误差可控制在每天14s以下，本方法也适用于一般的单片机，在PIC87系列上的实验结果表明效果很好。     

磨削高精度螺旋插齿刀的通用数学模型研究

给出用指形砂轮磨制螺旋插齿刀的通用CAD/CAM数学模型 ,并结合具体算例验证了方法及模型的可靠性     

干燥工艺对稻谷发芽率影响的研究

利用薄层干燥试验台，采用二次回归正交组合设计试验对辽宁省稻谷主要品种942进行研究。分析了热风温度、表现风速、初始水分、干燥时间对稻谷发芽率损失影响的规律，建立了稻谷发芽率损失回归方程，在干燥时应采用低温干燥，以保证其发芽率。利用贡献率法确定各因素在二次非线性模型中的主次关系为热风温度、初始水分、表现风速、干燥时间，为进行辽宁省稻谷深床干燥研究提供了理论依据。     

通道不一致性、互耦对最优阵列处理器的影响

本文研究了通道幅相不一致性、互耦这两种误差对最优阵列处理器性能的影响。理论分析结果表明,对于只利用干扰加噪声协方差矩阵求逆的自适应方法(简称NAMI法),当干噪比(JNR)较大时,这两种误差不会导致零点位置的漂移,但零点深度有所变化;对于信号加干扰和噪声协方差矩阵求逆自适应方法(简称SPNMI法),当信噪此(SNR)较小或较大时,零点位置变化不大,但性能损失比NAMI法严重得多。如果能加以补偿,则SPNMI法与NAMI法有相同的结果。我们用矩量法计算得到的互耦矩阵对此进行了仿真模拟,实验结果证明了理论分析的正确性。