一种基于SVM及文本密度特征的网页信息提取方法

针对网页的多样性、复杂性和非标准化程度的提高,提出一种基于SVM及文本密度特征的网页信息提取方法。该方法先将网页整体解析成DOM树,然后根据网页结构提出五种网页密度特征,用数学模型进行密度比例分析,并采用高斯核函数(RBF)训练样本数据。该方法训练出的数据模型能够准确地去除网页广告、导航、版权信息等噪音信息,保留正文信息块,最后进行正文信息块内除噪。实验表明,该方法不仅有较高的精度,而且通用性好。     

高温高压下立方氮化硼晶体的生长机制

在４．５－５．０ＧＰａ，１５００－１８００℃范围内，对在Ｌｉ基复合氮化物或氮硼化物和催化体系中以及其中添加Ｌｉ８ＳｉＮ４后合成ｃＢＮ进行了研究。探讨了ｃＢＮ晶体的表面构造和生长机制，研究了由六方氮化硼向立方氮化硼转变过程中硅的存在在行为。本实验中合成的立方氮化硼为具有光泽的棕色透明单晶。     

波节管换热器传热试验研究

对3种不同几何尺寸的波节管和光管的换热及其阻力特性进行了试验研究．结果表明,波节的存在增加了对流体流动的扰动,提高了波节管的换热能力;波节管的换热能力随波节长度与波深比值的减小而增加,波节管比光管的换热系数与阻力压降比K／△p提高了1.50～4．01倍．拟合出的准则公式可为波节管实际应用提供一定的参考．     

隧道扫描成像中的一种图像校正方法

提出了一种快捷、实用的用于隧道扫描成像中的图像的校正方法,并通过采用VC编程表明这种方法是可行的.首先寻找一条边线,然后以此为依据校正整个图像.     

常见的电测遇阻、遇卡类型及其技术对策

本文通过列举胜利油田海区施工中常见的几种电测遇阻、遇卡类型,阐述通过加强井身质量管理,细化电测前的井眼准备工作,从而提高电测的一次成功率,缩短建井周期,以获得良好的钻井综合效益。     

透明氮化铝陶瓷的制备

本文采用碳热还原法制得的ＡｌＮ粉,使用烧结剂ＣａＣ２,热压制备了透明氮化铝陶瓷,实验证明,纯度高、粒径料小、且均匀的ＡｌＮ粉是制备透明ＡｌＮ陶瓷的必要条件。ＡｌＮ陶瓷从紫外,可见光到近红外均透明,显微结构研究表明,ＡｌＮ陶瓷透明是由于晶粒完整规则,紧密排列,晶界干净,而气孔、晶粒内和晶界第二相杂质、缺陷是影响透明度的原因。     

Ca-a-Sialon的反应致密化

本文通过反应热压制备了单相Ca-a-Sialon材料,研究了Ca-a-Sialon形成的反应致密化过程. 不同温度下产物的XRD结果表明,1250℃样品开始软化,1300℃时体系中反应形成了钙铝黄长石相,1500℃时钙铝黄长石重新溶解于液相中,同时形成了Ca-a-Sialon, 1600℃时反应完全,原料中各相完全消失,形成了单相Ca-a-Sialon. 不同温度下产物的密度表明,伴随着上述反应形成过程,材料经过颗粒重排、溶解-反应-沉淀过程和晶粒生长三个阶段,通过液相烧结达到了致密化.     

混合文化优化算法及在车间调度中的应用

针对文化算法收敛速度慢、易陷入局部最优解以及种群多样性少的问题, 本文对文化算法进行优化设计, 提出一种将带有精英保留策略的遗传算法(GA)和模拟退火算法(SA)纳入文化算法(CA)框架的混合优化算法. 此算法基于协同进化的思想, 算法分为下层种群空间和上层信念空间, 两个空间采用了相同的进化机制, 但使用不同的参数. 在文化算法的基础上加入带有精英保留策略的遗传算法, 使种群中的优秀个体直接进入下一代, 以此提高收敛速度; 加入模拟退火算法, 利用其具有突变的特点, 概率性的跳出局部最优并接受劣质解, 以此增加种群多样性. 函数优化结果证明了算法的有效性, 将此算法用于求解最小化最大完工时间的流水车间调度问题, 仿真结果显示, 此算法在收敛速度和精度方面都优于其他几个具有代表性的算法.     

一种多尺度协同变异的萤火虫粒子群混合算法及在车间调度中的应用

车间调度对于制造企业提高生产效率、降低生产成本具有重要的作用,针对单一优化算法在解决调度优化问题时存在的不足,探索求解速度和求解质量的均衡,提出了一种多尺度协同变异的萤火虫粒子群混合算法;引入动态自适应策略把种群分为两组,对两组族群平行进化,在保持种群多样性的同时提高求解速度;引入多尺度协同变异算子,利用不同大小方差的自适应高斯变异机制使种群以尽量分散的变异尺度来搜索解空间,通过混沌初始化种群进一步提高算法的局部检索能力;将提出的算法应用于函数优化和流水车间调度问题求解,实验结果显示,算法在求解效率、精度方面优于对比算法,具有较好的性能和应用价值。     

基于LSTM时间递归神经网络的短期电力负荷预测

短期电力负荷预测对于电网运行方式安排、计划检修、静态安全分析有着越来越重要的作用。LSTM时间递归神经网络可很好地处理负荷数据的时序性和非线性,适合用于短期电力负荷预测。提出一种基于长短期记忆(Long Short-Term Memory,LSTM)时间递归神经网络的电力负荷预测方法,并使用这种方法对昆明电网日电力负荷值进行预测,最终证明LSTM模型的准确及便利。