A theoretical analysis of a piezoelectric ultrasound device with an active matching layer

This paper investigates the use of magnetically active materials in the matching layer of a piezoelectric transducer. This then allows the performance of the device to be dynamically altered by applying an external field. The effect that this new matching layer has on the performance of a typical device is theoretically investigated here. It transpires that the additional flexibility of an active matching layer can be used to maintain the efficiency of the device as the external load is varied.     

Reconstruction of Sparse Polynomials via Quasi-Orthogonal Matching Pursuit Method

In this paper, we propose a Quasi-Orthogonal Matching Pursuit (QOMP) algorithm for constructing a sparse approximation of functions in terms of expansion by orthonormal polynomials. For the two kinds of sampled data, data with noises and without noises, we apply the mutual coherence of measurement matrix to establish the convergence of the QOMP algorithm which can reconstruct $s$-sparse Legendre polynomials, Chebyshev polynomials and trigonometric polynomials in $s$ step iterations. The results are also extended to general bounded orthogonal system including tensor product of these three univariate orthogonal polynomials. Finally, numerical experiments will be presented to verify the effectiveness of the QOMP method.     

基于投影寻踪分类模型的高管团队战略协同分析

着眼于企业高管团队战略协同系统所蕴含的学术与实践价值,研究系统效能重于高管团队自身的作为,关注系统优化则更重于传统模式下高管团队的内部建设.本文首先探究了高管团队与企业战略的协同机理;然后将基于实码加速遗传算法的投影寻踪分类模型技术引入子系统及子系统序参量的权重计算和有序度评价,提出了新的协同度评价方法,建立了高管团队的战略协同度评价模型;应用该模型对S企业进行了实例研究,印证了模型的可操作性.企业高管团队的战略协同度评价结果有助于识别具体企业高管团队战略协同进程中的制约要素,从而有针对性地提出优化对策.     

水资源短缺风险因子的筛选模型

水资源短缺评价首先需要确定指标体系,投影寻踪模型与灰色关联度法相结合,可以有效地筛选出水资源短缺风险因子,为进一步进行风险评价奠定了基础,同时也为制定风险的防范措施和对策提供了理论依据.综合应用这两种模型,对北京市2001～2009年的水资源短缺风险进行研究,结果表明:降水量、日照时数、雨日数、单位GDP污水排放量、人均GDP、工业总产值占有率、污水处理率和水循环使用率这8个指标是北京市水资源短缺的主要风险因子.     

Envy-free matchings with one-sided preferences and matroid constraints

In this paper, we consider the problem of checking the existence of an envy-free matching in a many-to-one matching model with one-sided preferences and matroid constraints. For this problem, we propose a polynomial-time algorithm which is a generalization of the algorithm proposed by Gan, Suksompong, and Voudouris for the one-to-one setting. Furthermore, we consider a stronger variant of envy-freeness.     

正交匹配追踪算法的近红外光谱定量分析

压缩感知(CS)是一种新兴的信号压缩和采样技术,正交匹配追踪(OMP)是一种贪婪追踪算法,广泛用于压缩感知领域中的稀疏信号重构。针对近红外光谱信号高维小样本以及信号稀疏先验的特点,为进一步提高小样本近红外光谱变量选择的灵活性和可靠性,基于压缩感知理论,提出了一种新颖的光谱变量选择方法正交匹配追踪变量选择(OMPBVS)。OMPBVS算法通过对原始光谱信号的稀疏重构,将绝大部分变量的回归系数压缩为0,进而间接实现光谱变量选择。具体过程为以光谱矩阵为传感矩阵,预测变量为观测变量,迭代地计算残差与原子的内积,选择内积最大的原子,在每一步迭代过程中将信号投影到由所有已经被选择原子张成的子空间上,然后对所有被选择原子的系数进行更新,使得产生的残差与已被选择的所有原子都正交,其残差计算的实质是进行Gram-Schmidt正交化,正交投影能够在保证信号重构精度的情况下减小迭代次数。OMPBVS具有将光谱维度降低至样本大小规模的能力,其变量选择能力与LASSO相当,但与LASSO相比,由于OMPBVS损失函数的优化方法是前向选择算法,减少了迭代次数,并且可以精确控制选择变量的数量。分别在beer数据集和Wheat kernels数据集上进行变量选择实验,比较PLS,MCUVE-PLS,CARS-PLS,WMSCVS,LASSOLarsCV和OMPBVS六种变量选择方法的性能。其中beer数据集共60个样本,采用Kennard Stone (KS)方法划分训练集样本36个,测试集样本24个,预测变量为Original extract concentration。Wheat kernels数据集共523个样本,训练集样本415个,测试集样本108个,预测值为蛋白质含量。OMPBVS方法在beer数据集上选择变量个数、RMSEC和RMSEP分别为2,0.205 2和0.159 8,在Wheat kernels数据集上选择变量个数、RMSEC和RMSEP分别为9,0.450 2和0.412 5,其变量选择能力和模型性能均好于其他五种方法,这说明OMPBVS是一种有效的近红外光谱变量选择和定量分析方法。OMPBVS变量选择方法在小样本情况下具有良好的泛化能力,能够减少选择变量的数量,提高变量选择的稳健性。此外,基于SNV和MSC等光谱预处理方法,能够在一定程度上减少选择变量的个数,提高模型的可解释性。     

基于最小电压法的超声换能器谐振频率自动跟踪*

首先分析了最大电流法跟踪超声换能器谐振频率的原理及应用范围。研究了基于由串联电感和并联电容匹配电路下,不同频率时换能器两端电压电流的变化规律。研究表明在串联电感和并联电容匹配电路下发生谐振时,换能器两端的电压最小而电流并非最大。由此形成了采用最小电压法跟踪谐振频率的自动跟踪策略,并给出了该方法的具体实施步骤。论文研究结果为换能器谐振频率的自动跟踪方法提供了新的选择。