带非线性噪音的随机g-Navier-Stokes方程的后向弱紧均值动力学

考虑由无限维柱形噪声驱动的随机二维g-Navier-Stokes方程的均值动力学,且该方程具有非线性扩散项和依赖于时间的外力项.当非线性扩散项是Lipschitz连续的并且外力项是局部可积时,可得到一个均值随机动力系统(RDS).若外力项是缓增的,均值RDS在偶幂的Bochner空间中有唯一的弱拉回均值吸引子.此外,通过使用Bochner空间相对于时间的单调性,证明若外力项是后向缓增的,则弱拉回均值吸引子的后向并集在渐进Bochner空间中是定义明确且弱紧的.最后,当外力项为零、周期或递增时分别给出后向弱紧弱吸引子的三个例子.

基于CNN的电力数据分析模型研究

为改善现有窃电检测时由电力数据特征复杂、数据样本不均等导致的检测效率、精度低等问题,提出了一种基于卷积神经网络(CNN)的电力数据分析模型。首先,考虑到窃电数据样本不均衡、数量有限,提出条件变分自动编码器的窃电曲线数据增强方法。其次,在分析了电力系统攻击模型的基础上,设计了基于CNN的窃电检测模型,从而提高算法执行效率及模型鲁棒性。试验阶段,以中国某电网公司采集的数据为例,对所提模型进行了分析和验证。与现有的数据增强方法相比,所提模型可以根据窃电功率曲线的实际形状和分布特征扩展训练集,并且可对基础CNN模型的性能进行改善。与原始数据集相比,模型准确率、F1分数和G均值分别提高了7.00%、6.65%和6.01%。试验结果验证了所提模型的有效性及实用性。所提模型为电力数据分析及安全故障隐患的发现提供了借鉴。

血清人巨细胞病毒免疫球蛋白G与原发性闭角型青光眼的相关性研究

目的 探讨血清人巨细胞病毒(HCMV)免疫球蛋白G(IgG)水平与原发性闭角型青光眼(PACG)的相关性。方法 采用回顾性病例对照研究。收集2019年6月—2020年6月于复旦大学附属眼耳鼻喉科医院确诊为PACG的患者66例作为病例组,同时收集与病例组年龄、性别匹配的正常体检者88例作为对照组。根据视野平均缺损(MD)大小,将PACG患者分为轻度组(MD≤6 dB)、中度组(612 dB)。采用全自动电化学发光法免疫分析仪对血清HCMV IgG抗体含量进行检测分析。结果 PACG组HCMV IgG水平(M=508.00,四分位数:313.40,780.75)显著高于对照组(M=318.80,四分位数:164.33,498.40),差异有统计学意义(P<0.001)。Spearman相关分析显示,PACG组HCMV IgG水平与眼压(r=0.28,P=0.025 3)呈正相关,与平均光敏感度(r=-0.25, P=0.049 3)及MD(r=-0.24, P=0.034 2)呈负相关。轻度PACG组HCMV IgG水平显著低于中度和重度PACG组(P值均<0.05)。Logistic回归分析发现,HCMV IgG水平升高是PACG发病的独立危险因素(P<0.001, OR=1.003, 95%CI为1.002~1.005)。结论 PACG患者血清HCMV IgG水平显著升高,并与眼压及MD呈正相关,提示HCMV IgG水平与PACG疾病进展相关。

面向类不平衡的逻辑回归方法

作为机器学习和模式识别中最重要的分类模型之一,逻辑回归(LR)具有较好的可解释性、泛化性.文中将该模型应用到类不平衡问题中,提出面向类不平衡的逻辑回归方法(LRCI)以处理数据不平衡问题.为了充分考虑数据不平衡性,分别构造基于g-mean的目标函数(GBM)和基于f-measure的目标函数(FBM),监督LRCI学习模型参数,进而有效保证学习到的模型同时具有高准确率和召回率.UCI数据集上的实验表明,LRCI在保持LR高准确率的前提下,有效提高它的召回率、g-mean和f-measure.与其他类不平衡分类模型相比,LRCI表现出较明显优势.

复合泡沫填充管的高g值冲击防护特性

目的为避免或减小高g值冲击对弹内轻质元器件的破坏,应加强对轻质元器件缓冲防护结构的研究。方法基于新型复合泡沫和通孔泡沫铝的2种泡沫填充管,通过万能试验机和落锤冲击系统研究了2种泡沫填充管的静动态力学特性,并运用数值模拟方法研究高g值冲击下等质量的泡沫填充管与夹芯管的加速度缓冲效果和吸能机制。结果数值模拟所得结构变形和落锤加速度与实验结果较为一致,验证了数值模拟方法的可靠性。复合泡沫平台应力具有显著的应变率效应,其填充管压溃载荷平稳且高于泡沫铝填充管,比泡沫铝填充管体现出更优异的高过载防护性能。等质量的泡沫夹芯管的抗冲击性能优于填充管,2种泡沫填充而成的夹芯管具有相似的高过载防护性能,泡沫材料压缩行为对夹芯管压溃载荷特征的影响低于填充管。结论所得结果对轻质元器件的高g值缓冲防护有较强的指导意义。

基于改进CGAN的电力系统暂态稳定评估样本增强方法

基于数据驱动的暂态稳定评估方法已成为电网安全领域研究的重点,由于实际电力系统中暂态失稳情况极少,给通过数据挖掘方法判断失稳情况带来了极大困难。针对这个问题,提出了一种用于暂态稳定评估中失稳样本合成的数据增强方法,对条件生成对抗神经网络(CGAN)训练方法的适应性进行改进以提高其学习稳定性,在离线训练时利用改进CGAN交替训练生成器和判别器,学习电力系统暂态数据的分布特性,然后采用极限学习机(ELM)分类器筛选出改进CGAN所生成的多组样本中G-mean值最高的生成样本,将其中失稳样本对原始失稳样本进行增强,最后用增强后的原始样本训练分类器,实现在线暂态稳定评估。仿真结果表明,所提出的样本数据增强方法通过改进CGAN实现对原始数据分布特征的有效学习,进而提升暂态稳定评估的正确率,具有抗噪声干扰性强、对高维数据鲁棒性好的优点,能够有效平衡电力系统失稳数据。

基于大数据深度迁移模型的机械故障诊断

针对现有机械故障诊断方法在小样本条件下检测率低的不足,提出一种基于深度迁移学习模型的机械大数据故障诊断方法研究。构建深度学习模型,计算模型的稀疏特性和分类错误率指标,并基于此提取机械大数据的故障特征类型;针对实际检测中有效样本较少的不足,利用迁移学习方法将实验数据用于辅助机械故障特征大数据的训练与测试,不断地调整输出结果并提高对故障点的定位与诊断精度。实验结果表明,提出诊断方法的G-Mean指标优于现有方法,在故障比为1:1000的条件下,故障查准率仍可达到96.34%。

陆地棉与海岛棉种间杂种经济性状的基因效应分析

以海岛棉７１２４为共同亲本分别与陆地棉品种徐州１８４和中棉所１２杂交，同时以陆海杂交选育出的中长绒系６７为父本与陆地棉品种鄂荆１号杂交，分别对上述３个组合进行世代均值分析。除麦克隆值外，所有性状在各组合中都存在加性效应（ｄ），而非加性效应的存在与否则因性状、组合不同而异。子棉产量、皮棉产量未检测到显性效应（ｈ），株高、子指、铃数、绒长无加性×加性效应（ｉ），果枝数、子指、铃数、衣分、绒长和强度，不存在加性×显性效应（ｊ），而显性×显性效应（ｌ）则在各性状中都检测到。通过遗传模型分析发现，当ｈ＋ｌ＞ｄ＋ｉ时则存在超亲杂种优势，ｊ对杂种优势没有贡献。理论上超亲优势的产生共有１０种可能性，在本试验的３个组合中实际发现７种，主要有ｈ＞ｄ，ｌ＞ｄ和ｌ＞ｄ＋ｉ，而ｈ＞ｉ，ｌ＞ｉ，ｈ＋ｌ＞ｉ未出现。因此，显性效应（ｈ）和显性×显性互作效应（ｌ）是本试验中杂种优势的主要来源。

关于泛函微分中值点渐近性的进一步讨论

本文在赋范线性空间上讨论微分中值点的渐近性 ,利用泛函的微积分理论给出了f( i) (x0 ) h( i) =0 ,g( j) (x0 ) h( j) =0 (i=1,2… n - 1,j=1.2… m - 1) ,f( n) (x0 ) h( n) ,g( m) (x0 ) h( m) 都不存在时泛函微分中值点渐近性的估计式 .

高分辨SAR图像自动区域筛选目标检测算法

在G^0分布背景杂波假设下,基于VI-CFAR算法该文提出一种自动区域筛选的恒虚警目标检测算法,以解决高分辨SAR图像复杂环境背景下的目标检测问题。该算法首先利用变化指数(VI)统计量对局部参考窗内的均匀区域进行筛选,以剔除参考窗内具有目标干扰点的非均匀区域;然后利用均值比(MR)统计量对参考窗内同质的均匀区域进行区域合并,以解决杂波边界处的背景杂波筛选问题;最后利用筛选到的同质均匀区域内的像素集合进行背景杂波参数估计,对待检测区域实现二值检测。通过实测SAR图像车辆目标检测实验表明,在多目标和杂波边界复杂环境背景下,该算法具有较稳定的检测性能和虚警抑制能力。

A-G-H不等式的最优值

采用“降维法”证明了使不等式(1-λ)H_n^r(n)+λA^n^r(n)≥G_n^r(a)成立的实数λ的最小值是λ_*=0<1≠1sup{(G_n^r(a_*)-H_n^r(a_*))/(A_n^r(a_*)-H_n^r(a+*))|A_*=(t,1,…,1)∈R_(++)~r,t≠1}其中r＞0为实数,A_n(a),G_n(a),H_n(a)分别为n(n≥2)个正实数a_1,…,a_n的算术平均、几何平均及调和平均．

基于AdaBoost的极限学习机集成算法

针对数据类别不平衡问题,提出一种AdaBoost集成算法,用极限学习机作为基分类器,根据AdaBoost集成各个基分类器,用AdaBoost集成分类器的权值,得出最终结果。实验结果表明,该方法相较于传统ELM算法具有较高的准确率、G-mean、F-score及更好的灵活性。

一氧化氮合酶抑制剂对大鼠创伤性休克的干预作用

目的评价选择性诱导型一氧化氮合酶(iNOS)抑制剂氨基胍(AG)和非选择性一氧化氮合酶抑制剂L-硝基精氨酸甲酯(L-NAME)对创伤性休克的治疗效果.方法用44只SD大鼠制作创伤性休克动物模型.双侧股骨干砸伤后并经股动脉放血至平均动脉压(MAP)35～45 mmHg(4.67～6.00kPa),维持30min,然后回输失血和等量的林格氏液.随机分为休克组(10只)、AG组(根据复苏时静脉注射AG含量为2、8、60 mg/kg@b.w.则分为AGI、AGⅡ、AGⅢ组,各8只)、L-NAME组(10只,复苏时静脉注射L-NAME 8 mg/kg@b.w.),观察休克前后血浆NO浓度的动态变化及24 h大鼠存活率.并留取肺、肝、肾、小肠组织,观察病理改变.结果大鼠创伤性休克后,血浆NO水平明显高于休克前;AG各组动物复苏后血浆NO的水平明显降低,各脏器的病理损害亦显著减轻,存活率明显提高,并且AGⅢ组效果最好;L-NAME组动物复苏后血浆NO的水平也明显降低,各脏器的病理损害无明显变化,存活率无明显提高.结论NO在创伤性休克的病理发展过程中起着重要作用,应用AG有助于创伤性休克的改善:而L-NAME能降低NO的水平,但对休克的预后无明显改善.

A-G-H不等式的优化推广及其应用

借助于被称为降维法的新方法,建立了如下不等式:设ai>0,i=1,…,n,n≥2,A(a)1/n,H(a)=1-1-1ai,G(a)=∏n,则当且仅当实数λ≤1ai=1n∑nn时有不等式:n∑ni=1i=1i=1[H(a)]1-λ·[A(a)]λ≤G(a).作为应用,获得了一个几何不等式及一个有趣的矩阵不等式,并且推广了Carleman不等式.

排样图形匹配中的聚类算法应用研究

通过对排样问题的需要进行分析,选取了有效的聚类特征;通过对模糊C-均值算法和减法聚类算法的比较,选取减法聚类实现对排样图形的聚类;给出了针对排样问题的参数选取,文末给出了实例。

基于噪声信道的ARQ系统时延性能及最小滑动窗口控制研究

基于噪声干扰信道(包括正向链路和反馈链路),并考虑到达信息包的随机拆分、滑动窗口长度、分组长度以及数据链路上的传播时延等影响因素,建立了传输分组批到达情况下链路层上退回N步ARQ系统(GBN-ARQ)和选择重发式ARQ系统(SR-ARQ)的M^([X])/G/1排队时延模型.求得了两系统时延以及归一化的最大吞吐量的表达式.进而获得了在既定系统传输条件下确定最小滑动窗口长度、实施窗口控制的模型和方法.仿真表明,通过自适应地改变滑动窗口长度可以降低GBN-ARQ系统的时延,提高其传输效率,因而在一定条件下可以用GBN-ARQ代替SR-ARQ而避免后者较高的系统实现复杂度.

无线数据传输的GBN-ARQ和SR-ARQ系统时延性能研究

自动请求重传协议GBN-ARQ和SR-ARQ是无线通信系统中重要的差错控制技术。在研究其传输机制的基础上考虑分组长度、数据链路的传播时延、处理时延以及反馈时延的影响,基于等效服务时延的思想建立了分组长度为m的GBN-ARQ和SR-ARQ系统排队时延模型,求得了两系统的分组平均等待时延和平均服务时延的解析式,也即对两系统实施滑动窗口长度控制的理论模型。由此可以通过检测系统传输环境的改变而自适应的改变窗口长度,实现最佳的系统时延性能以及吞吐量性能。基于该模型的仿真分析又说明了窗口长度以及分组长度的改变对GBN-ARQ系统时延的影响要大于SR-ARQ系统,在理论上证实了SR-ARQ系统发送效率确实优于GBN-ARQ系统。

二重Fourier积分G平均的逼近定理

本文定义了二重Fourier积分及其相应的二重Fourier级数的G平均.它包含了熟知的Cesáro平均、Nrlund平均和Zygmund典型平均.给出了它们在Lipschitz空间Lip(a,p),lip(a,p)和X(R^2)(L^p(R^2)以及C(R^2))空间上的逼近阶估计.其结果可直接推广到高维情形.

介词in多义现象的认知研究

本文运用认知语言学观点对介词in的空间意义及非空间意义的多义现象进行了研究,解析了多义现象的产生原因和多义模式;通过研究介词in各义项之间的关系发现,介词in的多义现象除了辐射型、连锁型、综合型之外,还有一种循环型。总结了针对介词多义现象的学习及教学方法。

基于零均值特性的改进G-SVSLMS算法

为解决改进的基于Sigmoid函数变步长最小均方(G-SVSLMS)算法步长更新公式易受噪声干扰的问题,根据高斯白噪声的零均值特性,对G-SVSLMS算法进行改进,提出基于零均值特性的改进G-SVSLMS算法,使算法的抗噪声干扰能力明显增强。理论分析和仿真结果表明:若两算法选取相同参数α、β,则基于零均值特性的改进G-SVSLMS算法相对于G-SVSLMS算法具有小的稳态误差;在保证算法收敛的条件下,基于零均值特性的改进G-SVSLMS算法相对于G-SVSLMS算法具有较快的收敛速度。