简介：降维与分类一直是机器学习的研究热点，在很多领域有着成功的应用．针对基因数据分类存在特征维数过高、冗余数据和高噪声等问题，现提出一种基于ReliefF和自适应粒子群（APSO）优化的混合降维算法．即先通过ReliefF和APSO算法选择特征子集，然后使用超限学习机作为评价函数对基因数据进行分类，最后通过循环迭代得到最优的分类精度．实验证明，混合降维算法与已有的算法相比分类精度更高、更稳定，它适用于基因表达数据降维．
简介：科里奥利质量流量计能够直接测量气体、液体、高粘度介质等流体的质量流量.目前用于天然气管网的科里奥利质量流量计通常用水进行检定校准,检测介质以及压力的差异对结果的影响缺少相关研究.本文通过静力学仿真,对通径为80mm的U型管施加不同大小的压力以模拟不同介质类型,并选取多个型号的流量计分别进行水和天然气对比实验,水流量误差不超过±0.2%,天然气流量误差不超过±1%;实验结果表明压力带来的影响与仿真分析接近,两者的膨胀系数数值大小接近,不同介质的结果具有较好的一致性.
ReliefF和APSO混合降维算法研究
科里奥利质量流量计压力影响仿真与实验研究
