Probabilistic characterisation of model error using Gaussian mixture model—With application to Charpy impact energy prediction for alloy steel

A novel approach to characterise the model prediction errors using a Gaussian mixture model is proposed. The motivation for this work lies behind many data models that are developed through prediction error minimisation with the assumption of a normal noise distribution. When the noise is non-normal, which may often be the case in complicated data modelling scenarios, the model prediction errors may contain rich information, which can be further exploited for model refinement and improvement. The key contents presented in this paper include: choosing the relevant variables to form the error data, optimising the number of Gaussian components required for the error data modelling, and fitting the Gaussian mixture parameters using an expectation-maximisation algorithm. Application of the proposed method for further model improvement, within the framework of hybrid deterministic/stochastic modelling, is also discussed. Preliminary results on the real industrial Charpy impact energy data for heat-treated steels show its effectiveness for model error characterisation, and the potential for model performance improvement in terms of prediction accuracy as well as providing accurate prediction confidence intervals.     

可自定义的ARINC 429总线仿真系统设计

ARINC 429总线是我国某型号支线客机所采用的数据总线通信标准。为了满足在航电系统开发与试验过程中对总线仿真功能的需求,以虚拟仪器技术为核心,基于LabVIEW软件开发平台,设计了用户可完全自定义的ARINC 429总线仿真系统。该系统的实现为航电实验室相关研发工作和试验工作的开展提供了一个良好的运行环境。     

基于机器学习的SSH应用分类研究

SSH作为一种加密通讯协议,不仅为远程登录等服务提供了安全保障,其隧道应用还可以封装一些其他未知应用,对网络安全产生了一定的潜在影响,因此需要准确识别出这些应用,并及时采取相应措施,维护网络安全.由于SSH协议的加密特性,通常采用基于流量统计特征的方法对其进行识别,且多是采用有监督的机器学习方法.通过对无监督机器学习方法与有监督机器学习方法的对比,比较了C4.5,SVM,BayesNet,K-means,EM这5种机器学习方法对SSH应用的分类效果,证实了通过机器学习方法来识别SSH应用是可行的.实验结果显示无监督的K-means方法具有最好的分类效果,对SSH隧道中的HTTP应用的识别准确率最高,达到了99%以上.     

基于背景估计和同态滤波的眼底图像归一化

针对眼底图像的归一化问题,提出一种基于背景估计和同态滤波的眼底图像归一化方法。从图像观测模型的角度出发,利用背景取样估计和插值技术实现图像背景的估计,通过边界奇异值处理和同态滤波增强图像细节,使图像的非均匀照度和对比度得到归一化增强。实验结果表明,与其他方法相比,该方法的归一化性能较好。     

基于MapReduce的JP算法设计与实现

针对大规模文本聚类分析所面临的海量、高维、稀疏等难题,提出一种基于云计算的海量文本聚类解决方案。选择经典聚类算法Jarvis-Patrick(JP)作为案例,采用云计算平台的MapReduce编程模型对JP聚类算法进行并行化改造,利用搜狗实验室提供的语料库在 Hadoop平台上进行实验验证。实验结果表明,JP算法并行化改造可行,且相对于单节点环境,该算法在处理大规模文本数据时具有更好的时间性能。     

C~1插值二次B样条曲线曲面

利用二次均匀B样条曲线的端点性质,导出了构造插值二次均匀B样条曲线曲面的一种新的基函数―BB基函数。由BB基函数构造了C1保形插值二次均匀B样条曲线,构造了C1双二次均匀B样条插值曲面。     

MEA-AMP混合醇胺捕集烟气二氧化碳过程分析

本文根据焦化烟道气实际数据,应用流程模拟软件Aspen Plus模拟分析了MEA吸收剂以及MEA和空间位阻胺AMP混合吸收剂捕集烟道气中CO₂的吸收解吸效果。结果表明,混合胺浓度30 wt%（摩尔比MEA:AMP=1:1）吸收剂的吸收效果较好,为了进一步考察该种配比混合胺吸收剂的吸收、解吸特性,对其进行了灵敏度分析,并选取了25 wt%MEA为基准吸收剂,对比分析了进料温度、解吸塔再沸器热负荷和解吸塔压力对吸收解吸效果的影响,当吸收剂进料温度40℃时,单一MEA吸收剂吸收CO₂效率86.8%,混合胺的吸收率89.6%:2种吸收剂达到55%的解吸率,单一MEA吸收剂工艺再沸器热负荷为4500 kW,混合胺吸收剂工艺再沸器热负荷为3000 kW;当解吸塔压力1.5 bar时,单一MEA吸收剂对CO₂解吸率52.4%,混合胺吸收剂的解吸率55.8%,由对比结果得出混合胺（摩尔比MEA:AMP=1:1）的吸收、解吸效果均优于单一25 wt%MEA吸收剂。     

多用途化学实验信息化教学平台建设

随着实验教学示范中心建设进程的推进,各级各类化学实验室均承担了多类别的教学任务,同时信息化技术在化学实验教学中的应用也日益普遍,多用途化学实验信息化教学平台成为了迫切需要。在这种形势下,华东理工大学化学实验教学中心开发了相应的信息化教学平台,区别于常见的虚拟化学实验系统,该平台淡化对多媒体技术手段的过分追求,注重贯彻实验前预习、实验中帮助、实验后测试的全过程跟踪的实验教学理念,尤其是实验操作过程中每一步操作的跟踪记录,强调对多类别教学任务的适应性。     

基于改进型偏最小二乘法的高炉炼铁工序能耗预测方法

针对小样本环境下,具有自变量之间多重相关性特点的高炉炼铁工序能耗预测问题,从预测角度利用"舍一交叉"验证方法对偏最小二乘回归模型进行了改进,提出了应用改进型偏最小二乘回归建立预测模型的方法。以我国某钢铁厂高炉炼铁工序的能耗预测为例,说明了改进型偏最小二乘回归法与普通偏最小二乘回归法相比,预测误差平方和能够降低86.76%。     

一种无冗余的Web日志挖掘算法

Web日志挖掘是Web数据挖掘的一个重要研究领域。Web日志挖掘通过发现Web日志中用户的访问规律和模式,可以提取出其中潜在的规律和信息,人们对这个领域的研究也日益重视。然而,传统的基于关联规则的Web日志挖掘算法都是基于所有关联规则的。这种方式往往挖掘产生大量的候选规则,而且存在大量冗余的规则。提出了一种新的无冗余的Web日志挖掘算法,该算法通过引入频繁闭项集合最小关联规则的概念,从而解决了以往基于所有关联规则挖掘算法中出现的上述问题。