黑龙江省第十届珠算技术比赛大会闭幕词

由黑龙江省总工会，共青团黑龙江省委．黑龙江省妇女联台会，黑龙江省教育委员，黑龙江省珠算协会共同举办的全省第十届珠算技术比赛大会在省市领导和各有关部门的关怀。支持下，经过全体与会同志的共同努力，历时三灭，圆满地完成了大会的各项任务；在此，请允许我代表大会主席团和全体代表对这次大会取得的圆满成功表示热烈地祝贺!     

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。     

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.     

军民融合背景下地方政府支持与民企参军行为的演化博弈研究

民参军是军民融合的重要组成内容,政府支持对于民参军的顺利进行发挥着关键作用。本文通过建立军民融合背景下的地方政府支持与民企参军行为的演化博弈模型,考察了参与者的决策演化过程,分析了参与者的进化稳定策略及影响因素。研究表明,增加地方政府对民企的资金奖励、加大民企参军税收优惠、民企资金收益率的提升,以及积极参军成本的降低,会使民企策略选择向积极参军方向演化,但却使地方政府行为向弱力度支持策略演化;而提升中央政府对地方政府的资金补助,降低地方政府支持民企积极参军的服务成本,不仅促使民企选择积极参军策略,还能促使地方政府选择强力度支持策略。最后,对模型结果进行算例分析,验证了结论的合理性。研究结果可以为当前民参军实践提供一定的理论指导。     

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。     

基于支持向量机的羰基化合物红外光谱研究

设计了一个4层分等级分类系统，通过支持向量机技术对羰基化合物的红外光谱成功地进行了信息分类和提取，并与人工神经网络进行比较，结果表明：支持向量机对羰基类化合物红外光谱分类效果优于人工神经网络；另外详细探讨了表征酰胺类化合物的特征光谱峰片段对识圳伯仲叔酰胺的影响，证明了酰胺的N-H伸缩振动峰对识别伯仲叔酰胺贡献最大，为构建红外光谱智能解析系统提供了定量依据。     

基于支持向量机的凝血功能诊断模型

使用凝血四项指标诊断凝血功能是临床的常规检查,但根据经验进行诊断正确率不高.剔除临床上最重要的指标FIB后,建立支持向量机模型诊断的正确率和根据凝血四项指标诊断的正确率没有显著差异,100次模拟的平均正确率分别达到了95.4496%和95.5039%.     

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。     

基于LIBS技术的水泥粉末在线成分分析

在工业现场生产水泥的过程中，各种成分的含量直接影响着水泥的质量，因此如何快速准确地监测水泥中各个成分的含量意义重大。采用的实验方式为，将不经过任何预处理的水泥粉末直接放入位于二维移动平台上的物料盒中，通过激光诱导击穿光谱(LIBS)直接对水泥粉末表面的不同位置进行激发检测，对得到的光谱数据首先进行归一化和主成分分析等预处理操作，然后针对水泥中Ca, Si, Al, Fe, Mg五种元素，分别建立偏最小二乘(PLS)和支持向量回归(SVR)两种定量分析模型进行方法比较。此外，对比了粉末状水泥与压片式水泥两种测量方式的结果。实验结果表明，采用粉末状水泥直接测量的方式下，针对水泥样品元素浓度与所得到的光谱中特征线强度的关系，SVR方法比PLS方法更具优势，粉末状水泥直接测量的精度接近压片式测量的精度，说明LIBS技术对水泥粉末状样品直接在线测量具有可行性。     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.