针对非平衡数据集分类中\少数类样本精度难以提高\这一瓶颈问题,提出了一种基于协同进化机制的欠采样方法.此方法将少数类样本与多数类样本划分为两类种群,采用种群协同进化原理,利用提出的动态交叉变异算子自适应协同进化过程,实现种群间自动调节和自动适应.仿真试验结果表明,此采样方法增强了局部随机搜索能力,改善了种群的分布特性,加强了算法的全局收敛能力,在不降低多数类样本分类性能的基础上有效提高了少数类样本的精度.与其他经典重采样方法相比,本文办法抗噪能力好,具有更强的鲁棒性

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

在贝叶斯理论框架下, 提出了一种基于多源数据融合的深埋硬岩隧道围岩参数概率反演方法.首先, 分析硬岩隧道常用的启裂-剥落界限本构模型中围岩单轴抗压强度、启裂强度与抗压强度比及抗拉强度三个参数不确定性来源, 确定其概率统计特征; 其次, 利用粒子群算法优化多输出支持向量机, 建立反映反演参数与隧道监测数据间非线性映射关系的智能响应面; 最后, 结合贝叶斯分析方法构建概率反演模型, 运用马尔科夫链蒙特卡洛模拟算法实现了围岩参数的动态更新.将该方法应用到某深埋硬岩隧道中, 利用反演的围岩参数计算隧道拱顶下沉点、周边收敛点变化值及开挖损伤区深度, 与监测数据吻合较好.结果表明, 该方法可以实现围岩多参数快速概率反演, 更新后的参数可用于硬岩隧道施工安全风险评估与结构可靠性设计

第2章C++语言基础 本章是学习C++语言的基础,包括以下几个方面: 1.结构化程序设计方法与面向对象程序设计方法的各自特点、区别和相互联系。 2.面向对象的程序设计方法中的有关概念,如类、对象、封装、继承、消息和多态性等。 3.C++程序的基本组成和框架结构 4.掌握C++语言中的基本数据类型、各种运算符、表达式。 5.C++数据输入流对象cin和输出流对象cout的使用。 6.程序的3种基本结构 7.构造数据类型,如数组、结构体、指针等的定义方法、特点和使用方法。 7.函数的定义、调用及函数调用过程中的参数传递的机理和程序执行流程。 8.引用的概念及其定义和使用方法

在实验室工艺硏究、中试放大研究及生产中都涉及化学 反应各种条件之间的相互影响等诸多因素。要在诸多因素中 分清主次,就需要合理的试验设计及优选方法,为找出影响 生产工艺的内在规律以及各因素间相互关系,尽快找出生产 工艺设计所要求的参数和生产工艺条件提供参考。 试验设计及优选方法是以概率论和数理统计为理论基础 ,安排试验的应用技术。其目的是通过合理地安排试验和正 确地分析试验数据,以最少的试验次数,最少的人力、物力 ,最短的时间达到优化生产工艺方案 试验设计及优选方法过程包括:试验设计、试验实施和 对实验结果的分析三个阶段

将爆破损伤视为爆破应力波和爆生气体压力共同作用的结果,分别考虑不同的地应力条件(侧压力系数0.5、1和2,竖直方向地应力5 MPa和10 MPa)和节理角度(30°、45°、60°和90°),开展含节理岩体双孔爆破过程的数值模拟,研究爆生裂纹萌生—扩展—贯通过程的演化规律.无节理时,初始应力场对爆生裂纹的扩展具有一定的导向作用,裂纹扩展主方向趋于最大地应力方向.节理对裂纹的扩展方向具有一定的影响,节理角度为30°时,爆生裂纹与节理面连通,形成典型的‘之’字形断裂.节理对裂纹萌生和扩展具有明显的促进作用,有利于孔壁上下侧裂纹沿竖直方向的扩展

重点：反馈的概念、反馈性质的判断方法、深度负反馈条件下放大倍数的估算方法、引人负反馈的方法和负反馈放大电路稳定性的判断方法和消振方法。难点：反馈概念的建立、反馈的判断、反馈网络的确定、稳定性的判断主要表现为基本概念和基本知识不清,比如,没有建立起只要放大电路的输出回路和输入回路之间有联系(不一定是输出端和输入端产生联系)就有反馈,反馈量是仅仅决定于输出量的物理量等概念

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

为实现结晶器过程可视化和辅助漏钢预报技术，提出一种等值线区域填充法快速高效绘制直观的结晶器在线热像图的方法.该方法通过离散数据网格化、等值线生成和等值多边形填充绘制云图.其中，等值线生成采用网格序列法和单元剖分法结合，避免了已往的等值线追踪和二义性问题，高效准确，实现简单.将该方法与扫描母元法相比，前者绘制云图速度快，保证了精度和质量，优于后者，且算法复杂度的分析也证明了前者时间效率较高.实际应用结果表明，该方法绘制的结晶器在线热像图能很好地反映正常和非正常情况下结晶器内部温度场的特征，可满足实际生产要求

随着物联网技术的发展，前端传感器的使用使得低合金钢的海水腐蚀监测成为了现实，从而获得了大量的腐蚀数据。针对传统均值法处理双率腐蚀数据带来的数据信息损失以及建模精度下降问题，提出了一种基于综合指标值(CIV)和改进相关向量回归(IRVR)的双率腐蚀数据处理和建模算法(CIV-IRVR)。首先，通过构建CIV表征输入数据的综合影响并采用天牛须搜索(BAS)算法对其参数进行寻优；然后，建立最优CIV序列与输出数据间的线性回归模型将双率数据转化为建模用的单率数据，能够更多地保留原始数据信息；最后，给出了一种BAS算法优化的具有组合核函数的改进相关向量回归建模方法(IRVR)，并建立了针对低合金钢海水腐蚀双率数据的CIV-IRVR预测模型。结果表明：相比于均值方法处理双率腐蚀数据，所提方法将建模样本数量由196提升到了1834；相比于海水腐蚀建模领域常用的人工神经网络(ANN)和支持向量回归(SVR)建模方法，所提模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(CD)分别为1.1914 mV、1.5729 mV以及0.9963，在各项指标上均优于对比算法，说明所提模型不仅减少了信息损失还提高了建模精度，对于双率海水腐蚀数据建模具有一定现实意义