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：对同轴射流的流动及其冲击传热特性进行了数值模拟研究.研究中采用了四种同轴射流模型,它们分别由不同直径比或不同内套管长度构成,对三个Re数下同轴自由射流流场发展和演变的特征进行了模拟.研究表明,由于同轴内套管的存在,在出口处速度沿径向的分布呈现双峰形状,双峰会随着离开出口距离的增加而消失.直径比对速度分布影响较大,但离开出口足够远后,射流速度分布就不受喷嘴结构参数和流动雷诺数的影响.同轴射流冲击传热时,直径比d/D=0.53的同轴射流在整个平板上都比普通圆柱射流有更好的强化传热效果;在冲击驻点附近,传热性能受同轴射流的直径比影响较大.
ReliefF和APSO混合降维算法研究
同轴射流流场及冲击传热特性的数值模拟
