采用热膨胀仪对船板钢NVE36进行了连续冷却转变曲线(CCT曲线)的测定,并用显微镜观察其室温组织,用维氏硬度仪测定了组织硬度.利用Matlab软件平台对实验数据进行处理,建立了相变点温度-冷却速率关系模型及动力学回归模型,回归计算得到该钢种的最优模型系数.最后对比了NVE36钢在连续冷却过程中实验和回归模拟的动力学行为.结果表明计算值与实验值吻合很好,证明所建立模型的合理性及数据处理方法的可行性

根据热力学和统计热力学基木原理以及大量实验,在原子态溶液体系范围内证明了溶液混合焓△${\\rm{H}}\\frac{{\\rm{E}}}{{{\\rm{mix}}}}$与混合超额熵△${\\rm{S}}\\frac{{\\rm{E}}}{{{\\rm{mix}}}}$具有符号一致性的规律。从而建立了一种判断实验数据△${\\rm{S}}\\frac{{\\rm{E}}}{{{\\rm{mix}}}}$,△${\\rm{H}}\\frac{{\\rm{E}}}{{{\\rm{mix}}}}$,△${\\rm{G}}\\frac{{\\rm{E}}}{{{\\rm{mix}}}}$可靠性的极限方法

利用粒子与壁面碰撞频率及接触时间的实验数据,以及粒子扰动对提高局部对流换热系数的实验数据,修正了理论模型,并预测了沿流化床中水平埋管周围不同角度的局部传热系数变化规律。它与有关文献的实验结果吻合良好

通过改变保温温度和保温时间研究了DP590级双相钢奥氏体晶粒长大行为,并探讨了加热速率对各温度下初始晶粒尺寸的影响规律.初始晶粒尺寸随着加热速率增加而不断降低,并最终趋于定值;奥氏体晶粒尺寸随保温时间的延长不断增大并最终趋于不变.采用Sellars晶粒长大模型对实验数据进行拟合,为避免处理方法不同造成的处理结果偏差,提出了一种新的实验数据处理方法,并建立了双相钢初始晶粒尺寸模型和晶粒长大模型.所得模型参数更加合理可靠,计算结果与实验结果吻合很好

注意力缺陷多动障碍（ADHD）是儿童期最常见的精神疾病之一，在大多数情况下持续到成年期。近年来，基于功能磁共振数据的ADHD分类成为了研究热点。文献中已有的大多数分类算法均假设样本是均衡的，然而事实上，ADHD数据集通常是不平衡的。传统的学习算法会使得分类器倾向于多数类样本，从而导致性能下降。本文研究了基于不平衡神经影像数据的ADHD分类问题，即基于静息状态功能磁共振数据对ADHD进行分类。采用功能连接矩阵作为分类特征，提出了一种基于多目标支持向量机的ADHD数据分类方案。该方案将不均衡数据分类问题建模为具有三个目标的支持向量机模型，其中三个目标分别为最大化分类间隔、最小化正样本误差和最小化负样本误差，进而正负样本经验误差可以被分开处理。然后采用多目标优化的法向量边界交叉法对模型进行求解，并给出一组代表性的分类器供决策者进行选择。该方案在ADHD-200竞赛的五个数据集上进行测试评估，并与传统分类方法进行对比。实验结果表明本文提出的三个目标支持向量机分类方案比传统的分类方法效果好，可以有效的从算法层面解决数据不平衡问题。该方案不仅可用于辅助ADHD诊断，还可用于阿尔茨海默病和自闭症等疾病的辅助诊断

实验一 统计数据的搜集与整理 实验二 统计图表 实验三 统计数据的描述 实验七 综合实验 实验六 回归分析 实验五 相关分析 实验四 长期趋势和季节变动测定

为了以有限的实验数据确定预应力锚杆布置的合理间距,结合山东省境内的104国道界河立交桥加筋土挡土墙的失稳加固工程实例,首先通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系建立模型,然后采用现场实验数据样本进行模型训练,最后采用人工鱼群算法对模型进行优化,获得合理的布置间距,并通过加固效果监测验证了参数的合理性.结果表明,该法具有建模容易、收敛快和计算精度高等特点,说明该模型是合理可行的

在可靠度指标的基础上引入了置信度指标,提出可靠度与置信度的双可靠性指标的安全系数概念,并根据可靠性理论推导出新计算公式.该公式考虑了实验数据样本容量的影响,给出了小子样实验数据条件下的安全系数取值.将新安全系数应用于结构可靠性设计,算例结果表明,与其他方法相比,此方法计算结果安全系数更合理,且简单实用,能满足结构可靠性设计的要求,可取得显著的减重效果

概率分布函数反映了随机变量的概率分布规律; 在概率论中处理概率分布时一般不涉及分布的物理来源,为 在实验数据分析中正确地掌握和运用这些分布函数,需要: 熟悉公式及运算规则 分布的物理意义;

为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法