融合动态层次聚类和邻域区间重组的蚁群算法

针对蚁群算法搜索速度过慢以及解质量不足等问题,提出一种融合动态层次聚类和邻域区间重组的蚁群算法。在初始阶段,调整层次聚类阈值并按照类间距离最小合并的原则迭代至目标簇集,根据预合并系数进行簇间合并,通过蚁群系统得到小类路径并断开重组以加快算法整体收敛速度;接着使用蚁群系统对解空间进行优化,同时并行处理簇集与簇集邻域区间扩散重组,增加解的多样性,进一步固定迭代次数进行比较,若邻域区间重组解质量优于当前优化解则进行推荐处理,提高解的精度;当算法停滞时,引入调整因子降低各路径信息素之间差异以增强蚂蚁搜索能力,有助于算法跳出局部最优。实验结果表明,在面对大规模问题时,算法的精度在3%左右,该方法相比传统方法可以有效提高解的精度和收敛速度。     

基于数据分布的聚类联邦学习

联邦学习(federated learning)可以解决分布式机器学习中基于隐私保护的数据碎片化和数据隔离问题。在联邦学习系统中,各参与者节点合作训练模型,利用本地数据训练局部模型,并将训练好的局部模型上传到服务器节点进行聚合。在真实的应用环境中,各节点之间的数据分布往往具有很大差异,导致联邦学习模型精确度较低。为了解决非独立同分布数据对模型精确度的影响,利用不同节点之间数据分布的相似性,提出了一个聚类联邦学习框架。在Synthetic、CIFAR-10和FEMNIST标准数据集上进行了广泛实验。与其他联邦学习方法相比,基于数据分布的聚类联邦学习对模型的准确率有较大提升,且所需的计算量也更少。     

高热稳定性和可逆交联性质的含新型偶氮发色团电光聚合物的研究

制备了两种新型的分别含有以三苯胺为电子给体的偶氮类发色团作为特征活性官能团和3-呋喃甲酸及受保护的马来酰亚胺的可交联型聚合物体系．通过研究表明利用该制备方法，发色团在聚合物中的含量得到了极大的提高，分别达到32．1％（NLO1_P1）和44．4％（NLO1_P2）．该聚合物体系以“DielsAlder”[4＋2]环加成反应作为其交联特征，具有高温非交联、低温交联的特点，其过程与以往的热交联型聚合物相反，可解决传统电光交联聚合物中存在的热交联对极化效率影响的问题并用热失重分析法（TGA）和差示扫描量热法（DSC）分析了这一过程．此外DA交联型聚合物，不需要引入额外的助交联剂，克服了传统热交联聚合物分离难的问题，最大程度的保证了材料的纯度．     

锂离子电池凝胶聚合物电解质

对锂离子凝胶聚合物电解质的结构特征、导电机理、制备方法进行了总结和评述,对锂离子聚合物电解质及锂离子电池的发展进行了预测。     

橡胶防老剂合成技术进展

橡胶防老剂是主要的橡胶助剂门类，按结构可以细分为：萘胺类、喹啉类、对苯二胺类、二苯胺类，目前国内外橡胶防老剂应用品种日趋集中，主要以对苯二胺类和喹啉类产品为主，另外一些用于浅色橡胶环保型酚类橡胶防老剂也值得关注。随着我国橡胶及轮胎工业的迅猛发展，橡胶防老剂需求快速增加，本土化供应趋势越来越明显，另外全球橡胶防老剂生产与市场东移，显示出我国橡胶防老剂良好市场前景。由于橡胶防老剂应用品种日趋集中化，加之国家环保要求越来越高，因此未来橡胶防老剂的竞争主要是产品质量、生产成本的竞争，     

离子化对SBS/聚(苯乙烯-甲基丙烯酸甲酯)热塑性互穿聚合物网络结构与力学性能影响的研究

采用原子转移自由基聚合（ATRP）法合成了聚（苯乙烯一甲基丙烯酸甲酯）[P（St—MMA）]，采用两步法制备了SBS／P（St—MMA）热塑性互穿聚合物网络（TIPN）。在双螺杆挤出机上通过熔融挤出方法对SBS／P（St—MMA）直接进行水解，制备了含有离子键的SBS／P（St—MMA）TIPN。离子化后TIPN的拉伸强度明显增加，在离子化程度为25％时达到最大，断裂伸长率明显下降。TIPN的中PB和PS嵌段的Tg均明显增加，PS嵌段增加更加明显，提高20℃；弹性模量E’均明显提高。     

镍铝类水滑石在乙酸介质下催化氧化苯甲醛合成苯甲酸

水滑石类材料包括水滑石和类水滑石，已成为一种在催化、吸附分离和离子交换等方面具有很大应用潜力的新型无机材料。将NiAl-HTLes应用于乙酸作为溶剂下苯甲醛液相空气氧化合成苯甲酸的反应当中，研究反应条件对催化活性及选择性的影响。     

面向聚类的平面反射数据扰动方法

面向聚类的数据隐藏通常使用数据扰动技术防止敏感信息泄露。针对现有的面向聚类的数据扰动方法隐私保护度低的问题,提出一种基于平面反射的数据扰动方法,将发布对象的全部属性两两配对构成平面上的点,再随机选择一条直线,作每对属性关于直线的对称点,转换后的数据即为发布的数据。实验结果表明,这种方法具有较好的隐私保护度和聚类可用性,且对高维数据有良好的适应性。     

基于遗传算法优化的OCSVM双轮廓模型异常检测算法

针对Modbus工业总线协议的特殊性及工控数据样本的不均衡性,利用单类支持向量机（OCSVM）分别构建正常OCSVM模型和异常OCSVM模型,即双轮廓模态来模拟系统通信的正常模式和异常模式,从而实现工控系统异常检测。同时将遗传算法优化自变量降维应用于工控网络入侵检测场景,实现对输入自变量的降维压缩处理,防止OCSVM模型出现过拟合现象及分类准确率低的问题,提高异常检测的精度,缩减建模时间。通过仿真验证了该算法对工控网络异常检测的有效性。     

基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法

针对企业电力负荷随机性强、稳定性低、预测精度不理想等问题,提出了一种基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法。首先对最大偏差相似性准则算法进行修改,并提出使用预测日的负荷特征向量与最大偏差相似性准则算法聚类之后的类中心负荷特征的距离来确定预测日的相似日类别;然后将聚类后的相似日类别负荷数据作为BP网络的训练数据,输出预测日起始的连续三天96整点负荷值。实验表明,该方法提出的短期电力负荷预测方法在精度和网络训练时间上都有较大的提升,具有较高的有效性和实用性。