为了解决社交网络中用户申请加入群组的合适性判断问题，将安全多方计算技术中的求和协议与秘密比较协议相结合提出了保护私有信息的合群判定协议.其中基础协议解决一维线性模型下问题的安全求解，扩展协议对基于圆边界的多维模型情况进行判定.针对单一申请者与网络群组多用户的特点，将问题转换为两方计算模型可实现的形式，在证明了协议正确性的基础上分析协议的复杂度，并且利用安全视图的方法逐步验证了在协议执行过程中不会泄露任何个人的隐私数据.实际使用中协议能够有效地回避盲目的系统推荐和管理员离线所产生的判定时延，同时保护申请者和群组成员的隐私数据

采用FLAC3D程序和离散裂隙网络技术构建的遍布节理岩体模型能同时考虑节理岩体中节理和岩体的作用,具有概念清晰、建模快捷、计算效率高等特点.首先对现场结构面测绘数据进行统计分析,获得其概率分布特征参数,在此基础上分两尺度考虑节理并确定其离散裂隙网络模型;其次基于离散裂隙网络模型构建相应的节理岩体模型,研究其强度特征并获取工程岩体单轴抗压强度;结合Hoek-Brown、Mohr-Coulomb准则及最大围压拟合综合确定节理岩体力学参数;最后将拟合所得参数用于边坡稳定性分析,分别运用强度折减法和极限平衡法计算两种模型的安全系数,对比发现计算结果基本一致,表明所提出的研究思路用于确定节理岩体参数是可行的

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性

提出了用神经网络插值代替拉氏插值计算裂纹形成时间(TTCI)值,用极大似然估计代替均秩估计法估计分布参数的方法.考虑到仅对一组TTCI值进行参数估计具有较大的随机性,文中对每种参考裂纹尺寸对应的TTCI值均进行极大似然估计,得出多组TTCI分布参数;然后利用不同参考裂纹尺寸对应的TTCI分布参数之间的关系确定结构细节的当量初始缺陷尺寸分布参数.对某零件的疲劳实验及其原始疲劳质量分析证明了该方法的可行性和合理性

鉴于炉热状态判断对电石冶炼的重要性,在对电石炉冶炼过程特点分析的基础上,提出炉热指数的基本概念.建立了基于两段式热平衡分析的炉热指数计算模型,在此基础上建立了基于BP神经网络的电石液温度预测模型.采用这两种模型可以更有效地对电石炉热状态进行判断.模型仿真研究表明,电石液温度与高温区热盈余线性相关,用炉热指数判断电石炉热状态是可行的.电石液温度预测模型的命中率达到86.7%

将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

针对复杂生产过程中的工况识别问题,利用了模块化的设计方法,将其分为离线建模模块和在线决策模块.建模模块采用自适应延时神经网络构造各类工况相应的预测模型,决策模块通过计算未知工况序列相对于各类预测模型的匹配程度判断其所属类别

通过将轧制变形区离散化的方法,在考虑变形区内横截面上张应力、摩擦应力等影响因素沿带钢轧制方向分布规律及其与带钢厚度及压下量的关系的基础上,采用数学模型和神经网络相结合的方法计算了金属变形抗力,建立了冷连轧机轧制力在线计算数学模型.经大型工业轧机生产实践数据检验,该冷连轧机在线轧制力计算模型预报误差控制在6.1%以内,满足模型在线控制要求,可提高在线控制轧制力模型的计算精度

针对传统最小二乘多项式板形模式识别方法鲁棒性差、各分项物理意义不明确,以及普通BP(back propagation)识别法精度低等问题,选用勒让德多项式作为板形基本模式,提出一种基于二叉树型分层BP的板形模式识别并行计算模型.该模型通过逐层细化预测范围并选用多个神经网络进行递推.实验结果表明,采用此方法不仅增强了系统的抗干扰能力,而且提高了系统的识别精度

鉴于边坡系统影响因素之间的高度非线性和不确定性,融合RS-GP模型的优势,提出了依据边坡稳定性影响因素类比计算边坡安全系数的方法.该方法通过学习样本的数据特征分析、计算属性的重要性及约简规则,降低了遗传规划预测模型的结构规模.人工神经网络(ANN)模型与RS-GP模型计算结果比较表明:该方法具有计算速度快、容错能力强及精度高等特点