微机械悬臂梁中的机械噪声机制分析

本文采用能量统计分布方法研究微机械悬臂梁的噪声模型,对热机械噪声理论模型进行了拓展和修正,使之适用于低温和高频条件.研究了温度、压力和频率对热机械噪声、温漂噪声和吸附-脱附噪声的影响.根据研究结果对静态检测悬臂梁和动态频率响应悬臂梁传感器进行了具体分析.对于静态下工作的微机械悬臂梁,振幅的随机变化取决于热机械噪声.对于工作在谐振状态的微米尺度悬臂梁,在室温常压下热机械噪声是主要的噪声机制;当尺寸进一步缩小至纳米尺度时,表面效应变得显著,吸附-脱附噪声成为主要的噪声机制.基于对不同情况下噪声特性的分析,对微机械悬臂梁传感器的优化设计规则进行了探讨.

基于差分隐私的路网环境skyline查询

路网中的skyline查询在智慧交通、兴趣点发现和位置服务等领域具有重要的应用价值,但存在查询效率较低、未考虑查询结果的隐私性等问题。有鉴于此,文中提出了一种基于差分隐私的路网环境下skyline查询方法。首先,针对路网环境下的初始数据集数据量大和数据复杂的特点,对数据集进行预处理,利用基于距离属性划分的skyline层和路网Voronoi图的性质提出了3个剪枝规则,基于剪枝规则给出了路网环境下的数据集剪枝算法,从而有效地过滤掉大量冗余数据;其次,针对过滤后的数据集,利用网格索引的存储方式来节省存储空间,并设计了基于网格索引的skyline扩展树,基于扩展树和相应的剪枝规则提出了查询全局候选skyline点集的算法;最后,针对查询结果集,利用差分隐私预算分配模型来分配隐私预算,并基于信息散度进行结果集发布,有效提高了数据信息的隐私性。实验结果表明:所提出的查询方法的准确率在99%以上;其在数据集规模较大情况下的查询效率相较于传统skyline查询方法提升10%以上;在总差分隐私预算为0.01、0.10、0.50和1.00时,所提出的隐私预算分配方法的相对误差均低于等差分配和等比分配方法。

差分放大器的噪声分析及低噪声运用考虑

噪声控制在电子电路设计中是至关重要的.介绍了噪声机制,构建了差分放大器的噪声模型,分析了其噪声来源,计算出其等效输入噪声,证明了差分放大器的低噪声应用.

离心泵空化诱导噪声研究进展

本文从离心泵空化水动力学实验测量、离心泵空化水动力学数值模拟、离心泵空化流动的声响应特性、离心泵流动诱导噪声激励机制以及离心泵空化诱导噪声抑制五个方面对离心泵空化诱导噪声研究现状和存在的问题进行总结与技术展望,认为:离心泵空化涡动-声响应之间的关系仍存在许多不明之处,且缺乏对非定常空化流动中两种尺度现象的综合分析;空化数值模拟未充分考虑离心泵内部流动的旋转、瞬态和非线性等特点,需要在实验的基础上对现有空化模型和LES湍流模式进行修正;离心泵流场、结构场、声场之间的能量转换机制仍未明晰,多场同步测量技术在离心泵空化研究方面的应用仍有待拓展,空化噪声测试的干扰因素较多,基于EMD方法的声信号去噪处理技术在非平稳和非线性的空化噪声研究中潜力巨大;流-固-声耦合作用的声边界条件法能够对空化噪声进行准确的预测;仿生设计、超空化泵和碟片式圆盘泵的开发是抑制离心泵空化、降低系统空化噪声的研究前沿。

低压配电室噪声及电磁污染投诉分析与解决方案

近年来小区低压配电室和开闭站噪声及电磁污染投诉、信访甚至诉讼案例增长迅速,成为电力公司在客户服务和配网运行工作中无法忽视的问题。供电企业应积极探索由变压器噪声引起投诉的解决方案,在类似问题集体爆发前以较低的成本化解民企矛盾。

一种代表点的近似折半层次聚类算法

针对传统的代表点聚类算法对收缩因子的敏感性和聚类数不适应数据的动态变化等问题,综合研究凝聚型层次聚类问题,提出一种代表点的近似折半层次聚类算法——ABHCURE(Approximate Binary Hierarchical Clustering Using Representatives),有效地解决了离群数据点对聚类结果的影响和聚类数的难确定问题.首先,提出单层多簇合并模式来提高算法的执行效率.其次,为了避免选择离群数据成为簇的代表点破坏原始数据分布,引入准噪声机制收集各层的准噪声数据增强算法的鲁棒性.最后,通过动态最小聚类数确定方式实现聚类数需求和确定难度的折衷.实验结果表明,该算法不仅运行时间相对较短,具有灵活的聚类数,还可以得到更高精确的聚类结果.

一种基于差分隐私的个性化服务推荐算法

推荐系统存在用户隐私安全性低、推荐服务质量差的问题。为此,文中提出一种基于差分隐私的个性化服务推荐算法DPk⁃median。该算法针对推荐系统服务器中生成的推荐列表,首先利用k⁃median聚类算法将推荐数据中具有相同属性的数据进行聚类;然后根据不同簇的风险级别,添加相应的拉普拉斯噪声机制,同一簇中的隐私预算参数是相同的,在保证隐私的前提下,可合理控制噪声的加入并提高噪声的利用率,保证推荐的质量损失减小,同时增加算法的执行效率。相关实验结果表明,与以往的基于差分隐私的个性化服务推荐系统相比,文中所提出的算法在保证系统安全性的同时,提高了服务推荐的质量和算法的执行效率。

具有噪声过滤功能的协同训练半监督主动学习算法

针对基于半监督学习的分类器利用未标记样本训练会引入噪声而使得分类性能下降的情形,文中提出一种具有噪声过滤功能的协同训练半监督主动学习算法.该算法以3个模糊深隐马尔可夫模型进行协同半监督学习,在适当的时候主动引入一些人机交互来补充类别标记,避免判决类别不相同时的拒判和初始时判决一致即认为正确的误判情形.同时加入噪声过滤机制,用以过滤由机器自动标记的可能是噪声的样本.将该算法应用于人脸表情识别.实验结果表明,该算法能有效提高未标记样本的利用率并降低半监督学习而引入的噪声,提高表情识别的准确率.

分布式计算下基于差分隐私保护的参数估计

在大数据分析中,由于数据量巨大,储存于不同的机器中,常用的统计分析方法不能直接适用.因此需要对数据进行分布式计算.无论是分而治之还是多中心数据都需要对数据或计算中间结果进行传输.传输中不仅需要对数据进行隐私保护,也需要保证传输的高效性,同时传输次数过多不仅影响计算的效率,对数据的隐私保护也更有挑战.受此启发,本文在差分隐私模型下,提出了用于高效通讯的分布式参数估计算法中的隐私保护方案,并且严格证明了该方案既能有效保护数据安全,又不影响参数估计的有效性.最后,本文就线性模型下基于差分隐私保护算法的参数估计进行了模拟和实例验证.