无金属参与的氧原子邻位C(sp~3)—S键的构筑

以二叔丁基过氧化物(DTBP)为氧化剂,苯硫酚为硫化试剂,在无金属参与的条件下,于120℃下采用一步法合成了硫代苄醚.这种构筑C(sp~3)—S键的方法具有高原子经济性和高选择性的优点,并以较高的收率获得了一系列目标化合物.     

果胶负载钯催化剂的制备及Suzuki反应催化性能

以柑橘皮果胶为载体,采用吸附法制备了果胶负载钯催化剂,并将其应用于四苯硼钠与溴代芳烃的交叉偶联反应中.该反应体系以聚乙二醇400(PEG 400)/H2O为反应溶剂,三乙胺为碱,在空气中于110℃反应15~60 min,四苯硼钠中4个苯基均可顺利参与反应,高产率地获得相应的目标化合物.该方法具有条件温和、反应时间短、收率高且催化剂可循环利用等优点.     

分数阶R-L微分方程初值问题解的存在唯一性

研究了R-L导数定义下的分数维微分方程初值问题解的存在性及其唯一性,给出了方程的Peano存在定理和不等式定理,基于逐次逼近的方法,利用对分数阶R-L微夯方程构造的Tonelli序列和Ascoli引理证明分数阶R-L微分方程解的存在性,根据分数阶不等式定理证明了分数阶R-L微分方程解的唯一性.     

(α,β)混合序列的强稳定性

研究一类被随机控制的(α,β)混合序列,并得到了关于其强稳定性的若干结论.     

由多重贝塞尔序列扩充为仿射框架

仿射框架在信号处理中有实用性.运用算子理论与时频分析,将两个二重贝塞尔序列扩充为一对对偶二重仿射框架.再由已知的一对多重贝塞尔序列添加若干个函数使它们扩充为一对对偶多重仿射框架,得到了多重Gabor框架的特征不等式.     

含参集值向量拟均衡问题的适定性

首次对含参集值向量拟均衡问题的适定性进行了研究,并在适当的条件下建立了所研究问题适定性的充分条件.     

基于人工神经网络和随机游走模型的汇率预测

由于金融数据具有随机性特征,使得建模和预测变得极其困难.提出一种组合预测方法,即假定任何金融时序数据由线性和非线性两部分组成,将其中线性部分的数据通过随机游走(RW)模型进行模拟,剩余的非线性残差部分由前馈神经网络(FANN)和诶尔曼神经网络(EANN)协同处理.从实证结果可知,该组合方法相比单独使用RW、FANN或EANN模型有更高的预测精度.     

基于多维状态参量和时间序列对电机的异常检测

针对传统对电机的异常检测常常出现误判或滞后的情况,采用基于时间序列对电机单一状态参量用AR拟合,同时利用SOM神经网络无监督的方式量化电机数据。然后,利用得到的量化序列结合AR曲线得到序列的转移概率,及早发现某种状态参量的异常变化;之后,DBSCAN算法挖掘多维参数之间特征关系来确定电机是否出现异常。最后结合实例说明该方法的检测过程,并对比验证了该方法的优越性。     

基于优化核极限学习机的风电功率时间序列预测

针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性.     

一种局部模式的RGB差值序列交叉区域取样节点定位算法

鉴于当前无线传感器网络移动节点定位技术中存在的实时性差和定位不准确的问题,设计了一种交叠区域采样模式的WSN移动节点定位算法OASM_MNL(overlapping area sampling mode of mobile node localization)。该算法通过获取的信号在能够直接和移动节点通信的信标节点的信号交叠区域里面进行局部采样;通过距离比例因子对平均跳距进行权值化,优化了中跳距的计算公式;通过差值序列对样本点滤波,在此基础上把差值序列绝对值作为加权标准,计算出移动节点的坐标。仿真结果表明,与E-CDL、MCL等常见的移动节点定位算法相比,新算法定位误差降低幅度超过,定位效果良好。