局部充填过空巷技术充填体参数研究

为了消除木瓜煤矿10-102综采工作面过空巷时的安全隐患,建立空巷内局部充填顶板力学模型进行充填体合理间距的理论计算,并应用数值模拟软件建立空巷局部充填模型分析不同充填体长度对过空巷时工作面顶板下沉量进行分析,确定了8m长的充填体长度、8m的充填体间距的局部充填参数。通过现场应用并对工作面过空巷时液压支架的受力情况进行分析,发现工作面推至空巷时平均支架压力较距空巷40m时上升9.7%,且过空巷过程中并没有安全阀开启,该施工参数可保证工作面顺利安全的通过空巷。     

新型冠状病毒肺炎综述文献的网络结构分析

对新型冠状病毒肺炎综述文献进行网络结构分析可为新冠疫情的应对提供有效的理论支持。采用可视化软件CiteSpace对Web of Science数据库中新型冠状病毒肺炎综述文献的引文数据进行共被引网络分析，经统计发现文献共被引网络的度分布呈幂律分布，网络连通性较强且存在小世界现象。运用团渗流算法对其进行重叠社团挖掘，检测到7篇同时跨3个社团的核心文献，结合被引频次对网络重叠节点的功能进行验证。借助网络重叠节点的ID符号、介数中心性指标发现相应研究主题间联系紧密。通过不同特征的重要网络节点，能够有效挖掘到相关的研究主题。     

局部信息保持极限学习机的遥感图像分类

极限学习机ELM(Extreme learning machine)以其简单快速和良好的泛化能力在模式识别和机器学习领域得到了广泛的应用。近年来,研究人员将其应用到高光谱遥感图像分类问题中。然而,由于数据样本有限,极限学习机及其相关技术在遥感图像中存在数据学习不充分的问题。流形学习算法揭示了数据内在的几何结构信息。根据遥感图像的特点,基于流形学习的思想,将遥感图像数据样本的流行结构引入到ELM模型中,提出一种基于局部信息保持极限学习机LPKELM(locality information preserving extreme learning machine)。为了验证所提算法的有效性,使用两个高光谱遥感图像数据集进行实验。实验结果表明,LPKELM的分类性能优于SVM、KELM、KCRT-CK和MLR算法。     

基于改进的差异演化算法求解SVM反问题的研究

针对求解支持向量机反问题的效率较低,算法复杂度高以及运用传统方法求解该问题容易陷入局部最优出现早熟收敛的问题,提出一种基于改进差异的差异演化算法。该算法在标准差异演化算法的基础上利用种群分类机制对算法进行改进,对改进后的算法与标准差异演化算法和K-means聚类算法进行实验设计,并对算法最终实验结果进行分析,改进的差异演化算法除在运行时间外,结果对比以及最大间隔次数比都有明显的提升,有效地保护处于最优解区域但是适应值低的个体,能够提高算法局部搜索能力,有助于算法实现全局收敛。实验结果表明,改进的差异演化算法在求解SVM反问题上能有明显的提升。