• WAP手机版 RSS订阅 加入收藏  设为首页
期刊知识

某师范学院学报格式示例

时间:2015/3/25 15:36:37   作者:百瑞传媒网   来源:本站综合   阅读:920   评论:0
内容摘要:垃圾邮件并行过滤模型的设计(二号黑体)*XX1,XXX2,XXX1(四号宋体,加黑,居中)(1.大连理工大学机械工程学院,辽宁大连116024)(五号宋体)摘要:随着网络的日益普及,垃圾邮件问题日趋严重,各种过滤垃圾邮件的算法也应运而生。简单贝叶斯方法计算简便,但受算法假设条件的...

垃圾邮件并行过滤模型的设计

 (二号黑体)*

 

X  X1,XXX2,X X1 (四号宋体,加黑,居中)

1. 大连理工大学 机械工程学院,辽宁 大连 116024(五号宋体)

 

摘  要随着网络的日益普及,垃圾邮件问题日趋严重,各种过滤垃圾邮件的算法也应运而生。简单贝叶斯方法计算简便,但受算法假设条件的限制,查全率和正确率都难以达到更高的层次;其他几种方法计算又太复杂。可以将计算机理论中的“流水”概念引入到垃圾邮件分类器中,建立并行过滤模型,查全率和准确率都比较令人满意。(小五宋体)

关键词:垃圾邮件过滤;文本分类;朴素贝叶斯;并行过滤;滑动窗口(小五宋体)

作者简介:x x1981-女,黑龙江大庆人,,黑龙江省大庆师范学院物理与电气信息工程系教师,从事网络与信息安全方向研究

基金项目:大庆师范学院青年基金研究项目:垃圾邮件处理系统(YJG0629(有此项的需填写)

中图分类号:TN911.8 文献标识码:A  文章编号:1006-2165(2009)02-0000-00    收稿日期:2006-11-25

(小五宋体,加黑,除文章编号按模板给的填写外,其他三项需作者查阅资料正确填写)



0  引言(四号宋体,加黑)*

(五号宋体)随着垃圾邮件问题的日益严峻,研究更高效,更精确的过滤方法已经势在必行。文本自动分类技术的广泛应用,使得自动分类的技术也被应用到反垃圾邮件领域。而并行处理凭着高效的优势大行其道,也被运用在各个领域中。本文将二者相结合,建立了一种基于改进的贝叶斯分类算法的垃圾邮件过滤模型,就朴素贝叶斯分类算法假设的限制,提出了基于滑动窗口实现并行过滤的目的。此算法可以提高邮件分类的查全率和准确率。

1  试验方法和试验方案(四号宋体,加黑)

1.1  试验方法(五号宋体)

渗金属试验在自制双层辉光离子渗金属炉中进行,源极材料为Hastelloy C2000合金,尺寸为130 mm×50 mm×4 mm,工件材料为20钢,尺寸为80 mm×25 mm×3 mm。采用脉冲放电模式:源极采用直流电源,工件采用脉冲电源。源极材料Hastelloy C2000的质量分数:wNi=59%wMo=16%wCr=23%wCu=1.6%wC0.01%(五号宋体)

1.2  试验方案(五号宋体)

为了选定正交试验各个工艺参数的取值范围,先结合以往试验研究的经验,然后又进行了20余炉的摸索性试验,确定了正交工艺参数。正交试验按照L16(45)正交表进行试验。指标项目为渗层表面合金元素成分及总质量分数、渗层厚度和吸收率。因素水平表如表1所示。(五号宋体)

1  因素水平表(小五宋体)(表格一律使用三线表)

因素六号宋体

水平

某师范学院学报格式示例1

2

3

4

源极电压UV

1 050

1 000

950

900

工件电压UV

275

250

350

300

气压pPa

35

30

45

40

极间距dmm

15

20

25

22.5

2  数学模型(四号宋体,加黑)

在网络学习部分,采用三层BP神经网络来完成函数的映射。误差逆传播神经网络是一种具有三层或三层以上的阶层型神经网络,如图所示为一个三层前馈神经网络:它包括输入层、隐含层(中间层)、输出层;输入层有i个节点,隐含层有j 个节点,输出层有t个节点。上、下层之间各神经元实现全连接,即下层的每一单元与上层的每一单元都实现权连接,而每层各神经元之间无连接。网络按有教师示教的方式进行学习,当一对学习模式提供给网络后,神经元激活值从输入层经各中间层向输出层传播,在输出层的各神经元获得网络的输入响应。这以后,按减小希望输出与实际输出之间误差的方向,从输出层经各中间层逐层修正各连接权值,最后回到输入层。(五号宋体)

某师范学院学报格式示例

1  典型BP网络示意图(小五宋体,居中,图形尽量用VISIO类的软件完成)

    算法步骤:

(1) 设置初始权系w(0)为较小的随机非零值。

(2) 给定输入/输出样本对,计算网络的输出:

 设第p组样本输入、输出分别为

up=(u1p,u2p,,unp)

dp=(d1p,d2p,,dnp)     p=1,2,,L

 节点i在第p组样本输入时,输出为

某师范学院学报格式示例                             (1) (公式用“mathtype”一类的公式编辑器编写)                     

式中  IjP——在第p组样本输入时,节点i的第j个输入

f是激励函数,采用Sigmoid型,即

某师范学院学报格式示例                                     (2)           

可由输入层经隐层至输出层,求得网络输出层节点的输入。

(3) 计算网络的目标函数J

Ep为在第p组样本输入时网络的目标函数,取L2范数,则

某师范学院学报格式示例     (3

式中  ykp(t)——在第p组样本输入时,经t次权值调整网络的输出,k是输出层第k个节点

网络的总目标函数为

某师范学院学报格式示例                                       (4)

作为对网络学习状况的评价。

判别: 若    

e                                       (5)

式中  e  —— 预先确定的,e0

则算法结束,否则,至步骤(4)

(4) 反向传播计算

由输出层,依据J按“梯度下降法”反向计  算,逐层调整权值。

某师范学院学报格式示例

  某师范学院学报格式示例                                  (6)

式中 某师范学院学报格式示例—— 步长或称为学习率,本文中n

       1 000 000某师范学院学报格式示例0.9

3  计算结果与比较(四号宋体,加黑)

为检验程序的可靠性与实用性,对双层辉光离子多元共渗工艺参数:源极电压、工件电压、极间距、气压对渗层表面的合金元素总质量分数、渗层厚度、各合金元素质量分数、吸收率(工件增重/源极增重)的影响进行了网络学习,并与试验结果进行了比较。模型的输入节点数为4个工艺参数,隐含层节点数为5,输出分别为上叙各指标项。在正交试验16组数据中选择13组作为训练样本,余下的3组以及正交优化工艺作为检测样本。经过1 000 000次训练的试验数据与计算结果的比较见表2、表3(五号宋体)

2  预测渗层表面的成分

编号

质量分数w/%

   Ni           Cr           Mo          Cu

5

49.881

14.695

11.365

1.605

预测值

51.734

16.962

11.211

1.661

12

50.514

16.691

14.071

0.912

预测值

51.171

17.509

13.048

0.415

16

50.290

19.164

 6.480

1.308

预测值

50.826

18.104

  7.8130

1.333

17

57.168

19.655

14.732

1.353

预测值

59.891

20.107

12.163

1.403

从表2、表3可以看出训练样本和检测样本的网络实际输出值与期望值都很接近, 


3  人工神经网络训练与预测值

某师范学院学报格式示例某师范学院学报格式示例某师范学院学报格式示例试验编号

源极电压

UV

工件电压

UV

极间距

dmm

气压

pPa

吸收率s%

渗层厚度δ∕μm

元素总质量分数w%

  试验值       预测值

 试验值      预测值

  试验值       预测值

1

1

1

1

1

70.900

70.587

34.5

34.579

87.496

87.437

2

1

2

2

2

61.200

60.871

36.5

36.380

89.796

89.237

3

1

3

3

3

33.330

32.847

19.0

19.245

84.895

84.508

4

1

4

4

4

44.650

44.401

21.0

20.871

77.579

77.321

 5*

2

1

2

3

48.100

47.753

25.5

24.950

77.546

76.796

 17*

1

2

1

1

79.340

80.920

38.0

38.459

92.908

92.210

  注:*为检测样本值,试验编号17为正交优化工艺六号楷体


4  结论(四号宋体,加黑)

通过对基于神经网络的双层辉光离子多元共渗的工艺研究,建立起工艺参数与渗层的表面合金成分和合金总质量分数、渗层厚度和吸收率之间的映射模型。该模型的建立为多元共渗这种多变量、非线性系统的问题的解决提供了一个有效的工具。(五号宋体)

 

 

[参  考  文  献] (小四号宋体,加黑,居中)

(小五号宋体)(只选最主要的列入,采用顺序编码制,按文中出现的先后顺序编号,文内引用的位置要标注文献序号

[1]Beeley P R. Cast steels for tools and dies: a review[J].The Brithish Foundryman198624(11):441-445

[2]孙万臣,刘忠长,刘巽俊,.燃料特性对小型压燃式发动机 增负荷工况燃烧及HC排放的影响[J.吉林大学学报:工学版,2005,35(2):131-135. 

[3]Sun Wan-chen, Liu Zhong-chang, Liu Xun-jun, et al. Effects of fuel parameter on combustion and HC emissions at sudden loading operation of small compression ignition engine[J]. Journal of Jilin University(Engineering and Technology Edition),2005,35(2):131-135.

[4]任露泉.试验优化设计与分析[M.北京:高等教育出版社,2003226-230.  

[5]闫松申.道路交通事故现场轮胎痕迹智能鉴别系统研究[D].长春:吉林大学交通学院,2003. 
YAN Songshen. The Study on Intelligent Identification System of Tyre Marks at the Road Traffic Accident SceneD. Changchun:College of Transportation, Jilin University,2003.

[6]胡平.大型覆盖件冲压成形CAE软件系统[C 走向21世纪的中国力学—— 中国科协第九次青年科学家论坛报告文集北京:清华大学出版社,199678-87.

Rrsearch on ann-based prediction model used to double glow plasma 

surface alloying processing四号

 

LI Fang1,WANG Li-Li2,ZHANG He-Ming1(小四号)

(1. College of materials Science and Engineering, Jilin University,Changchun 130022,China2. School of Mechanical Engineering, Dalian University of TechnologyDalian 116024, LiaoNing China) 

 

AbstractThe theory and the algorithm of the artificial neural network are applied in the research of the technique and the composition, the gross mass fraction of element, the thickness of surface alloying layer as well as the absorption rate is built. The calculation results are in good agreement with the experimental results.(五号)

Key wordsDouble glow;Artificial neural network;Prediction model 


标签:黑龙江省 师范学院 理工大学 学报格式 

   百瑞传媒网主营业务:论文代写代发、专著出版(挂名)、媒体发稿、软文推广、代办教育部课题、专利申请等。以安全为前提,以诚信为根本,更低廉的服务价格,更专业高效的运作,为您提供最一流的服务。

    业务咨询QQ:86159788 510329886  电话:15836598080(24小时开机)   

    办公电话:0374-2616692        联系人:朱老师

    工作专用信箱:guojian8023@163.com

相关评论

本网站部分内容来源于互联网或由网友提供,如侵犯您的权利请告知,我们会在24小时内及时删除!

Copyright © 2005-2017 百瑞传媒网 www.998365.com    站长QQ:963169880

豫ICP备15007346号-2