基于Person Ⅶ核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。     

金属-有机骨架MIL-101(Cr)掺杂聚合物整体柱的制备及其用于酚类化合物的在线固相萃取

制备了金属-有机骨架（MOF）MIL-101（Cr）掺杂聚合物整体柱，建立了在线固相萃取-高效液相色谱检测水中4-硝基苯酚、2-硝基苯酚、3-甲基苯酚和2，4-二氯苯酚的方法。考察了样品溶液pH值、上样时间、上样流速和解吸时间对酚类化合物萃取效果的影响。在最优萃取条件下，采用制备的整体柱检测水中酚类化合物，其富集因子高，线性范围宽，精密度好，检出限低，适用于水中酚类化合物的检测。制备掺杂聚合物整体柱是促进和拓宽MOFs在线固相萃取应用的有效方法之一。     

受限于纳米碳管中的乙醇分子的结构和扩散的分子模拟研究

利用分子模拟研究了常温常压下受限于(8,8) (管径1.081 nm)和(15,15) (管径 2.035 nm)单壁纳米碳管中的乙醇分子. 对受限分子的径向密度分布和氢键等静态性质以及扩散性质进行了分析. 结果显示在管内乙醇分子的平均氢键数目和主体相一致. 乙醇分子在(8,8)碳管内具有高度有序的结构, 而在(15,15)碳管内由于空间的增大导致结构有序度的降低, 其中分子取向已呈随机分布. 进一步对扩散系数的分析发现, 在管内乙醇分子的轴向扩散系数低于主体相, 特别在(8,8)碳管内乙醇分子几乎丧失了轴向扩散能力.     

三维无机一有机杂化微孔化合物[Zn3（BTC）2（H2O）3]n的合成与结构

传统的沸石和分子筛微孔晶体材料是指以硅酸盐、硅铝酸盐、磷铝酸盐和无机金属磷酸盐为骨架的晶体材料。     

新型无机-有机杂化微孔晶体Cd3(BDC)0.5(BTC)2(DMF)(H2O)·3DMF·H3O·H2O的合成与结构

传统分子筛是以硅氧四面体和铝氧四面体为骨架的微孔晶体材料. 近年来, 以无机-有机结构单元为骨架组成的微孔晶体材料已引起人们的广泛关注[1～19]. 该类材料是由金属离子(或金属氧簇)与有机配体(大多数是芳香多酸和多碱)构成的建筑单元通过共价键或者分子间作用力构成的. 无机-有机杂化晶体材料有多种结构类型, 如1-D, 2-D, 3-D和笼状结构等.     

水/有机两相体系中催化氧化反应的研究进展

论述了水／有机两相体系中催化氧化反应的一些最新进展。由于采用水溶性催化剂，使得水／有机两相体系中的催化反应具有催化剂与产物容易分离的优点。阐述了水溶性催化剂在催化氧化反应中的应用，列举了一些典型的水溶性配体、水溶性催化剂以及催化氧化反应实例。参考文献21篇。     

有机-无机杂化凝胶法合成YAG∶Ce~(3+)荧光粉的包膜及其稳定性

本文以金属硝酸盐为原料,柠檬酸为配位剂的有机-无机杂化凝胶法来合成掺杂三价铈离子的钇铝石榴石荧光粉,采用X-射线衍射法研究了杂化凝胶在煅烧过程中的相转变机制。结果表明:杂化凝胶在煅烧过程中可以通过两条途径形成Y3Al5O12(YAG)相:一是由无定形Y2O3和Al2O3直接向YAG相的一步相转变;二是由无定型Y2O3和Al2O3经由YAlO3(YAP)和γ-Al2O3向YAG相的两阶段相转变,在900℃得到结晶性好的纯YAG∶Ce3 荧光粉,其最大激发波长为459nm,最大发射峰波长为550nm;在荧光粉表面包覆氧化铝和氧化镧,将使荧光粉的荧光强度稍有降低,但对荧光粉的稳定性有很好的改进作用。     

基于SVR和k-近邻群的组合预测在QSAR中的应用

为提高定量构效关系(QSAR)研究的预测精度,发展了一种新的基于支持向量机回归(SVR)非线性筛选分子结构描述符、基于k-近邻群的非线性组合预测方法.首先以均方误差(MSE)最小为原则,以留一法通过多轮末尾淘汰实施分子结构描述符的非线性SVR汰选并给出最优核函数和相应保留描述符;其次基于待测样本与训练样本保留描述符向量的欧氏距离,以不同k-近邻群子模型双重留一法预测值反映样本集的异质性;然后基于MSE最小,以留一法通过多轮末尾淘汰实施近邻群子模型的非线性SVR汰选并给出最优核函数和相应保留子模型;最后基于保留子模型以双重留一法实施组合预测.以取代苯胺和苯酚类化合物对大型溞的QSAR实例验证表明:新方法在所有参比模型中预测精度最高,且能更精细地反映描述符与化合物毒性间的非线性关系,具结构风险最小、非线性、适于小样本,能有效克服过拟合、维数灾和局极小,非线性筛选描述符和子模型,非线性组合预测,自动选择最优核函数及其相应参数,泛化推广能力优异、预测精度高等诸多优点,在QSAR研究中有广泛应用前景.     

基于H_(∞)优化控制的多机电力系统稳定性研究北大核心

针对提高电力系统静态稳定性从而解决分布式电网并网后产生具有不确定性和偶然性的小干扰问题,本文采用多机电力系统模型的稳定性判据和H_(∞)优化控制问题进行研究,利用T-S模糊模型对多机电力系统模型进行建模,根据李雅普诺夫稳定性理论及H_(∞)优化控制理论,基于线性矩阵不等式(LMI),利用并行分布补偿(PDC)控制器的设计方法,证明了保证多机电力系统稳定的充分条件并实现电力系统的H_(∞)优化控制,给出这类非线性电力系统控制器的设计方法。最后采用MATLAB仿真软件对所求得稳定性判据进行验证,证实该结论的有效性。     

增量式Huber-支持向量回归机算法研究

传统的面向支持向量回归的一次性建模算法中样本增加时,均需从头开始学习,而增量式算法可以充分利用上一阶段的学习成果。SVR的增量算法通常基于ε-不敏感损失函数,该损失函数对大的异常值比较敏感,而Huber损失函数对异常值敏感度低。所以在有噪声的情况下,Huber损失函数是比ε-不敏感损失函数更好的选择,在现实情况当中。基于此,本文提出了一种基于Huber损失函数的增量式Huber-SVR算法,该算法能够持续地将新样本信息集成到已经构建好的模型中,而不是重新建模。与增量式ε-SVR算法和增量式RBF算法相比,在对真实数据进行预测建模时,增量式Huber-SVR算法具有更高的预测精度。