基于多目标分析的F-T柴油机SOOT和NO_(X)排放物优化研究

为充分发挥F-T煤制油的优良理化特性,改善柴油机SOOT和NO_(X)之间的“Trade-off”关系,以一台四缸柴油机为研究对象,将SOOT和NO_(X)作为优化目标。通过台架试验获得柴油机燃用F-T煤制油时SOOT和NO_(X)随喷油参数变化的性能试验数据,采用支持向量机SVM建立喷油参数与SOOT、NO_(X)间的预测模型,并将其作为带精英策略的非支配排序遗传算法的适应度评价模型,在样本空间内获得SOOT和NO_(X)的Pareto前沿。赋予SOOT和NO_(X)不同的权重,通过Topsis对Pareto前沿进行决策分析,与原机工况点相比,SOOT下降幅度为3.7%~7.1%,NO_(X)下降幅度为1.2%~2.6%。经试验验证,SOOT的Pareto前沿与试验验证值之间的相对误差不超过8%,NO_(X)不超过5%,各工况下的R2均大于0.95。该方法改善了柴油机SOOT和NO_(X)之间的“Trade-off”关系,使柴油机排放性能得到提高。

基于SFNet-F地物识别技术的农业大棚信息提取

农业大棚是现代设施农业的重要组成部分,准确识别和动态监测其分布为政府开展农业补贴核算和农业生产决策提供可靠科学依据。针对传统方法图像识别准确度不高的问题,本文提出了SFNet-F图像处理技术。通过收集不同类型、时相和区域的大棚数据集,把FixMatch半监督学习模块与SFNet结合,以提高样本库建立的效率和质量,并缩减成本,从而实现高精度半监督自适应分割。为了评估该方法的可行性,以河北省平泉市为研究区域,选取多个精度评价指标进行精度验证,并与U-Net、HBRNet和DeepLabV3+进行对比。结果表明,基于SFNet-F嵌入SuperMap平台深入学习模型可以大范围、快速、精准识别农业大棚,识别效果相较于传统方法,各项精度指标均为最优。

基于ReliefF和PSO混合特征选择的面向对象土地利用分类

针对面向对象土地利用分类存在特征维数过高的问题,提出了一种结合Relief F和粒子群优化算法(particle swarm optimization,PSO)的混合特征选择方法,即首先利用Relief F作为特征预选器滤除相关性小的特征,然后以PSO作为搜索算法,以支持向量机(support vector machine,SVM)的分类精度作为评估函数在剩余特征中选择出最优特征子集。该文以吉林省长春市部分区域为研究区,采用Landsat8遥感影像为数据源,首先对其进行多尺度分割,然后提取影像对象的光谱、纹理、形状和空间关系特征,利用提出的混合特征选择方法选取最优特征子集,最后使用SVM分类器对研究区进行土地利用分类,总体分类精度和Kappa系数分别为85.88%和0.8036,与基于4种其他特征选择方法的土地利用分类结果进行比较,基于Relief F和PSO的混合特征选择方法利用最少的特征获得最高的分类精度,能够有效地用于面向对象土地利用分类。

f-θ物镜非线性扫描误差的检测研究

在振镜和f -q 线性扫描物镜构成的线性扫描机构中,f -q 物镜的设计、加工误差会引起一定的非线性扫描误差,影响扫描成像的质量。为了检测f -q 物镜的非线性扫描误差,使用基于线阵CCD的检测电路和扫描光点位置检测算法进行了实验研究,得到了可用于校正的扫描光点位置以及振镜摆角的对应关系曲线和f -q 物镜的非线性扫描误差曲线。

基于F^(3)Net显著性目标检测的蝴蝶图像前背景自动分割

【目的】具有复杂背景的蝴蝶图像前背景分割难度大。本研究旨在探索基于深度学习显著性目标检测的蝴蝶图像自动分割方法。【方法】应用DUTS-TR数据集训练F^(3)Net显著性目标检测算法构建前背景预测模型,然后将模型用于具有复杂背景的蝴蝶图像数据集实现蝴蝶前背景自动分割。在此基础上,采用迁移学习方法,保持ResNet骨架不变,利用蝴蝶图像及其前景蒙板数据,使用交叉特征模块、级联反馈解码器和像素感知损失方法重新训练优化模型参数,得到更优的自动分割模型。同时,将其他5种基于深度学习显著性检测算法也用于自动分割,并比较了这些算法和F^(3)Net算法的性能。【结果】所有算法均获得了很好的蝴蝶图像前背景分割效果,其中,F^(3)Net是更优的算法,其7个指标S测度、E测度、F测度、平均绝对误差(MAE)、精度、召回率和平均IoU值分别为0.940,0.945,0.938,0.024,0.929,0.978和0.909。迁移学习则进一步提升了F^(3)Net的上述指标值,分别为0.961,0.964,0.963,0.013,0.965,0.967和0.938。【结论】研究结果证明结合迁移学习的F^(3)Net算法是其中最优的分割方法。本研究提出的方法可用于野外调查中拍摄的昆虫图像的自动分割,并拓展了显著性目标检测方法的应用范围。

4f相位相干成像技术时间相关特性分析

4f相位相干成像技术是测量三阶光学非线性的新方法。在4f相位相干成像法的理论处理中根据脉冲光的时间高斯型分布引入时间项,研究了在无非线性吸收条件下激光脉冲时间分布不同对测量非线性折射的影响。应用4f成像系统对甲苯的三阶非线性折射进行了实验测量。根据脉冲时间高斯型分布得到的拟合值与相同条件下根据脉冲时间矩形分布的拟合值相差比较大,并对这两个值的差异给出了理论解释。

被管对象在F接口中的应用研究

首先介绍了网络管理的基本知识、ＴＭＮ功能体系结构以及信息参考点概念，然后分析了与Ｆ接口相关的管理功能模块之间的信息转换，论述了在Ｆ接口中如何应用被管对象以减少信息转换，并给出了几种相应的解决方案。

一类一致F_b-凸多目标半无限规划的最优性条件

利用 Clarke广义梯度 ,引入了一致 Fb-凸 ,一致 Fb-伪凸和一致 Fb-拟凸等几类非光滑非凸函数的概念 ,得到了涉及这些凸性的一类非光滑多目标半无限规划的一些 Kuhn- Tucker型最优性条件。

F-logic语言表达能力的研究

F-logic语言是一种基于框架逻辑的逻辑数据语言，它在表示面向对象的特征方面具有较强的能力，但是讨论其操作复杂对象能力的工作还不多见.本文比较了以COL，（complexobjectlanguage）为代表的逻辑数据语言与F-logic语言操作复杂对象的能力.通过两对保持语义的变换，能够将F-logic程序及其Herbrand解释与COL，程序及其Herbrand解释互相转变，且保持程序在相应解释下的真值性质.最后，讨论了否定的影响.本文的工作说明:在不考虑F-logic语言oid生成影响的情况下，F-logic语言与COL，LDL1和ELPS等逻辑数据语言在操作复杂对象方面具有相同的能力.

半B-(E,F)-凸约束多目标规划的最优性条件

在B-凸函数和半(E,F)凸函数的基础上引进了一类新的函数半B-(E,F)-凸函数,研究了这类函数的性质,并在此基础上得到了半B-(E,F)凸函数多目标规划的最优性条件.

(F,ρ)-不变凸性函数多目标规划的其它充分条件

文[1]定义了一类更一般的广义凸性函数:(F,ρ)-不变凸性函数,并且构建了其多目标规则关于有效解的K-T充分条件。文章在[1]的基础上给出了(F,ρ)-不变凸性函数的多目标规划关于有效解的其他充分条件。

关于半B-(E,F)-凸约束多目标规划的一个对偶定理

广义凸性和凸性在数学规划最优化理论以及最优化控制等很多数学领域中具有十分重要的作用,因此对凸性的研究和广义凸性的探索一直是凸分析的重要课题也是数学规划最重要的内容之一。基于B-凸性和半(E,F)-凸性,提出了一类新的广义凸性:半B-(E,F)-凸性,给出了半B-(E,F)-凸函数的概念,提出了半B-(E,F)-凸规划的概念,利用半B-(E,F)-凸规划的有关性质,讨论了半B-(E,F)-凸函数多目标规划的弱对偶定理。

半B-(E,F)-凸约束多目标规划的对偶性

基于B-凸性和半B-(E,F)-凸性,提出了一类新的广义凸性:半B-(E,F)-凸性,给出了半B-(E,F)-凸函数的概念,研究了它的基本性质,并在半(E,F)-凸函数多目标规划的直接对偶定理和逆对偶定理的基础上讨论了半B-(E,F)-凸函数多目标规的直接对偶定理和逆对偶定理,所得到的结果是半(E,F)-凸函数多目标规的直接对偶定理和逆对偶定理的改进与推广。

ODMG’93的ODL、OQL语言到F-logic程序的转换

为了分析ODMG’93数据对象模型的语义,本文给出了一套转换规则,将ODMG’93的对象定义语言ODL、对象查询语言OQL转换到F-logic程序,并结合面向对象数据库管理系统O_2,通过具体的实例陈述了该转换规则是完全的。

基于数值模型的F-T煤制油柴油机排放优化研究

为了实现F-T煤制油在柴油机上低排放燃烧的目的,选取柴油机典型工况,采用Box-Benhnken方法进行试验设计,通过支持向量机和响应面方法建立喷油参数与排放指标之间的数值模型,在对比分析模型性能的基础上,对柴油机排放指标进行多目标优化研究。分析表明:响应面模型选择二次回归方程进行拟合分析,支持向量机模型(SVM)选用RBF核函数时,两种模型的预测精度最高。试验工况下,响应面模型对SOOT和NOx预测的最低精度分别是77.4%和97.1%,SVM模型对SOOT和NOx预测的最低精度分别是40.1%和90.8%,在试验样本较少状况下响应面模型预测精度高于SVM模型,可以准确表达喷油参数与排放指标之间的关系。在测试工况下,采用响应面模型对柴油机排放指标进行优化分析,SOOT和NOx分别降低55.72%和7.43%。

F型钢一维下料的优化算法

以中低速磁浮交通中的F型钢下料为背景,提出一种以整数线性规划、穷举法为理论基础的一维下料优化算法,以原材料规格范围为约束条件,定制目标数量,是一种多规格、多目标的快速下料计算方法,通过一次优化、二次优化,并考虑切割缝,排料序号,得出所需的规格数量、下料切割图、每种规格的利用率,以及完整的排料图。结果表明:所述方法既能满足F型钢原料采购需求,也能满足F型钢下料直接指导生产的需求,且极大提升了材料的利用率。

(F,α,ρ,d)-凸多目标分式规划的鞍点准则

基于局部Lipschitz函数,利用(F,α,ρ,d)-凸函数研究了涉及此类函数的非线性多目标分式规划问题的鞍点条件,得到了多目标分式规划问题的Lagrange函数鞍点的充分性和必要性条件。研究结果推广了鞍点准则的适用性。

广义对称G-(F,α,ε)-凸多目标半无限规划的最优性条件

利用对称梯度,引入广义对称G-(F,α,ε)-凸函数、广义对称G-(F,α,ε)-拟凸函数和广义对称G-(F,α,ε)-伪凸函数等概念,推广了已有的凸函数,在其广义凸性下得到了一类多目标规划问题的一些最优性充分条件。

基于特征优选的面向对象毛竹林分布信息提取

【目的】提出一种基于Relief F特征优选的面向对象分类方法,为解决面向对象森林资源遥感分类提供参考。【方法】以SPOT5高分辨率遥感影像为数据源,以浙江省安吉县山川乡为研究区,通过影像分割,选取8个地物类别的370个对象样本,并设置SPOT5影像每个波段的8个灰度共生矩阵纹理、每个波段及NDVI的平均值和标准差等42个对象特征。利用Relief F算法对设置的42个对象特征进行优选,采用面向对象的最近邻方法提取研究区毛竹林分布信息。为了比较基于最优特征的面向对象的分类结果,另采用CART决策树方法在相同的分割参数和训练样本前提下,通过样本构建决策树分类规则,对研究区进行分类并提取竹林信息。【结果】1)通过Relief F特征优选方法对分类特征进行优选,大幅提高了毛竹林样本的分类精度,与特征优选前相比,毛竹林样本分类精度由68%提高到88%,优选的红波段均值、绿波段均值、红波段均质纹理、红波段熵纹理和NDVI植被指数均值5个特征能够精确地提取研究区毛竹林分布信息,其用户精度和生产者精度分别达到97%和95%;2)基于CART决策树面向对象的研究区毛竹林用户精度和生产者精度均低于基于最优特征的最近邻分类结果,主要原因是CART决策树中毛竹林、针叶林和阔叶林之间的误分相对较高。【结论】Relief F算法特征优选时注重特征的分类能力,筛选的特征参与面向对象分割提取的毛竹林分布信息高于同类研究,可为面向对象多尺度分割森林资源遥感分类时特征的选取提供一个更为科学合理的方法。

小麦抗蚜品种(系)或材料的抗性遗传测定及筛选

测定了部分小麦品种 (系 )或材料的丁布 ( DIMBOA)含量及几个和抗蚜性有关的物理性状 (叶、叶毛长度和密度 ,蜡质含量 ) ,同时对这些品种 (系 )或材料进行抗麦长管蚜( Macrosiphum avenae ( F.) )鉴定 ,统计其累计蚜量。结果表明 ,丁布含量及各物理性状与累计蚜量均成负相关关系。通过多目标综合决策分析 ,认为 1粒小麦 ( Triticum monococcum)和材料 98- 1 0 - 9是比较好的抗性种质资源 ,生产上广泛推广的千斤早是感蚜的品种。