绝对重力测量异常值的局部异常因子检测算法

自主研发绝对重力仪的测量结果中出现的离群程度不同的异常值会直接影响测量结果的准确度和测量精度。目前一般采用的一元正态分布异常值检测算法漏检率高,容易造成测量结果的偏差和测量精度的下降。利用人工智能算法中的局部异常因子异常值检测算法,可以在线、快速、高效地完成自主研发绝对重力测量数据的异常值检测。首先,根据实测数据构建测试数据集,利用数值模拟确定局部异常因子算法邻域宽度参数的取值;然后,基于实测数据进行异常值检测并进行结果评估。评估结果表明,局部异常因子异常值检测算法对离群程度不同、连续出现异常值等情况检测效果明显优于一元正态分布异常值检测算法,组测量精度平均提高9.37μGal,可以作为自主研发绝对重力仪异常值检测的通用算法完成组测量结果的异常值检测。     

一类压缩型映射的不动点定理

在完备的度量空间中,讨论了一类新型的非线性压缩映射ρ(Tx,Ty)≤a(ρ(x,y))ρ(x,Tx)+b(ρ(x,y))ρ(y,Ty)+c(ρ(x,y))ρ(x,y)通过构造迭代序列,指出该映射的不动点的存在性和唯一性,并给出相应的误差估计式,拓展和改进了有关文献的范围.     

构造局部不等式处理n元条件极值问题

本文从一道竞赛题出发介绍处理n元条件极值问题的一种策略,通过分析已知的等量关系,猜测与试探取得最值的条件,寻找并建立局部不等式,完成问题的求解或证明,并举例说明这一解法的应用.     

改进的PNC方法及其在非线性偏微分方程多解问题中的应用

2017年，李昭祥等提出了一种偏牛顿-校正法（Partial Newton-Correction Method，简记为PNC方法），并利用它成功地计算出了三类非线性偏微分方程的多重不稳定解.本文在PNC方法的基础上，提出并发展了一种改进的PNC方法.首先，利用Nehari流形$\mathcal{N}$与零平凡解的可分离性，建立并证明了$\mathcal{N}$的某特殊子流形$\mathcal{M}$上的全局分离定理及其推广（即局部分离定理）.全局分离定理只跟非线性偏微分算子或相应的非线性泛函本身有关，而与具体的计算方法无关.对一些典型的非线性偏微分方程多解问题（比如，Henon方程问题），该全局分离定理的分离条件，经验证是成立的.另一个方面，通过修改或补充原辅助变换的定义，去掉了原辅助变换的奇异性；接着建立并证明了某些非线性偏微分方程问题的新未知解与该非线性偏微分算子零核空间的密切关系；在证明中，去掉了在原奇异变换下所需的标准收敛（standard convergence）假设.最后，计算实例与数值结果验证了改进的PNC方法的可行性和有效性；同时表明子流形$\mathcal{M}$与已知解的可分离性是PNC方法和本文新方法能成功找到多解的关键.     

火电厂CO2捕集系统的LSSVM-Hammerstein建模方法

针对火电厂燃烧后CO_2捕集过程的强非线性及大惯性等动态特性,研究准确性高的建模方法是系统优化设计的前提,本文从控制角度研究CO_2捕集系统的非线性动态辨识建模方法。首先介绍火电厂CO_2捕集系统工作原理,将系统抽象为二输入二输出的受控对象;然后采用基于最小二乘支持向量机的Hammerstein模型(LSSVM-Hammerstein)辨识方法,将CO_2捕集系统表示为静态LSSVM模型与动态线性模型的组合。辨识结果表明该模型有很高的辨识精度和泛化能力,能精确描述CO_2捕集系统非线性动态特性,为后续研究先进控制算法提供仿真平台和设计依据。     

参数广义弱向量拟平衡问题解映射的H-连续性刻画

研究了Hausdorff拓扑向量空间中的一类参数广义弱向量拟平衡问题(PGWVQEP)的稳定性.首先，给出了此问题的参数间隙函数，研究了参数间隙函数的连续性.然后, 提出了一个与参数间隙函数相关的关键假设，讨论了它的连续性，并给出关键假设的等价刻画.最后， 借助于假设，获得了PGWVQEP解映射Hausdorff半连续的充分必要条件.并举例验证了所得结果.     

冷氦气闭式循环冷却的高温超导电机转子降温分析

高温超导电机转子一种常见的冷却方式为G-M制冷机提供冷量,氦气为冷媒,氦气泵提供循环动力,其转子降温过程是一个多参数耦合的复杂过程,针对该种冷却方式,阐述了一种基于集总参数法的转子降温分析简易方法,进行了降温计算,并与试验值进行了比较,分析了降温过程中转子与冷头的温度变化特点。     

基于奇异值信息熵不变特性的抗打印拍摄信息隐藏方法

针对不同环境光亮度下手机拍摄印品后提取秘密信息困难的问题,提出一种基于奇异值信息熵不变特性的抗打印拍摄信息隐藏方法。将彩色载体图像转换到YCbCr颜色空间,选择Contourlet域低频系数进行奇异值分解,利用奇异值信息熵的不变特性,将全息加密的彩色QR码嵌入到彩色载体图像的奇异值中。实验结果表明算法不可见性好,不仅对打印拍摄具有很好的鲁棒性,而且对压缩滤波攻击及几何攻击后再次打印拍摄二次攻击仍然具有很好的抵抗性。以彩色QR码作为防伪信息,可以携带丰富的版权信息,使用手机即可识别,方便快捷,在商品包装防伪方面有着很好的实际应用价值。     

智能手机的主要叶类蔬菜品质和新鲜度指标的光谱检测

蔬菜品质和新鲜度的高低不仅影响食用时的口感，而且营养程度也不一样。作为蔬菜品质和新鲜度重要参考指标之一的叶绿素和含水量的检测，已经越来越受到国内外学者的重视。相比于传统的肉眼目视判断的检验方法，可见-近红外光谱分析具有快速高效、无损、非接触等独特的优势，更加适合蔬菜的实时检测。目前相关研究主要集中在生长中植被叶绿素和含水量的反演，对市场上成品蔬菜的研究较少，或者研究对象单一，缺乏市场普适性。此外，光谱数据的获取需要专业的光谱仪采集，费时费力，各种生理生化指标的研究离实用化还有很长的距离。为了与实际相结合，基于智能手机光谱系统（SCSS)建立了快速、准确、普适性强的反演蔬菜叶绿素和含水量的模型，并通过地面光谱仪SVC数据验证了该系统的可靠性。选取市场典型的五种蔬菜（菠菜、小油菜、油麦菜、生菜和娃娃菜）作为实验样本，分别进行常温保存和冷藏保存来模拟现实中菜市场和超市的蔬菜储存环境。每隔24 h进行一次数据采集。对获取的原始光谱数据进行波段选择和小波变换去噪的预处理。构建蔬菜叶绿素反演指数(VCRI_{（m, n）})和蔬菜含水量反演指数(VWRI_{(i, j)})，分别提取该两个指数与叶绿素和含水量实测值的相关系数R作为权重系数，最终建立了叶绿素和含水量的加权平均反演模型。实验结果表明，SVC仪器和SCSS两者数据针对蔬菜叶绿素和含水量的敏感波段基本一致，叶绿素反演的敏感波段在730~980 nm之间，反演精度R2分别为0.863和0.808 1，标准差为8.679 5和8.892 5；含水量反演的敏感波段在水汽吸收波段950~1 000 nm之间，反演精度R2分别为0.742 9和0.712 9，标准差为8.789 9%和8.861 4%。SVC实验数据跟SCSS实验数据结果十分接近，验证了新型智能手机光谱系统实时监测蔬菜叶绿素和含水量的有效性。智能手机光谱系统具有体积小、价格便宜的优势，结合网络云端服务和实时数据反馈的特点，能够实现蔬菜品质和新鲜度指标的智能检测，让光谱分析真正应用于人们日常生活中。