支架压力和位态模糊识别的综放放煤模式

为解决综放开采放煤自动化的瓶颈问题,探讨了综放开采自动化放煤面临的难点和关键,分析了综放开采放煤过程中特殊的支架压力和位态变化规律,认为顶煤的放出会导致支架压力和位态发生相应规律性的变化,建立了放煤过程支架压力和位态变化理论模型,提出了基于支架压力和位态变化模糊识别的综放自动化放煤模式,通过学习并记忆放煤过程中液压支架立柱压力和位态的变化特征,预测支架上方待放顶煤体的垮落和放出状况,并将实际的顶煤放出量和放煤时间进行拟合,通过预测放煤时间和实际放煤时间差异可以间接得到顶煤放出率,利用基于神经网络方法对芦子沟矿综放面进行了现场实测和分析,验证了其合理性与科学性.

深部巷道围岩耦合变形机理研究

为了探讨煤矿深部巷道破坏规律,为支护提供技术支持,分析了深部巷道的支护方式和围岩变形与破坏过程。得出了只有使巷道围岩受力均匀,达到耦合变形的目的,才能使围岩压力与支护方式达到最佳组合,降低支护成本。

基于特征联合和支持向量机的人脸识别

在兼顾实时性的情况下,为了进一步提高人脸识别的识别率,本文提出一种基于特征联合和支持向量机的人脸识别方法。首先,提取人脸样本的梯度方向直方图特征和局部二值模式特征,并将这两种特征进行联合形成样本的联合特征。其次,使用主成分分析法对样本联合特征进行降维得到样本的低维联合特征。最后,利用训练样本的低维联合特征训练支持向量机得到一个人脸识别器,并利用该人脸识别器对测试样本进行识别。基于ORL人脸库的实验结果表明,与现有方法相比,本文方法在取得较高识别率的同时也取得了较好的实时性。

一种改进的最小二乘孪生支持向量机分类算法

提出了一种新的模式分类器,即广泛权重的最小二乘孪生支持向量机.该支持向量机在正、负两类样本上广泛地增加权重,很好地抑制了交叉噪声样本对数据分类的影响.其次,根据间隔最大化原理,该支持向量机在目标函数上增加了一个正规化项,实现结构风险最小化和避免在求解该目标函数时可能对病态矩阵求逆的处理.同时,提出了利用一种指数函数计算训练样本的密度来获得样本权重值的算法.该算法能够有效缩减计算权重的时间,且具有较强的鲁棒性.实验证明本文提出的广泛权重的最小二乘孪生支持向量机能够实现高精度和高效率的分类效果,而且特别适合于含有交叉噪声样本的数据集分类.

城市居民理想养老居住方式的选择——基于南京等四城市抽样调查的实证研究

本文基于一项在扬州、南京、镇江、泰州四城市进行的老年生活状况调查,描述了这四城市居民理想养老居住方式的选择情况,并且利用Logistic回归分析方法试图研究影响居民理想养老居住方式选择意愿的主要因素。得出的基本结论是:人们在年老时,其理想的居住方式受多方面因素的影响和制约,但基本上可以归结为三个方面:观念因素、经济因素和体制因素。其中观念因素主要体现在文化程度变量上,是影响居民选择意愿的最主要因素。经济因素和体制因素体现在个人月收入和职业变量上,体制因素比经济因素在影响居民的选择意愿方面起到更加重要的作用。

基于频繁项集的条件模式挖掘

在数据库挖掘中,要充分地快速地挖掘出数据库中的任意有趣模式,而现实数据挖掘查询等这种任意合成模式特别复杂,如果只利用现有的基于频繁项集算法直接进行复杂模式挖掘是困难的。为解决该问题,一种基于频繁项集的条件模式挖掘被提出。从条件模式定义,性质,条件模式挖掘算法等方面来阐述解决此类任意条件下模式挖掘的问题。该条件模式的挖掘,使得数据库进行任意模式的新知识新规律发现变得更快捷有效。在现实世界的知识挖掘中,条件模式挖掘更能贴近现实知识的发现。

液相柴油加氢反应进料加热炉的设计要点

着重论述炉型选择、炉管选材、炉管表面热强度、流速、流型、辐射管架的热膨胀、加热炉热效率和烟气露点腐蚀措施。液相柴油加氢反应进料加热炉设计的关键要素:反应进料加热炉炉型选择应优先选用炉管双面辐射炉型;炉管表面热强度应根据介质的油品性质、许用油膜温度,管壁温度等条件确定;流速应保证炉内压降的要求选择合适的流型;炉管材质的选择;辐射管架的热膨胀问题的处理;燃烧器选择与布置;炉衬结构的设计。

在多数据库中确定支持度的有效方法

提出了一种用于在多数据库环境下确定模式的支持度的方法。数据挖掘总是在强关联规则模式中进行挖掘,因此计算模式的支持度必不可少。由于多数据库与单数据库的本质不同,单数据库中的支持度只具有本地效应,它的数值和计算方法在多数据库中都是不适用的,因此需要找到一个在多数据库中计算支持度的方法。又由于每个本地数据库的各方面情况不同,因此各自在总部制定决策时的地位和重要性也就各异。于是,在考虑某模式的支持度时,不能简单的将该模式在各本地数据库中的支持度进行平均,而需要引进"权值"的概念。在综合考虑了这些因素之后,提出了一些确定权值的方案,并给出了一个基于权值计算支持度的方法。

计算机网络技术中智慧公路人工智能的具体应用研究

随着我国经济的快速发展,我国各个领域的技术也有了较为大的突破,其中尤为突出的是人工智能技术,这些技术使得我们的生活变得更为的方便而智能化,对于我们社会的发展也做出了极为大的贡献。正如国家主席所说的,要致富先修路,那么人工智能技术如何在公路上广泛应用呢?由于应用的领域的不同,我们分别从专家系统技术、智能决策支持系统和模式识别技术这三个方面来对其进行进一步的阐述,而对于智慧交通的应用方面,我们重点对人工智能技术在智慧交通领域中的应用状况进行描述。

L_1范数支持向量机在代谢组学中的应用

代谢组学是关于生物体内源性代谢物质的整体及其变化规律的科学,也是一个数据密集型的研究领域,由此使得模式识别在代谢数据处理中有重要作用.L1范数支持向量机(L1-Norm Support Vector Machines,L1-norm SVMs)作为在模式识别领域中准确、稳健的方法,在代谢组学中的应用较少.该文应用L1-norm SVM方法对小鼠感染血吸虫后的代谢数据进行了分析,分析结果显示L1-norm SVM在聚类与特征选择方面具有优势,并表明它在代谢组学领域的应用有着潜力和前景.

深井近距离煤层群采空区下回采巷道联合支护技术

为了解决深井近距离煤层群采空区下巷道围岩变形破坏严重的难题,以平煤四矿己16-23090工作面机巷为例,结合煤柱载荷在底板岩层传递特征分析了上煤层底板应力分布规律,并通过FLAC^(3D)模拟了不同层间距和内错距离时巷道围岩变形情况。结果表明:当煤层层间距在3~12m变化时,采空区下应力降低区范围为30 m;巷道围岩变形量随着内错距离的增加而减少,通过模拟结果和现场经验综合确定巷道合理内错距离为30 m。根据巷道层间距变化,基于"分区支护、分源控制"原则,提出了以锚杆锚索支护为主,U型棚支护为辅的联合支护技术,并通过现场监测,验证了该技术的合理可靠性。