基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

基于CA和LS-SVM的TE过程多模型建模

针对TE化工过程高度非线性、复杂性的特点,本文提出了一种基于相关分析和最小二乘支持向量机对TE过程进行多模型建模方法,以提高模型性能。首先对TE过程采用相关分析法划分为3个子系统,对每个子系统分别采用基于C-均值聚类的最小二乘支持向量机建模和基于k均值聚类的最小二乘支持向量机多模型建模。实验表明,基于K-均值聚类的多模型建模能简化计算、提高模型精度、并且能更好的预测模型输出。     

向量优化中(C,ε)-真解的一个非线性标量化特征

利用一类Minkowski型非线性标量化泛函及相应的分离定理给出了向量优化问题(C,ε)-真解的一个新的非线性标量化特征.此外,给出了一些例子对主要结果进行了解释.     

复射影空间CP~((n+p)/2)中具有2-调和的一般子流形

本文研究了复射影空间中具有2-调和的一般子流形问题.利用活动标架法,获得了这类子流形成为极小子流形的Pinching定理和Simons型积分不等式,此外还得到关于2-调和伪脐一般子流形的一个刚性定理,推广了复射影空间中具有2-调和全实子流形的一些相应结果.     

多组件学习器实现有机分子沸点的精准预测

沸点(BP)是有机分子液体的基本物理化学量, 也是化学工业生产中的重要参数. 有机分子的沸点由分子结构决定, 呈现复杂的结构-沸点关系, 函数法(Function Method)、基团贡献法(Group Contribution Method)等传统方法无法应对复杂多样有机分子结构的预测, 应用范围狭窄, 预测精度低. 本研究中, 我们利用基于人工神经网络(ANN)和支持向量机(SVM)的多组件学习器实现有机分子沸点的精准预测. 我们构建了基于可解释性描述符的ANN、基于相关性描述符的ANN及基于复合分子指纹的SVM三个异质模型, 并通过包含4550个各种类别的有机分子沸点的数据集进行训练得到了三个异质性学习器, 最后集成三个学习器对有机分子沸点进行预测. 相比于传统方法和此前的定量结构性质关系(QSPR)模型, 多组件模型结合了三种模型的优点, 展现出很好的预测精度和泛化能力以及低的过拟合, 实现了对多种类型有机分子的沸点的有效预测.     

抛物面镜调校双波段光学系统光轴的误差分析

通常采用离轴抛物面镜来对双波段成像光学系统的光轴进行校准以便实现两个成像系统的像素级图像融合,但抛物面镜和点光源安装时所产生的误差会影响两个光轴的校准精度。根据几何关系及光学成像原理,推导了离轴抛物面镜对焦点附近点光源的成像公式,在此基础上分析了抛物面镜和点光源的安装误差对双波段成像光学系统光轴校正造成的影响。根据推导的误差分析公式可将可见光通道和红外通道双波段光轴的平行性误差控制在1个像素以内。     

受限于两平行板间的对称星形共聚物Am Bm熔体相行为的格子自洽场理论研究

采用格子自洽场理论计算研究了受限于2个平行板间的对称星形共聚物AmBm(m=1,2,3,4,5)熔体形成的层状相结构.在给定的相互作用下(χNAB不变,χ为Flory-Huggins相互作用参数,NAB=(N?1)/m为单个聚合物分子中一对AB臂的总链节数目),针对平行板间距为体相周期的情况,系统考察了共聚物链长N和单个聚合物分子中A(或B)臂数目m对受限层结构细节及层取向的影响.由计算结果,当N或NAB不变时,受限层的归一化界面宽度随m的增大而减小.受限板为中性时,垂直层结构的单链自由能比平行层结构的低.随着板对共聚物中一种嵌段的选择作用Λ的增大,体系发生垂直层到平行层的转变,该转变为一阶相变.当m不变时,N越小,上述转变出现在越大的Λ值处,体系越容易保持垂直层结构.并且N越小,层状结构周期越小.当N或NAB不变时,m越大体系越容易保持垂直层结构.总之,星形共聚物的链长越短、臂数越多时,垂直层稳定的Λ区间越大、层状结构的界面宽度越小.这些结论可以指导刻蚀应用中对体系参数的选择.     

基于功率谱包络能量和SVM的舰用发动机故障诊断

发动机是军舰上的重要部件之一,其稳定性对军舰的正常航行具有重要影响。以舰用发动机关键部件(主泵轴承)为具体研究对象,提出了基于功率谱包络能量和支持向量机相结合的故障诊断方法。首先获取了大量可表征舰用发动机主泵轴承健康状态的振动加速度信息,对其进行功率谱分析,获得其功率谱的包络能量;以获取的舰用发动机主泵轴承功率谱的包络能量构建特征向量,并设计基于SVM的舰用发动机主泵轴承故障诊断模型,对主泵轴承的故障进行诊断研究。研究结果表明,采用基于功率谱包络能量和SVM相结合的舰用发动机关键部件故障诊断方法,可以很好实现主泵轴承的故障诊断效能,为舰用发动机主泵轴承故障诊断的工程应用奠定了基础。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

基于PSO-SVR算法的氧乐果合成过程建模研究

针对氧乐果合成过程中温度控制具有参数时变、时滞后、非线性的特点,提出了一种基于改进粒子群算法的支持向量回归的建模方法。对于支持向量回归模型,3个参数(ε,C,γ)的选取很大程度上决定了其拟合的精度和泛化能力的好坏,采用改进的粒子群算法对参数(ε,C,γ)进行同时寻优,建立了改进的氧乐果合成过程PSO-SVR回归模型,该模型具有很好的学习能力和推广能力。实验结果表明,模型较好地体现了系统的动态特性,可用于氧乐果合成过程的模型预估控制,提高系统的控制品质。