一种基于鲁棒估计的极限学习机方法

极限学习机(ELM)是一种单隐层前馈神经网络(single-hidden layer feedforward neural networks,SLFNs),它相较于传统神经网络算法来说结构简单,具有较快的学习速度和良好的泛化性能等优点。ELM的输出权值是由最小二乘法(least square,LE)计算得出,然而经典的LS估计的抗差能力较差,容易夸大离群点和噪声的影响,从而造成训练出的参数模型不准确甚至得到完全错误的结果。为了解决此问题,提出一种基于M估计的采用加权最小二乘方法来取代最小二乘法计算输出权值的鲁棒极限学习机算法(RBELM),通过对多个数据集进行回归和分类分析实验,结果表明,该方法能够有效降低异常值的影响,具有良好的抗差能力。     

一种改进隐朴素贝叶斯算法的研究

朴素贝叶斯分类器(NB)由于结构简单,计算高效而被广泛应用,但它不能充分利用属性间的依赖关系,有一定的局限性.因此,隐朴素贝叶斯分类器(HNB)通过为每个属性引入一个隐藏父节点,将各个属性之间的依赖关系都综合其中,使属性间的依赖关系得到了利用.但隐朴素贝叶斯分类器忽略了属性对与该属性的依赖关系,故在此基础上提出一种改进算法--双隐朴素贝叶斯算法(DHNB),使属性对与该属性的依赖关系得到了充分的利用,并提出一种新型的阈值定义法,使得选取的阈值让分类精度与时间复杂度的比值为最大,缓解了算法时间复杂度和分类精度之间的矛盾.然后将改进的算法在UCI数据集上进行仿真试验,结果表明其分类性能优于HNB和NB,该方法具有较好的适用性.     

水平井射孔枪打捞工艺方法及应用

为了解决塔河油田水平井射孔枪打捞难题,防止打捞不成功造成次生事故,从实际出发,对射孔枪结构、水平段管柱受力及打捞难点进行剖析,对打捞工具进行优选并改造,形成了一套具有塔河油田特色的水平井水平段射孔枪打捞配套技术与专用工具,提高了作业效率与成功率。TK123H井和TK931H井的应用结果表明,该射孔枪打捞工艺能够满足塔河油田现场打捞需求,具有一定的推广价值。     

石墨烯掺杂聚合物基PTC复合材料的研究进展

本文综述了近年来国内外聚合物基PTC复合材料的研究进展,介绍了该复合材料的制备工艺及相关的性能,阐述了影响PTC效应的主要因素及提高其稳定性的方法,展望了石墨烯掺杂聚合物基PTC复合材料的研究方向及发展前景。