基于熵值过滤和类质心优化的无监督域适应

无监督域适应作为机器学习领域的新兴研究方向之一,其主要利用源域监督信息来辅助无标记目标域的学习。截至目前,已有较多无监督域适应方法被提出,但在关系挖掘方面仍存在一些不足之处。具体来说,现有方法通常对目标域样本采取一致性处理策略,而忽略了目标域样本在关系挖掘中的差异性,因此文中提出了熵值过滤和类质心优化方法。所提方法利用生成对抗网络架构对目标域样本进行标记,利用所获伪标签计算样本熵值,并与所设阈值进行比较,从而进一步划分目标域样本。对于简单样本,分配伪标签;对于困难样本,该方法结合对比学习思想,利用源域和简单样本来学习更加鲁棒的分类器对困难样本分类,并进一步获得源和目标域的类质心。通过优化域间和实例对比对齐,来减小域间和域内的差异。最后,在3个标准数据集上与目前几种先进的领域自适应方法进行了对比实验,实验结果表明所提方法的性能均优于对比方法。

基于RSSI加权质心优化算法的研究

随着无线传感网络的应用在现代社会日益普及,业界对定位系统的要求越来越高。本文提出基于接收信号强度指示(Received Signal Strength Indicator,RSSI)的加权质心定位优化算法无线定位技术。研究利用ZigBee组网和移动载体电子标签定位技术,把采集的数据通过加权质心定位优化算法实现精准定位。本系统经过多次试验,定位误差缩小在0.5m以内,测量结果表明本设计具有资源占用少,可靠性、实时性和高精度等优点。

随机质心映射优化法提升生防乳酸菌Lac 9-3的粘附性及其对冷藏凡纳滨对虾(Litopenaeus vannamei)菌群结构的影响

生防乳酸菌粘附是其在食品表面定植并发挥作用的第一步。为进一步提升乳酸菌Lac 9-3在凡纳滨对虾表面的粘附性,探究其对冷藏凡纳滨对虾腐败菌生长的影响,本研究采用随机质心映射优化法(Random-Centroid Optimization,RCO)优化了乳酸菌Lac 9-3的接种条件(包括接种液浓度、接种菌株生长阶段、浸泡时间与接种液pH)。同时,运用高通量测序技术,分析经乳酸菌Lac 9-3处理后的凡纳滨对虾在冷藏第0、8和14 d菌群多样性与组成的差异,探究乳酸菌Lac 9-3对冷藏凡纳滨对虾菌群结构的影响。结果表明,乳酸菌Lac 9-3的最佳接种条件为:接种液浓度为10^(8)CFU/mL、菌株生长阶段为14.1 h(对应稳定期初期),浸泡时间为17.41 min,接种液pH为6.51。在最佳接种条件下,乳酸菌Lac 9-3在凡纳滨对虾表面的粘附数量达到2.08×10^(9)CFU/g,较同浓度对照组增加72.65%。此外,菌相结果显示,乳酸菌Lac 9-3可通过抑制凡纳滨对虾表面优势腐败菌希瓦氏菌属(Shewanella)、肉食杆菌属(Carnobacterium)、别弧菌属(Aliivibrio)与弧菌属(Vibrio)的生长繁殖,调节冷藏期间凡纳滨对虾的菌群结构。乳酸菌Lac 9-3粘附性的提升增加了其在凡纳滨对虾表面的粘附数量,从而调控冷藏过程中凡纳滨对虾的菌群结构并影响其腐败进程,揭示了乳酸菌Lac 9-3在水产品保鲜中的应用潜力。

随机质心映射优化法在五味子多酚优化提取中的应用

采用随机质心映射优化法对五味子果肉多酚和果籽原花青素进行辅助优化提取。以果肉多酚含量、果籽原花青素含量、DPPH自由基清除率和得率等指标作为提取目标,对提取液的乙醇体积分数、起始pH值、液料比、提取温度、提取时间以及提取次数等影响因素的最佳取值进行考察。结果显示,果肉提取中提取目标为果肉多酚含量和得率的果肉提取物其多酚含量和得率均明显高于以DPPH自由基清除率为提取目标的果肉提取物,而三者的DPPH自由基清除率无明显差异。果籽提取中,以果籽原花青素含量为提取目标的果籽提取物,其原花青素含量最高;以DPPH自由基清除率为提取目标的果籽提取物,其DPPH自由基清除率最高;以得率为提取目标的果籽提取物,其得率最高。果肉提取的影响因素中提取液pH值是主要影响因素;而果籽提取的提取目标不同,主要的影响因素也不同。

随机质心映射优化法(RCO)提取皮亚曼石榴皮中黄酮类化合物

利用随机质心映射优化法(RCO),以乙醇浓度、超声时间、提取温度和料液比为影响因子,研究新疆皮亚曼石榴皮中黄酮类化合物的超声波提取工艺。结果表明:经过RCO两轮循环后得出超声波法提取石榴皮中黄酮类物质最佳工艺:乙醇浓度为87%、超声时间为37 min、提取温度为59℃、料液比为1∶24(g/m L)。优化后皮亚曼石榴皮中总黄酮的得率为25.56%。经过相关性分析得知,提取温度和乙醇浓度对总黄酮的得率影响较大,且呈负相关,表明皮亚曼石榴皮中黄酮类化合物的极性较大。当石榴皮黄酮浓度为12 mg/m L时,对DPPH自由基的清除率可达91.6%。

基于质心点优化的鱼眼摄像机标定

针对圆形标志点标定鱼眼镜头模型参量准确度不高的问题,提出一种基于质心点优化的鱼眼相机标定方法.首先在已有的鱼眼镜头成像模型的基础上,获取模型内外参量的初值,并利用两步求解法求取畸变参量的初值;然后通过模型求取标志圆的投影椭圆,对该投影椭圆和图像上的椭圆分别求质心,进而建立目标函数并优化模型各参量,最后实现鱼眼镜头的精确标定.模拟实验和真实图像实验结果均表明:本文提出的方法能够明显提高鱼眼镜头的标定准确度,为鱼眼视觉相关问题的研究提供了可靠的参量依据.

随机质心映射优化法研究核桃青皮中蒽醌类色素的提取工艺

[目的]采用随机质心优化设计研究核桃青皮中的蒽醌类色素的超声波辅助提取工艺。[方法]试验以新疆当地核桃青皮为原料,考察提取温度、提取时间、超声时间、料液比、粉碎粒度和乙醇浓度6个影响因素对蒽醌提取率的影响。[结果]优化的提取工艺为:萃取温度64℃,萃取时间114 min,超声时间24 min,料液比0.09 g/ml,粉碎粒度20目,乙醇浓度为60%(V/V),在此条件下,核桃青皮中的蒽醌类色素提取率可达(4.84±0.14)mg/g。[结论]随机质心优化法在进行多因素优化时可以不进行单因素试验,具有试验次数少、受人为因素影响小、适应性广等特点。

随机质心映射优化法对新疆雪菊中黄酮和多酚提取工艺的研究

采用随机质心优化设计研究了新疆雪菊中黄酮和多酚类化合物的亚临界水提取工艺。实验结果表明，亚临界水可有效地提取雪菊中的黄酮和多酚类物质，通过对提取温度、料液比和提取时间三个因素的优化和验证，获得了亚临界水的最佳提取工艺条件为：提取温度160～170℃、料液比0．04、提取时间47min。在该条件下，雪菊黄酮和多酚总含量达到了25．85％以上，其中，总黄酮的含量大于15．81％，总多酚的含量大于10．04％。随机质心优化法可以不进行单因素实验直接优化实验参数，具有优化过程简单，实验次数少、广泛的适应性等特点，而亚临界水同时提取多酚和黄酮的工艺完全避免有机溶剂和酸的使用，是高效、无毒、环保的绿色提取技术。

旅游客户细分K-means算法的初始中心优化

以标准K-means算法在旅游客户细分的应用中存在的聚类效果不佳等缺陷为着眼点,本文设计了一种以初始化中心优化K-means算法为基础的旅游客户细分模型,首先优化该算法中相似度的计算中的距离度量,之后再以K-means算法聚类效果对初始质心严重依赖和对数据输入顺序敏感等缺点为着眼点,提出寻找较为准确的K个聚类中心的方法。结果表明,通过改进K-means算法得到的客户划分,类别明确,类别之间的界限清晰,说明通过对客户的划分定义明确,划分效果较好。

核桃青皮活性成分的亚临界水提取工艺优化及抗氧化活性

该研究采用随机质心映射法优化了核桃青皮中的单宁酸、总黄酮及蒽醌等活性成分的亚临界水提取工艺,并考察了其抗氧化活性。结果表明,核桃青皮的最佳提取工艺为萃取温度194℃,萃取时间55 min,粉碎粒度80目。在此条件下,核桃青皮中活性成分总提取率为(147.59±0.59)mg/g,其中,总黄酮、单宁酸、蒽醌的提取率分别为(87.43±0.64)mg/g、(56.03±0.06)mg/g、(4.12±0.01)mg/g。在提取物质量浓度为0.6 mg/m L时对DPPH自由基清除率可达99.76%,质量浓度为0.8 mg/m L时对羟基自由基清除率可达97.42%。核桃青皮提取物对DPPH和羟基自由基清除作用的IC_(50)分别为0.186 mg/m L和0.129 mg/m L。研究表明核桃青皮提取物具有较好的抗氧化活性。

贝莱斯芽孢杆菌微胶囊制备及其防治番茄枯萎病的应用评价

以前期分离筛选获得的生防菌贝莱斯芽孢杆菌DTP-03为研究对象,将其制备成贝莱斯芽孢杆菌微胶囊菌剂,并通过随机质心对微胶囊的制备工艺进行优化,最终微胶囊的制备条件:海藻酸钠浓度为2.05%,氯化钙浓度为1.90%,壳聚糖浓度为0.85%,菌液:海藻酸钠为1∶2.5,经测定其微胶囊包埋率可达99.0%以上。贝莱斯芽孢杆菌DTP-03微胶囊的稳定性试验表明,在不添加任何保护剂的条件下35 d后,贝莱斯芽孢杆菌活菌数的保存率为79.91%。通过盆栽试验验证其对番茄枯萎病的防治效果,盆栽试验结果表明,贝莱斯芽孢杆菌DTP-03微胶囊菌剂对番茄枯萎病的防效达76.00%,相比于未包膜的菌体,应用后防效提升了18.75%,表明微胶囊包膜技术能提升贝莱斯芽孢杆菌的生防效果,为今后贝莱斯芽孢杆菌微胶囊菌剂的应用开发提供一定的前期基础。

基于粒子群算法的K均值半监督聚类算法研究

定义了一个欧氏距离和监督信息相结合的最近邻计算函数,综合考虑无监督学习的空间距离和监督学习的标签数据的影响,从而将K均值算法很好地用于半监督聚类问题;针对K均值算法对初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,通过迭代搜索找到较优的聚类质心。同时提出动态管理种群的策略以提高粒子群算法搜索效率。新算法在UC I的多个数据集上测试都得到了较好的聚类准确率。

基于K-means聚类的高等数学分层教学模型

由于学生的不同,他们对高等数学的接受能力也不同,因此统一的教学无法在众多的学生中适用。对此,本文设计了一种以初始化去噪和质心优化K-means聚类算法为基础的高等数学教学分层模型,这一模型首先将噪处理标准K-means聚类算法的初始化数据,之后再改进算法的初始化数据,这一过程主要是借助优化聚类中心的方法进行。最后再在高等数学教学分层中应用这一改进后的算法。仿真实验结果证明,本文提出的以质心优化K-means聚类算法以及数据初始化去噪为基础的教学分层模型具有较好的收敛性,并且可以较好地在高等数学教学中实现分层。

飞行器供油方案规划与质心轨迹逐步寻优策略

飞行器携带的燃油的油量、重心、惯性矩等对飞行器不同姿态下的质心影响较大.通过理想质心曲线的高阶差分分析研究飞行器供油系统分布及供油策略,确定油箱启停时刻,利用梯度下降法逐步寻优,使得实际的质心位置尽可能逼近理想的质心位置.当飞行器俯仰角随时间变化时,结合贪婪思想,设计一种粗粒度寻优与细粒度寻优融合的方法,通过梯度计算,构建锥优化问题,求解得到整个任务执行过程中高精度的供油策略.