等效换热系数是热连轧机工作辊温度场仿真模型的核心输入参数，多采用遗传算法优化得到，某1800 mm 热连轧机存在品种、规格交替轧制，等效换热系数的准确计算比较困难.选取多组典型工艺条件下的工作辊下机后表面温度作为优化目标，采用多目标遗传算法进行优化，并通过改变遗传算子有效避免了算法早熟及局部收敛等问题，获取了具有较强适应性的等效换热系数.仿真和实测数据的对比结果证明了优化模型的可靠性.利用仿真模型分析了主要工艺参数对工作辊热凸度的影响，并提出同宽交替时，工作辊热凸度随轧制进程呈指数变化，而在品种、规格交替编排轧制工艺下相邻带钢轧制时工作辊热凸度存在6-21.8μm 的波动，且随轧制进程趋于稳定

针对锂离子电池荷电状态（Stage of charge，SOC）在线估计精度不高，等效电路模型法估计精度与模型复杂度相矛盾的问题，本文对扩展卡尔曼滤波算法进行了改进，并以电池工作电压、电流为输入，对应等效电路模型法的SOC估计误差为输出，采用极限学习机算法，建立基于输入输出数据的SOC估计误差预测模型，采用物理–数据融合方法，基于误差预测模型，建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明，改进扩展卡尔曼滤波算法提高了算法的估计精度，而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差，克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题，进一步提高了SOC的估计精度，满足估计误差不超过5%的应用需求

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

六、理论板数的捷算法 七、关于二元连续精馏的其它流程 1．塔顶设有分凝器 2．冷液回流 3．直接蒸汽加热流程 4．多股加料和侧线出料流程 5． 回收塔流程

六、理论板数的捷算法 七、关于二元连续精馏的其它流程 1.塔顶设有分凝器 2.冷液回流 3.直接蒸汽加热流程 4.多股加料和侧线出料流程 5.回收塔流程

乘法是求几个相同加数之和的简便算法。在乘法算式中,乘号 前面的数叫做被乘数,乘号后面的数叫做乘数,乘法运算的答案叫 做乘积。大家知道,要进行乘法运算必须熟悉乘法口诀表,乘法口 诀是我们进行乘法运算的基础

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

5-1已知A[n]为整数数组,试写出实现下列运算的递归算法: (1)求数组A中的最大整数。 (2)求n个整数的和。 (3)求n个整数的平均值。 【解答】 #include class RecurveArray ∥数组类声明

6.1 数字签字概述 6.2 基于公钥加密的签名-RSA数字签名体制 6.3 基于离散对数的数字签名 6.4 基于大数分解的数字签名 6.5 基于身份的数字签名 6.6 特殊用途的签名 6.7 数字签名标准

有许多问题，当需要找出它的解集或者要求回答什么 解是满足某些约束条件的最佳解时，往往要使用回溯法。 回溯法的基本做法是搜索，或是一种组织得井井有条 的，能避免不必要搜索的穷举式搜索法。这种方法适 用于解一些组合数相当大的问题