Selection of extractive agent for mixture chlorobenzene and measurement of VLE data for m-dichlorobenzene-p-dichlorobenzene -o-dichlorobenzene -diphenylamine

Extractive agents of extractive distillation separation for mixtures of dichlorobenzene were analyzed and compared, gas-liquid equilibrium data （VLE data） was measured for dichlorobenzene and diphenylamine, the appropriate extractive agent was selected by relatively volatility, the temperature was studied on the effect of extractive separation. VLE data was measured for dichlorobenzene, the parameters were simulated in Wilson equation. The infinite dilute activity coefficient of dichlorobenzene in diphenylamine were measured by chromatogram apparatus, the model parameters were correlated by the single parameter method for dichlorobenzene and diphenyl -amine, VLE data of m-dichlorobenzene-p- dichlorobenzene -o-dichlorobenzene-diphenylamine system was measured and calculated by six part model parameters. The results of correlation and experiment were provided a basis for study of extractive distillation simulation and experiment in this work.

Specific Data Mining Model of Massive Health Data

The mining of massive medicine data is one of the most widely problem in our world. However, it’s efficiency and accuracy are still not satisfactory. Many traditional mining algorithms which calculate repeatedly to reduce the dependence between data always ignore the correlation between them. To improve the effect of diagnosis, we extract some special features by conducting a preliminary classification and identification. Then, the specific characteristics of various medical data is mined by correlation mining method. The simulation experimental results demonstrate the validity of the improved algorithm.

基于时空关联的飞控传感器数据异常检测

飞控传感器数据的异常检测对保证飞行器安全稳定运行有重要意义。然而,现有的异常检测方法大多仅从传感器数据之间的关联性或不同传感器间数据的相关性变化角度出发,当飞行器运行工况动态变化时,可能会由于对传感器数据的特征提取不充分而导致异常检测结果的准确率偏低且虚警率偏高。对此,本文提出一种基于时空关联的飞控传感器数据异常检测方法,实现对传感器数据时间与空间2个维度变化规律的融合建模。首先,同时构建时序演化与空间相关性特征提取模块来对传感器数据进行时间与空间两个维度特征的并行提取。其次,对2个模块的预测输出进行时空关联融合,得到时空关联的预测飞控传感器数据。最后,基于预测数据与实际数据残差的统计量进行阈值选取并对传感器数据进行异常检测。在无人机惯性测量单元仿真与实测数据集上对本文方法进行验证,结果表明相较于相关向量机等典型的异常检测方法,本文方法的异常检测准确率至少提高0.4%且虚警率至少降低1.8%。

基于跨模态近邻流形散布的基因特征提取方法

为解决因基因表达数据维度高、样本少、噪声高等特点导致在基因分类研究中难以提取有效特征的问题,提出了跨模态近邻流形散布(cross-modal nearest neighbor manifold scatter,CNNMS)方法,在核方法基础上采用近邻数据的方式,从而进一步降低了类别不平衡对分类精度的影响。此外,基于近邻均值受异常点影响较小的特点,CNNMS方法把高维基因特征映射到核空间,将所有样本与其近邻样本之间距离均值定义为样本的近邻均值,使跨模态近邻流形散布子空间在最大程度上保持同类特征内部的聚集性。实验结果表明,CNNMS方法在肺癌基因表达数据集上的分类识别率超过98%,在胃癌基因表达数据集上也获得了良好的分类识别率,相较于其他方法具有更好的分类能力。CNNMS方法在基因分类研究中表现出较高的识别率,对基因特征提取研究具有深远意义。

正己烷-甲基环戊烷-邻苯二甲酸二丁酯汽液平衡数据测定及关联

采用Ｇｉｌｃｓｐｉｅ平衡釜测定正己烷－甲基环戊烷－邻苯二甲酸二丁酯系统的ＶＬＥ数据；用Ｗｉｌｓｏｎ方程关联，为萃取模拟计算提供参数。

乙酸乙酯-乙醇-水-甘油体系中部分组分之间汽液平衡数据的测定及关联

生产乙酸乙酯的产物乙醛、乙醚采用精馏容易脱除，乙酸乙酯、乙醇、水形成二元、三元共沸物，则难以分离，共沸法和萃取精制乙酸乙酯，工艺较复杂，能耗大；复合萃取一次可得99％以上乙酸乙酯，同时可得95％以上乙醇，用水量仅为原料量的2倍，工艺简单，能耗低。本文测定乙酸乙酯、乙醇、水在甘油中的γ^∝及二元体系的VLE数据，由三对二元体系模型参数计算乙酸乙酯-水-甘油及乙酸乙酯一乙醇一甘油的VLE数据，为萃取模拟计算及试验提供基础数据。

数据场典型相关分析及其在图像分割中的应用

针对数据场环境下多维数据的低维特征提取问题,本文将数据之间的相互作用纳入其相关性求解中,提出一种基于数据场的典型相关分析(Data field based canonical correlation analysis,DFCCA)方法.DFCCA提取的特征具有良好的分布特性,原空间上相隔较远的数据点对的特征聚集在一个较小区域内,而相邻数据点对的特征却有规律地分布在其他点所聚集区域的周围.此特性使得DFCCA具有较好的边界辨识能力,将其应用于图像分割的实验结果表明,DFCCA提取的复杂图像边界具有较好的保真度.

基于文献的农业领域本体自动构建方法研究

农业领域本体的构建将为农业垂直搜索引擎提供知识组织基础。在对本体构建技术进行深入研究的基础上,设计实现基于文献的农业领域本体构建方法。使用Web数据抽取技术获取农业文献,通过对文献分词和清洗,自动提取领域概念,并用关联分析和改进的层次聚类发现领域概念间关系,构建农业领域本体。通过实验验证,该方法提高了领域概念间关系聚类效果和领域本体构建效果。最后加以应用实施,实现了基于本体的农业垂直搜索引擎。

海量医学数据中的特定数据挖掘模型仿真分析

针对海量医学数据挖掘中忽略数据关联性,导致挖掘效率低的问题,提出基于特征提取的特定数据挖掘方法,对于提高疾病的诊断效率具有重要的意义。传统的挖掘算法,忽略了具有关联性的数据对挖掘带来的影响,仅通过重复计算来降低数据之间的关联性,导致挖掘效率较低。为提高诊断效果,引入特征提取的方法对海量医学数据进行初步分类与识别,利用关联度挖掘的方法对各个医学数据特征之间的关联度进行计算,最终实现特定医学数据的准确挖掘。仿真结果表明,改进算法能够准确的挖掘海量医学数据中的特定医学数据,精确度高,效率好。

基于POWER8的动态自适应池化算法

针对当前卷积神经网络(CNN)模型中池化层关键语音特征提取效率低下的问题,提出一种基于POWER8架构的动态自适应池化(DA-Pooling)算法。在深度学习工具Caffe上实现CNN模型,输入经过卷积层的梅尔域滤波带系数,提取局部相邻语音的特征数据,通过计算Spearman相关系数确定数据间的相关程度。根据特征权重对具有不同相关性的语音数据动态分配池化算法,以提高池化层对不同相关性数据的适应能力。DA-Pooling利用POWER8的高效浮点运算和多线程并行计算优势,提高了海量语音数据的处理效率。实验结果证明,相比现有主流Pooling算法,DA-Pooling可提高关键语音数据的识别准确率,保证CNN中语音识别的稳定性。

基于不相关性检验的大数据异常抽取算法

针对当前大数据异常抽取方法存在耗时长、精度低的问题,提出新的大数据异常抽取算法。构建基于Hadoop的大数据异常风险监测系统,对大数据流量分流处理,使用预处理端与储存端监测异常数据风险,利用最小二乘支持向量机计算风险趋势;引入Fisher函数,构建不相关性检验模型;利用模糊遗传方法算出异常数据流汇聚于多层空间内的模糊聚类中心,获取异常数据属性集分类增益方程,完成大数据异常抽取。根据实验结果可知:所提方法的最高耗时为9s,明显低于传统方法,且所提方法的抽取结果与实际情况一致。可得结论为:所提方法具有高速率、高精度优势,为大数据安全传输与应用提供技术基础。

一种基于模糊层次聚类分析的大数据挖掘算法

在文本大数据挖掘过程中受到语义模糊性因素的影响,导致大数据挖掘查准性不好,故提出了一种基于模糊层次聚类分析和语义相似性关联特征提取的大数据挖掘算法.该算法采用泛化映射构造语义概念树,结合二元语义分析方法进行大数据分布式本体模型构建,并采用模糊层次分析方法进行大数据的语义相似性和关联性判断,提取大数据信息流的语义关联特征,结合模糊C均值算法对提取的特征量进行聚类分析,自适应均匀遍历学习方法进行大数据挖掘中关联特征量的信息融合处理,求得挖掘目标函数的最优解,实现大数据优化挖掘.仿真结果表明,采用该算法的语义指向性较好,数据的聚焦性能较优,提高了数据挖掘的查全率和查准率,总体性能稳定可靠.

基于图像检测的船舶特征提取算法优化

传统船舶特征提取算法,无法完全对船舶特征进行提取,存在精度不够、无法有效提取特征点等问题。为有效解决此问题,提出基于图像检测的船舶特征提取优化算法。计算不同波段下船舶图像的灰度值,依据灰度值结合霍夫曼及分裂排序编码构建船舶图像特征提取示意图;设计基于图像的船舶特征点检测提取模型,确定图像中船舶特征点相关性。依据相关性进行船舶特征点的有效提取,并利用图像特征提取,完成船舶特征提取的优化算法,设计对比实验结果表明,改进后方法与传统方法相比,大幅提高船舶特征提取的准确性。

Web页面细粒度数据抽取方法研究

尽管有很多方法用于Web页面信息抽取,对细粒度信息如数据项等的抽取需求仍然很迫切。提出了一个用于结构化数据抽取的解决方案,将Web页面上的信息以更细的粒度抽取出来。对包装器(wrapper)生成时所依据的信息进行了基于稳定性的分类,实现了模板和种子之间多对多的自动关联(automatically correlating),并按照信息稳定性的高低为每个字段生成多个抽取规则,在抽取信息时根据多个抽取规则进行抽取,只有在所有规则失效时才会导致抽取失败,提高了抽取系统的鲁棒性。实验结果表明,该方法具有良好的抽取功率和准确率。

基于意识任务的机器人脑控系统

目前机器人的控制系统基本需要双手遥控,对残疾人等无法提供便利,提出了一种全新的脑电信号(electroencephalography,EEG)控制机器人方法。采用无需外界刺激的意识任务诱发特征EEG,通过便携式脑电设备采集EEG,经过特征提取与指令分类,实现对机器人的控制。针对意识任务需要被试进行大量的训练,设计了离线训练系统。针对EEG信噪比较低的问题,研究了意识任务下EEG处理方法。最后设计了在线机器人脑控系统,利用想象左手运动、想象右手运动、想象单词生成分别控制机器人左转、右转与前进,利用眨眼信号控制机器人停止。实验结果表明,从准确率、舒适度两方面来看,基于意识任务的机器人脑控系统有效实现了机器人的控制。

基于多态性数据库的红豆杉提取物药效及不良反应的相关性

红豆杉提取物因为其功效被医疗行业所采用,但是对于红豆杉提取物临床存在的不良反应研究并不是很深入,因此提出基于多态性数据库的红豆杉提取物药效及不良反应的相关性研究。利用多态性数据对红豆杉提取物进行药效分析,设计制作微流控芯片从而测定红豆杉提取物药效,考察红豆杉提取物药效特性,并对红豆杉提取物存在的不良反应症状进行检测,分析不良反应存在的概率,从而利用多态性数据确定相关性。实验研究表明,红豆杉提取物药效、不良反应与细胞磷脂小分子的作用密切相关。

WEB数据库XML数据发布及信息提取系统

结合传统数据库和XML各自特点 ,在数据库到XML的数据转出、XML数据发布、信息提取这三大模块的基础上 ,设计了一个系统原型 .同时 ,对研究过程中提出的关系数据库到XML数据的“相关转出”、XML转出数据的WEB服务端处理、XML数据的提取等问题和关键解决思路。

基于数据场和密度聚类的高分辨率影像居民区提取

数据场通过模拟物理场中对象间的相互作用,来描述数据对象间的相互作用关系。数据场中的势值高低反映对象间相关程度,故在遥感影像中可用数据场来刻画像元间的空间相关性特征。提出了一种基于数据场和密度聚类的高分辨率居民区有效提取的方法。首先,利用数据场计算遥感影像的势值特征图像;然后,对势值图像进行分水岭分割,提取分割所得对象块的形心;最后,对形心进行基于密度的聚类,从而实现居民区提取。实验结果表明,基于此方法进行高分辨率遥感影像的居民区提取相对于传统方法具有更好的鲁棒性和高效性。

基于超限学习机的非线性典型相关分析及应用

典型相关分析是目前常用的研究两个变量间相关性的统计方法。针对线性典型相关分析难以准确揭示变量之间复杂关系的问题,提出一种基于超限学习机的非线性典型相关分析多模态特征提取方法。首先,采用超限学习机分别的对每个模态进行无监督特征学习,得到抽象的深度特征表示;然后将这些深度抽象特征通过典型相关分析极大化模态之间的相关性,同时得到两组相关变量,实现多模态数据的复杂非线性和高相关性表示。最后在康奈尔大学机器抓取公开数据集上进行实验验证,结果表明,所提出的方法与其他相关算法相比,训练速度得到显著提升。

基于层次关联边条件随机场的Web对象抽取

提出一种基于层次关联边条件随机场(HCC-CRFs)模型的Web对象抽取方法。将数据块检测和属性标注合并为标签分配问题,避免误差传播现象。通过在数据块之间增加条件依赖关系,使HCC-CRFs模型能充分利用Web页面的内容层次结构。实验结果表明,该方法具有较好的抽取效果。