基于分子束外延技术可控制备Bi原子团簇的研究

本研究基于分子束外延(MBE)技术在Si(111)衬底表面成功制备金属Bi原子团簇.首先,分别在100℃、125℃、150℃、175℃、200℃的生长温度下,制备了大小均一、密度不同的Bi原子团簇.实验结果表明,可以通过改变生长温度来精细控制Bi原子团簇的密度,当温度升高100℃,密度从1.05×10^(11)cm^(-2)降低至2.5×10^(7)cm^(-2),实现对团簇密度4个数量级的可控调节,并且发现Bi原子团簇密度对生长温度的依赖性符合经典成核理论.其次,分别在10 s、15 s、20 s的沉积时长下,制备了密度相同、尺寸各异的Bi原子团簇.实验结果表明,可以通过改变沉积时长来精细控制Bi原子团簇的尺寸:当沉积时长增加10 s,高度和直径分别从8.5 nm和65 nm增大到13.7 nm和100 nm,实现对团簇尺寸在10 nm高度、80 nm直径范围的可控调节,并且发现Bi原子团簇尺寸对沉积时长的依赖性符合晶体生长动力学.与分子束外延制备传统的Ⅲ族(Al,Ga,In)原子团簇做对比,这些结果可以为制备Ⅴ族原子团簇提供实验参考和指导,从而促进纳米级含Bi材料的制备.

基于改进K均值聚类的语音情感识别深度学习方法

针对当前语音情感识别(Speech Emotion Recognition, SER)方法中准确性低和时间复杂度高的问题,提出一种基于改进K均值聚类的语音情感识别深度学习方法。采用改进的K-均值聚类算法从整个音频信号中选取反映情感特征的关键片段;使用短时傅里叶变换将所选序列转化为一个谱图;利用深度残差模型ResNet和深度双向长短时记忆Bi-LSTM网络从空间和时间上学习表征谱图中与情感相关的隐藏特征,基于Softmax分类器获得最终的情感分类。实验结果表明,所提方法比其他识别方法具有明显的优势,在改善情感识别率的同时,降低了模型的处理时间。

基于聚类的HPO-BILSTM光伏功率短期预测

考虑到光伏发电功率在不同天气类型下的波动性和不确定性,对此提出一种基于模糊C均值聚类算法(FCM)和猎食者优化算法(HPO)优化双向长短期记忆网络(BILSTM)的光伏发电短期功率预测模型。首先对光伏发电数据进行处理和分析,再进行主成分分析(PCA)降维和FCM聚类算法将数据按天气类型分为阴、晴、雨;最后通过HPO筛选得出BILSTM神经网络的最佳超参数,避免因超参数设置不佳对实验带来的影响,进一步提高实验的准确性和模型的泛化能力。最后通过预测和对比实验进行分析,验证所提方法的优越性。

基于动态诚信因子的主从博弈抑制微电网虚假信息交易研究

为了解决微电网群内交互信息中存在的虚假信息问题,在考虑微电网(Microgrid,MG)诚信行为的基础上,文章提出了一种基于动态诚信因子的主从博弈电能交易机制。首先,以MG上报电量与实际交易电量为基准,建立奖惩机制,通过动态调整诚信因子来调节交易电价。其次,构建了一个以微电网群运营商(Microgrid Cluster Operator,MGCO)为领导、MG为跟随者的主从博弈模型。上层模型以最小化微电网群整体功率波动为目标,通过建立交易定价的合约机制,有针对性地调节群内交易电价;下层模型以MG运行费用最小为目标,根据群内交易电价动态调整自身购售电需求量,实现电能优化。最后,通过算例分析验证了该交易机制能够有效抑制微电网群内人为上报虚假信息的行为。

基于集群辨识和卷积神经网络-双向长短期记忆-时序模式注意力机制的区域级短期负荷预测

为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力机制(temporal pattern attention,TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。

基于专利数据库对脉痹处方规律及核心中药的数据挖掘研究

目的 基于国家专利复方,探寻中医药干预脉痹的遣方用药规律。方法 计算机检索国家专利数据建库至2023年3月有关中医药干预脉痹的专利复方,运用Excel进行数据清洗和频次、性味、归经的统计,SPSS Modeler18.0和R.4.3.1进行中药关联性及层次聚类分析,Cytoscape 3.9.1对共现网络进行可视化升级。结果 本研究纳入专利复方124项,涉及中药324味;高频中药包括丹参、黄芪等;药性以寒、温为主,药味以苦、甘、辛居多,归经主要归肝经;常见药对包括“黄芪-丹参”等;常用角药组合包含“山楂-丹参-川芎”等;层次聚类得到4组聚类组合。结论 专利复方治疗脉痹以活血祛瘀,化浊降脂,补益气血为主,本研究梳理了治疗脉痹的核心中药,以期为临床遣方用药和未来新药研发提供思路。

基于贝叶斯自优化Bi-LSTM组合网络的高速铁路轨道-桥梁系统震后响应预测方法

中国高速铁路(HSR)规划建设逐渐向地震易发地区延伸,亟需一种及时、准确的灾后地震响应快速预测方法,以实现高速铁路系统运输生命线安全的快速评估。本文提出了一种基于贝叶斯自优化双向长短期记忆(Bi-LSTM)网络的快速预测方法,以经过实验验证的高速铁路轨道-桥梁系统有限元模型地震动响应计算数据为样本,将预测地震响应和有限元计算结果进行比较,验证所提方法的精度和鲁棒性,表明该方法在预测高速铁路桥梁结构的非线性地震反应方面是有效的,且高速铁路轨道-桥梁系统的不同预测位置对预测精度的影响不明显;此外,为了降低神经网络训练数据量需求,提出了一种基于离散小波分解的分层聚类算法,结果表明,基于小波分解的分层聚类方法在保证预测精度的同时,有效地减少了训练地震集的输入数量。

基于KLPP-K-means-BiLSTM的台区短期电力负荷预测

随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析与局部保持投影降维、K均值聚类算法(K-means)以及双向长短时记忆网络(BiLSTM)的台区电力负荷预测方法。首先利用核局部保持投影(KLPP)对台区多特征负荷数据进行降维以提取主要特征信息;然后采取K-means聚类算法将相似特征的数据归类成各自的簇集;最后针对聚类后的各典型类型,有针对性地训练BiLSTM,并选取中国某高校低压台区负荷作为算例与其他经典预测方法进行对比分析,结果表明所提方法更拟合实际负荷走向,有效提升了预测效果。

含多个投资主体的独立供电微网群运行策略

在绿色经济和新能源快速发展的背景下,可再生能源供电得到了迅速发展。为应对分布式能源波动性大、抗干扰能力较弱的问题,探索以可再生能源供电为主的独立供电微网群运行策略具有重要意义。根据微电网的规划建设及相应控制模式,提出了微电网独立运行与互联运行的策略。为了减少微电网独立运行中的弃风、弃光现象,提高其经济效益,以最小化微电网独立运行成本和最大化微电网互联运行社会效益为目标,建立了涵盖微电网内部调度与微电网间调度的双层优化模型。采用交替方向乘子法(alternating direction multiplier,ADM)进行迭代求解,以获得兼顾各个微网络体及其群体整体运营效益的可再生能源输出功率、储能输出功率以及购售电策略。最后,通过对14节点独立供电微网群进行仿真分析,验证了所提模型的合理性及方法的有效性。

基于三方博弈的多能交互微网群系统双层优化模型

随着新能源占比不断提高,多能交互微网群凭借其促进微网间能源互济、提升新能源利用率的能力,将成为智能电网的重要发展方向。为解决多能交互微网群在与用户进行能源交易过程中,对能源交易价格具有操纵性,多能交互微网群与用户间无法建立公平的能源交易机制的问题,建立政府、多能交互微网群、用户三方博弈模型,保证多能交互微网群与用户间能源交易行为的公平公正。由于传统的单层优化方法难以揭示多主体之间的交互行为,建立基于政府、多能交互微网群、用户三方博弈的多能交互微网群系统双层优化模型。模型上层为政府、多能交互微网群、用户三方博弈,三方博弈目标为政府社会福利最大化、多能交互微网群效益最优、用户满意度最高;模型下层为多能交互微网群系统优化调度,多能交互微网群系统协调各类能源转化最优分配,运行成本最低。最后,通过算例仿真验证该模型的有效性。

LED投光灯叉翅散热器热分析及优化

为探究叉翅散热器在某100W LED舞台投光灯上的散热强化作用并进行优化设计,通过数值模拟与实验验证的方法,对影响叉翅散热器散热性能的主要几何因素及其机理进行了分析。以LED芯片最高温度和散热器质量为优化目标,对短翅长度与间距进行了单因素分析,然后通过NSGA-Ⅱ算法进行双目标优化,并进行模糊C均值聚类,得到了不同应用场景下散热器配置。结果表明:叉翅散热器可有效增强散热性能,其结构可增加翅片表面平均对流换热系数,短翅长度和间距对单位质量散热性能影响均存在最优值,短翅过长或间距过小均会使翅片表面对流换热系数下降。双目标优化后的叉翅散热器可在几乎不改变散热器质量时,降低LED芯片最高温度2.33℃。

进化双层自适应局部特征选择

局部特征选择(LFS)方法将样本空间划分为多个局部区域,并为每个区域选择最优特征子集以反映局部异质信息。然而,现有的LFS方法以每个样本为中心划分局部区域并找到最优特征子集,导致优化效率低下且适用场景受限。为了解决这个问题,提出一种进化双层自适应局部特征选择(BiLFS)算法。LFS问题被建模为双层优化问题,特征子集和待优化局部区域是该问题的两个决策变量。在问题的上层,使用非支配排序遗传算法-Ⅱ求解被选择的局部区域的最优特征子集,区域纯度和被选择特征比率是目标函数;在问题的下层,根据上层求解的最优特征子集,首先使用局部区域聚类分析得到区域内的中心样本,然后通过局部区域融合消除非必要区域并更新必要区域的种群。在11个UCI数据集上的测试结果表明,相较于基于进化算法的非自适应LFS方法,BiLFS的平均分类准确率达到前者的98.48%,而平均所需计算用时仅为前者的9.51%,运算效率得到大幅提升,且达到基于线性规划的LFS方法的水准。对迭代过程中BiLFS算法选择的用于优化的局部区域进行可视化分析,结果表明,BiLFS选择必要局部区域具有稳定性和可靠性。

双聚类的关联规则挖掘方法

为了使所有关联规则算法都可用于双聚类挖掘,将双聚类问题转化为关联规则的频繁集挖掘问题.在为双聚类挖掘提供大量算法的同时,不但能获得双聚类,而且还能得到额外的双聚类关联信息.基因表达数据的实验结果证明了其有效性.

基于联合聚类与用户特征提取的协同过滤推荐算法

协同过滤利用与目标用户相似性较高的邻居对其他产品的评价来预测目标用户对特定产品的喜好程度,用户间的相似性定义至关重要。传统协同过滤算法定义相似性时不考虑用户偏好,为了解决这一问题,本文提出基于联合聚类的协同过滤算法。该算法利用联合聚类识别用户偏好,定义用户偏好相似性。当可用数据还包括用户的属性信息时,算法提取有共同偏好的用户的公共特征,进一步定义基于属性的相似性,结合属性相似性与打分相似性产生推荐。实验用MovieLens数据验证推荐算法的准确性,实验结果表明本文算法可以处理极度稀疏数据,且预测的打分更加准确,推荐排名靠前的电影更受用户喜爱。

双向聚类方法在医学文本挖掘中的实现过程及应用意义探讨

介绍双聚类概念、基本原理以及相关研究、应用情况,阐述双聚类使用工具和方法,通过案例分析双聚类在医学文本挖掘中的具体实现过程,提出双聚类在数据挖掘方法中的应用前景,为相关研究提供参考。

基于主线特征的双向匹配的掌纹识别新方法

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术 目前的掌纹研究主要集中在掌纹特征线的提取算法上 ,而对特征线的筛选和匹配的问题讨论较少 掌纹上的纹线比较复杂 ,深浅粗细长短不一 ,实施任何一种边缘提取算法都要考虑纹线的取舍问题 首先介绍了提出的应用最大内切圆对掌纹有效区域进行分割和对准的方法 ,较好地解决了掌纹的定位问题 然后提出了掌纹特征线族的概念 ,用以刻画掌纹上的主要特征 ,从而将掌纹纹线特征分为主要特征和次要特征 通过对主要特征与全部特征的双向匹配 ,给出最终的识别结果 将该方法与之前提出的基于傅里叶变换的方法在自行研制的掌纹采样设备所采集的掌纹库 (90人 4 5 0幅 )上进行了比较实验 ,实验结果证明新方法可以处理原方法无法定位的掌纹图像 。

基于半监督学习的无线网络攻击行为检测优化方法

针对如何优化深度学习技术在海量高维复杂的无线网络流量数据中有效发现异常攻击行为的问题,提出一种基于半监督学习的无线网络攻击行为检测优化方法(WiFi network attacks detection optimization method,WiFi-ADOM).首先基于无监督学习模型栈式稀疏自编码器提出2种网络流量特征表示向量:新特征值向量和原始特征权重值向量.然后利用原始特征权重值向量初始化监督学习模型深度神经网络的权重值得到网络攻击类型的预判结果,并通过无监督学习聚类方法Bi-kmeans对网络流量的新特征值向量进行聚类以生成未知攻击类型判别纠正项.最后结合预判结果和未知攻击类型判别纠正项,得到网络攻击类型的最终判定结果.通过和已有研究方法对比,在公开无线网络攻击行为数据集AWID上验证了WiFi-ADOM方法对网络攻击行为检测的优化性能,同时探索了与网络攻击检测相关的重要特征属性的问题.实验结果表明:WiFi-ADOM方法在保证准确率等检测性能的同时能够有效检测未知攻击类型,具备优化网络攻击行为检测的能力.

基于粒子群算法的基因表达谱聚类分析方法

双向聚类算法可以发现基因表达谱中隐藏的信息。为了寻找规模较大的基因相似矩阵,结合粒子群算法强大的搜索能力,提出了GP-Cluster双向聚类算法。基于粒子群(PSO)算法,引入Sigmoid函数进行动态调整,并在粒子飞行过程中加入了遗传算法(GA)"优胜劣汰"的思想,增加粒子运动的多变性和随机性,避免算法陷入局部最优。实验结果证明:相比GA算法和PSO算法,改进后的混合粒子群算法GP-Cluster能找到质量更佳的双向聚类,取得更好的聚类效果。

主星带伴随微小卫星编队SAR系统的空间分辨率分析

根据主星带伴随微小卫星编队SAR系统的结构特点,建立了双站SAR系统的几何模型,然后推导分析了距离分辨率和方位向分辨率的解析表达式,最后仿真分析了以ENVISAT作为主星、"干涉车轮"的距离分辨率和方位向分辨率随主星到编队小卫星的距离、相对轨道高度的变化情况,并且与主星SAR的分辨率进行了比较。结果表明:(1)空间分辨率大小随波束入射角的变化基本上与主星一致;(2)空间分辨率随主星与伴随小卫星的距离增大而增大;(3)空间分辨率之差随微小卫星相对椭圆轨道短轴的增加而增加。

批量钻削监测信号双谱特征融合研究及应用

基于钻削工步质量波动与监测信号特征变化之间的耦合现象,提出一种基于监测信号双谱特征的高精度批量钻削工步质量一致性控制检测方法。认为正常钻削过程的声发射和三向加速度振动监测信号可视为随机过程,满足或近似高斯分布,信号偏离高斯分布的程度与各钻孔加工质量波动间存在对应关系;以各钻孔声发射和加速度振动监测信号为研究对象,提取各钻孔监测信号的双谱幅值平均值为特征,对不同钻削情况下信号偏离高斯分布的程度进行定量分析;采用基于Relief F算法的特征加权模糊聚类分析,进行基于监测信号双谱幅值均值特征矩阵的钻孔质量分类,并与人工检测的工步质量一致性结果对比分析。计算和分析结果表明,监测信号双谱特征与各钻削工步质量之间存在有机联系,对信号双谱特征进行融合聚类可分析批量钻削工步质量的一致性。