针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT (motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能

通过对宣钢脱硫站77组生产数据进行多元线性回归得到了在单吹颗粒镁铁水脱硫时吨铁镁的消耗xMg(kg/t)、喷吹时间t(s)、铁水初始硫含量[%S]0、脱硫量xS、铁水温度T(K)和吨铁镁粒的喷吹速率VMg与脱硫率和镁的利用率的数学模型.通过对数学模型的研究发现:脱硫率随吨铁镁耗量、初始硫含量的增加而增加,随喷吹时间、温度和镁喷吹速率的增大而降低.镁利用率随吨铁镁耗量、喷吹时间及喷吹速率的增加而减少,随喷吹时间的延长、镁喷吹速率、铁液中初始硫含量及温度的升高而升高.在合适的吨铁镁消耗量的情况下,要提高脱硫率和镁利用率,应该在保障脱硫时间的前提下,降低吨铁镁喷吹速率,减少喷吹时间

以连续定向凝固柱状晶组织BFe10-1-1合金在应变速率为0.01~10s-1和变形温度为25~500℃条件下的压缩试验所得实测数据为基础,采用自适应神经网络模糊推理系统(ANFIS)方法,建立了连续柱状晶组织BFe10-1-1合金压缩变形真应力与变形温度、应变速率和真应变关系的预测模型.结果表明:ANFIS模型预测的流变应力值与试验值之间的平均误差为0.75%,均方根误差为2.13,相关系数为0.9996,很好地反映了实际变形过程的特征,而在相同情况下采用传统回归模型预测的平均误差为6.28%,表明ANFIS模型具有优良的预测精度

现有的H型钢矫直理论在求解压下量时未考虑断面畸变现象,无法取得理想的矫直效果.本文应用有限元分析软件ANSYS建立了H型钢辊式矫直时一个矫直单元的有限元仿真模型,研究分析了典型规格H型钢矫直时断面畸变及其主要影响因素和影响规律.结果表明,H型钢矫直时断面畸变主要是腹板凹陷,其对矫直压下量设定的影响不可忽略;而影响腹板凹陷量的主要因素包括矫直压力、侧向间隙和矫直辊圆角半径等,三者的影响规律均为相应参数的二次函数形式.最后给出了典型规格H型钢的矫直腹板凹陷量回归公式.在实际矫直时,实际设定压下量应为理论压下量与腹板凹陷量之和,可取得理想的矫直效果

§4.1 异方差性 一、异方差的概念 二、异方差的类型 三、实际经济问题中的异方差性 四、异方差性的后果 五、异方差性的检验 六、异方差的修正 七、案例 §4.2 序列相关性 一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、案例 §4.3 多重共线性 一、多重共线性的概念 二、实际经济问题中的多重共线性 三、多重共线性的后果 四、多重共线性的检验 五、克服多重共线性的方法 六、案例 *七、分部回归与多重共线性 §4.4 随机解释变量问题 一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例

用三因素二次回归正交实验研究了Na2SiO3，H205，H102浮选药剂在稀土浮选体系中的交互作用，提出了浮选指标与三者用量的相关数学模型和用等值曲线法讨论Na2SiO3，H205，H102之间的交互作用规律，并进行了实践验证.结果表明，Na2SiO3，H205，H102三者之间存在着强度不同的交互作用，以H205与Na2SiO3作用最为强烈，H205与H102次之，Na2SiO3与H102较弱.该交互作用规律在新宝力格稀土选厂应用收到了较好效果.在精矿品位和回收率与原来相近的情况下，H102用量保持原有水平，而Na2SiO3和H205的用量分别降低了19.46%和39.52%

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高

根据炉渣结构的共存理论和CaO-SiO2渣系相图制定了不同温度区间的作用浓度计算模型。在炼钢温度下计算结果表明,考虑2个硅酸盐(CaSiO3和Ca2SiO4)或3个硅酸盐(CaSiO3,Ca2SiO4和Ca3SiO5)的计算模型都是合用的。比较不同计算方案结果证明,用本文回归所得的热力学数据比用文献数据更能符合实际,所以对文献数据应进一步研究。硅酸盐作用浓度的最大值与相图中固液相同成分熔点的位置一致,说明硅酸盐对本渣系的熔点具有极为重要的影响,炉渣总质点数随碱度而变化中出现最小值的原因是炉渣中进行了多个结构质点结合成一个分子的反应

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升