基于遗传算法的非对称翼形翅片印刷电路板式换热器优化设计

为了研究结构参数和入口雷诺数对非对称翼形翅片印刷电路板式换热器(PCHE)性能的影响,首先基于计算流体力学对简化的非对称翼形翅片PCHE进行三维数值模拟,通过拟合计算结果得出了误差分别在10%和13%以内的努塞尔数Nu和摩擦系数f的经验准则式;然后,采用一维分析方法来计算全尺寸PCHE(不对换热器模型进行简化)的体积、换热量和压降等参数;最后,将全尺寸PCHE单位体积的换热量(Q/V)和总压降(Δ_(p))作为目标函数,将翅片横向间距、翅片厚度和入口雷诺数作为设计变量,结合NSGA-Ⅱ算法进行多目标优化设计。研究结果表明,与翅片横向距离为4.8 mm时相比,当翅片横向距离为3 mm时,换热器的Q/V最大可增加88.7%,Δ_(p)最大可增加178.6%;与翅片厚度为0.6 mm时相比,当翅片厚度为2.4 mm时,换热器的Q/V最大可增加76.5%,Δ_(p)最大可增加93.9%;与本文所研究的其他结构参数的非对称翼形翅片PCHE综合对比,使用NACA8540翼形翅片的PCHE具有最佳的性能。所得结论对于非对称翼形翅片PCHE的应用具有一定指导意义。

基于Adaboost算法的沉积微相自动识别--以陇东气田Q区山西组为例

在油气田开发中,沉积微相识别对于明确沉积背景及单砂体刻画起着重要的作用。陇东气田地质条件复杂,主力气藏深度大、产层单一,仅山1段底部产气,对于多种资料交叉共同分析沉积微相,仅依靠人工判别沉积微相,过程复杂且容易出错,很难在沉积微相和测井数据之间建立精确的对应关系。为了充分利用测井资料,提高沉积微相划分的效率,提出一种基于Adaboost算法的沉积微相自动识别方法,为后期气田开发沉积背景及单砂体刻画提供更准确的依据。在研究中,对测井曲线进行优选,并进行预处理,运用数学统计法提取了6个特征参数作为训练的输入集,把沉积微相的类型作为训练的输出结果标签,从已解释的沉积微相数据中选取共1210组作为训练样本,其中组建的训练样本共约968组,组建测试样本242组。研究结果显示,应用该方法的训练效果和测试结果的准确性分别达到96.45%,90.4%,可以验证该方法在陇东气田Q区应用效果较好。

基于适应加权非对称AdaBoost HMM的三维模型分类算法

针对三维模型的分类问题,提出了一种适应性加权非对称AdaBoost隐马尔克夫模型(HMM)分类算法.算法中提出了由三维模型表面的绝对法向量表示的两种新特征,将经过归一化和姿态调整的三维模型划分为若干部分,各部分对应HMM的一个状态,对各部分提取特征并用主成分分析(PCA)降维,对模型的4种特征对应的弱分类器使用非对称AdaBoost算法进行boosting.HMM的结构及参数初始值由模型姿势调整的可能形式及观测顺序确定,训练过程中参数用期望最大化方法计算,最后使用加权相似度计算对三维模型分类.分析及试验结果表明,与基于分布函数的分类算法相比,该算法明显提高了正确率.适应性加权后,分类正确率可进一步提高.

基于超宽带非对称双边双程测距的矿山井下定位跟踪算法研究

在地下矿山建立稳定、有效、高精度的人员定位系统和算法,对矿井事故灾害的灾时指导逃生和灾后救援等方面起着至关重要的作用。基于超宽带定位测距系统,进行了室内非对称双边双程测距试验,利用粒子群算法、Taylor级数迭代等智能算法完成对目标的定位,以期获得更精确的定位解析,相较于传统的Wi-Fi通信系统及射频识别人员定位管理方法,能够在保证实时性的同时,有效、准确地提供遇险人员的位置及周边地形状况,达到了厘米级定位精度,实现了井下精确定位,为井下救援工作提供技术支持。

一种基于DBSCAN算法改进的稳健AdaBoost回归模型

传统的AdaBoost.R2算法在AdaBoost算法思想的基础上将回归问题转化为二分类问题,取得了较好的估计效果。但该算法对异常点敏感,在迭代过程中会将异常点的权重不断加大,导致模型的稳健性较差。提出一种改进的AdaBoost算法,称为AdaBoost.DBSCAN。首先,通过DBSCAN聚类算法对观测点进行分类;然后,分别针对正常点和异常点,采用不同的权重控制策略进行控制,保证异常点的权重在迭代过程中无法以指数速率增长,同时能较大程度地保存样本信息。模拟和实际应用结果表示,与传统的AdaBoost.R2、AdaBoost.RT算法以及AdaBoost.RS算法相比,该算法具有良好的稳健性,在含有不同比例异常点的数据集中都能够获得较好的表现。

基于Spark大数据平台与改进Adaboost算法的医院预分检系统研究

目的:设计基于Spark大数据平台与改进Adaboost算法的医院预分检系统,用于医院就诊患者诊前分流,加速患者就医流程。方法:基于Spark大数据平台实时采集初次进入医院就诊患者的基础数据,将区块链技术应用于数据采集、存储与传输全过程,通过改进Adaboost算法对数据进行分析,采用2011—2020年联勤保障部队第九四〇医院10年间门诊患者的就诊数据为数据集,对患者在院内就诊进行快速甄别并引导就诊。分析基于Spark大数据平台与改进Adaboost算法的医院预分检系统应用效果。结果:改进Adaboost算法设置自定义限制权重阈值为0.52时,算法准确率为95.56%,预检分诊准确率较传统Adaboost算法提高4.24%。患者平均候诊时间由采用预分检系统前的0.8 h缩短为0.5 h,患者平均就诊时间由6 min缩短为4.8 min。结论:基于大数据平台与改进Adaboost算法的医院预分检系统能够提前将医院就诊患者进行诊前分流,提高分检效率和分检准确率,缓解医院就诊压力。

农业网络云储存信息非对称加密方法研究

针对目前农业信息的管理共享性差且采用网络云储存时存在安全隐患的问题,对农业网络云储存信息系统进行了设计,并对云储存的非对称加密方法进行研究。为了保证农业网络云储存信息系统的安全性,采用非对称加密算法中的RSA算法对数据进行加密,包括对非对称加密算法的结构进行设计、改进,并对具体的算法进行设计。为了验证系统的性能,对其进行了功能运行和性能测试,结果表明:系统各功能运行稳定,且数据处理速度较快,可以满足用户的需求。

基于AdaBoost算法的光伏电站中长期发电预测

该文提出了一种基于AdaBoost算法的拟建光伏电站发电量预测方法。根据现有光伏电站的历史气象数据与发电量数据,在利用AdaBoost集成学习算法对传统SVM优化的基础上,对气象因素的天气类型进行分类与识别,进而得到4种天气状态下气象因素与发电量之间的对应关系;利用拟建电站所在地的历史气象数据,根据天气类型自动选择对应的LSTM模型,对拟建光伏电站的发电量进行预测。实验结果表明,与采用单一LSTM模型相比,该文方法预测精度有明显的提高,具有一定的推广价值。

非对称环形桁架索网天线预张力设计解析算法

为便于工程应用,提出一种非对称环形桁架空间索网天线预张力设计的解析算法.给出主网在与环形桁架中心线垂直的平面内平衡预张力的投影方程,再根据平面索网结构预张力优化的极小范数法计算公式求出主网绳索中的预张力;根据主网节点的张力纵向平衡方程计算出张力阵绳索预张力;将主网绳索中的预张力分别与特定的系数相乘,即可得到副网中对应绳索的预张力.分别用理论分析、非线性有限元数值仿真以及与其他索网结构预张力优化算法相比较的方式证明了所提算法的正确性、可行性和有效性.

电动车用非对称双盘永磁同步电机全速域驱动控制策略

针对现有电动汽车存在的高低速区域性能不能兼顾的现状与综合工况效率不高等问题,基于非对称双定子单转子双盘永磁同步电机系统,分析在驱动与弱磁全速域工况下电机效率模型,建立双盘非对称永磁同步电机损耗数学模型,提出基于模拟退火算法的驱动与弱磁全速工况下的转矩协同优化分配策略以拓宽电机综合工况下的高效率区间,提出基于反步控制方法设计转速与电流控制器以提高中低速驱动及高速弱磁下的系统动态特性。通过仿真和实验验证所提方法能够拓宽电驱动系统高效区间、提升系统动态响应与稳态跟踪性能、延长电动车续航里程等特点。

非对称边界变异的分层并行量子粒子群算法

针对粒子群算法在非对称可行性区间经常发生越界的问题,提出了一种非对称边界变异的分层并行量子粒子群算法(MQPSOBV)。该算法中引入分层思想,将粒子非对称可行性区间分层设置和并行运行;当粒子越界时,对越界粒子在非对称上下边界进行相应变异,从而使算法完全控制粒子越界行为,有效地克服了粒子群算法的缺陷。测试结果表明,该算法在精度和全局搜索能力方面有了很大的提高,具有一定的实际应用价值。

基于分时的LEO卫星网络非对称路由算法

提出了一种基于分时的LEO卫星网络非对称路由算法A-DTRA(asymmetric discrete time based routing algorithm)。针对网络节点在各时间片内的链路连接状态,该算法通过中心节点两次广播来获取一跳邻节点信息及其邻节点的邻居节点信息,从而完成了链路检测,得到每个时间片内的有向虚拟拓扑图。通过使用备份路由和路由表压缩机制实现了非对称链路上分组转发的可靠性,失效节点处理的及时性以及星上节点开销的低耗性。通过仿真分析可知,该算法具有较好的数据包转发率和端到端时延性能。此外,利用非对称链路可提高网络的连通性能,该算法适用于存在非对称链路的LEO卫星网络。

AdaBoost算法识别阿尔茨海默病药物活性成分

针对利用网络药理学研究中药药方治疗或预防阿尔茨海默病的机制存在人工筛选药方中活性成分具有武断性和不准确性的问题,提出一种基于机器学习的阿尔茨海默病药物活性成分识别算法。该算法结合疾病相关活性成分和非活性成分,利用AdaBoost算法进行训练,进而预测新药方中与疾病相关的活性成分。实验结果表明,与线性回归、K邻近回归和贝叶斯岭回归算法相比,AdaBoost算法可以更加准确地识别阿尔茨海默病相关活性成分。

基于RSA算法的非对称密钥加密及签名软件的自主实现

利用非对称密钥技术对文件进行加密、解密和签名的软件在国外已经得到了广泛的应用。但在国内 ,类似的软件却不多见。作者用VC自主实现了基于RSA算法的非对称密钥加密、解密及签名软件 ,密钥长度可以达到 2 0 48位。本文简要介绍其实现过程。

耦合负类样本裁剪与非对称错分惩罚的非均衡SVM算法

针对标准支持向量机(SVM)识别非均衡数据往往会出现最优超平面倾向性和正类样本大量错分的现象,探讨SVM识别非均衡数据失效的原因及对策;考虑到SVM最优超平面仅由少量支持向量完全决定的特性,提出一种基于负类边界样本裁剪策略的SVM数学模型.鉴于该模型需经多次负类数据的"训练-裁剪"过程才能较好地识别正类样本且较为费时,以等效的一次性裁掉更多样本的裁截面技术作为替代,提出一种耦合负类样本裁剪与非对称错分惩罚的非均衡SVM算法,并利用改进正余弦优化算法优化裁剪偏移量以提高算法的非均衡数据处理能力.数值实验结果验证了裁剪偏移量的优化必要性、改进正余弦优化算法的较强优化性能和改进SVM算法对非均衡数据的较好识别性能.

基于AdaBoost的人脸检测算法

着眼于图像识别技术的研究与探索,以MATLAB仿真软件为算法验证平台,采用AdaBoost算法进行人脸检测的研究。主要过程是利用Haar-like模型来表征人脸器官,在仿真软件中通过“积分图”转换来寻求Haar-like特征数值的快速计算。利用AdaBoost算法训练出一些具备人脸特性的弱分类器,通过设置不同权重的方式,把性能最佳的弱分类器群打造成为强分类器。实验结果表明,该算法能够实现人脸的快速有效检测,在智能安防系统中有广泛应用价值。

模糊聚类神经网络的非对称学习算法

通过仿真和分析表明模糊聚类神经网络原有学习算法 FCNN的局限性 :如初值敏感性、吸引域不灵活和稳定点不合理等 ;指出造成上述局限的原因主要在于算法的对称性和权值向量的修正缺乏协同 .为此 ,通过在网络模型中引入层内反馈、在算法中引入加速项 ,消除了算法的对称性并使权值向量的修正具有一定的协同性 ;通过改进算法结构 ,消除了小尺度振荡现象并使算法的稳定点趋于合理 .

一种非对称互联型粒子群算法

提出了一种非对称互联型粒子群算法(AFIPSO),它是对互联型粒子群算法的改进。此算法重新构造了加权函数,体现了粒子之间的非对称影响。随后对六种加权函数及其4种交叉组合进行了测试。试验结果表明:组合加权函数对算法的收敛速度和稳定性均有非常好的改善,在收敛率上几近完美。

基于反馈校正原理的非对称旅行商问题的自收敛优化算法

针对非对称旅行商问题(ATSP),提出基于反馈校正原理的自收敛求解算法框架.该方法核心是依据ATSP问题松弛模型的对偶关系推断与ATSP最优解无关弧集合的弧排除算法.该算法框架以ATSP问题的初始弧集合作为"参考输入",以ATSP最优解的上下界求解算法作为"控制对象",以弧排除算法作为"反馈校正控制器",其"反馈输入"是"控制对象"的输出差值.算法迭代过程中,上下界差值缩小,排除弧集合增加,算法呈现出自收敛性.该框架集成了数学规划方法和启发式算法的优点,论文从理论证明和仿真分析说明了该自收敛算法的有效性.

基于用户非对称相似性的协同过滤推荐算法

针对传统协同过滤推荐算法的数据稀疏以及用户关系衡量不准确的问题,提出了基于用户非对称相似关系的推荐算法.利用用户的潜在特征的样本数量,结合奇异值矩阵分解,计算用户之间非对称的相似度,明确用户间关系.仿真结果表明,随着邻居数量的增加,该算法的平均绝对误差始终优于传统算法,误差值在邻居数量为40~60之间值为最小,约为0.682,传统算法平均绝对误差值约为0.758,可以看出该算法判断用户关系较为准确,预测评分比传统算法更接近实际评分.