基于KICA子空间虚假邻点判别的软传感器变量选择方法

格式：pdf
大小：745.51 KB
文档页数：7

下载文档原格式

软测量辅助变量选择方法研究

机理分析初步确定辅助变量。辅助变量包括变量类型、变量数目和检测点位置。辅助变量的选择
火电厂生产中一些重要热工参数以目前的测应符合关联性、特异性、过程适应性、精确性和量手段不能准确测量，采用软测量技术可以有效鲁棒性。辅助变量的下限是被估计的主导变量数，地解决这个问题。在整个软测量辨识过程中，选但是上限没有统一的理论指导，可以根据系统的
机理分析主要是明确软测量的任务，确定主面的性质：
收稿日期：２１００１— ４—１。１
作者简介：王建（９６＿，男，硕士研究生，研究方向为检ｉ技术与自动化装置，Ｅｍａ：ａｇａｇｊｎ６．ｏ。１８）贝０－ｉｗｎｗｎ．ｉ＠１３ｃｒｌａｎ
３８
电
力
科
学
与
工
程
２１在０１
∑：１ｒ＝＝ｒｉ（（ ∑Ｐ ∑ＰＷ（）１：Ｖ）ａＸ）
且前ｋ个主元所携带的方差信息占系统总的方差信息的比例为
，
ｌ线性相关的程度较差。通过判断相关系数的，运用ＭＡＬＢ或其他计算工具计算出选出的ＴＡ
预测结果进行比较，最终确定辅助变量。
关键词：辅助变量；机理分析；主元分析；软测量；神经网络
中图分类号：Ｔ３２Ｐ１文献标识码：Ａ

基于KPCA子空间虚假邻点判别的非线性建模的变量选择

月 2012 年 5 月
李太福等：基于 KPCA 子空间虚假邻点判别的非线性建模的变量选择
193
vector machine, KPCA-SVM)[4]、核Fisher鉴别分析方法(Kernel fisher discriminate analysis, KFDA)[5]、核独立成分分析和支持矢量机组合法 (Kernel independent component analysis and SVM, KICA-SVM)[6]、KICA-FDA等[7-8]，已取得显著的成绩。通过某种核函数映射从原始数据空间进行特征提取后得到新的组合特征往往只具有数学意义，其物理含义消失殆尽。利用新的组合特征建立非线性系统模型时，涉及到的单个原始特征仍然需要重新收集。显然这种建模方法并没有减少原始特征的数量，其复杂度和采集数据成本仍较高。通过核函数方法的非线性映射 ( X ) 处理原始特征，即使变量之间存在严重的相关性，在映射到高维特征空间后，原始特征的非线性特征转化为高维空间的线性特征，再用线性方法作特征选择[9]，仍然具有物理意义。因此，在核特征空间里用线性相关分析或互信息法研究这些特征对故障类别的解释意义是有效的。然而，原始特征空间的输入矢量 X ( x1 , x2 , , x p ) 已经通过非线性映射
j 1 j 1
l
l
重复，直到 p 个原始特征计算完毕如图 1 所示。如果第 i 个原始特征置为零后，得到的互信息或者相关性最大，则认为第 i 个原始特征对故障类别的解释能力最低，应该予以剔除。
iΦ ( x j )vi Φ ( x j )Cvi
i 1,2, , l ，满足
(4)

基于邻居节点预状态的无线传感器网络故障诊断算法

基于邻居节点预状态的无线传感器网络故障诊断算法马梦莹;曾雅丽;魏甜甜;陈志德【摘要】针对无线传感器网络(WSN)故障节点率高于50％时故障检测率降低的问题,提出一种基于邻居节点预状态及邻居节点数据的无线传感器节点故障诊断算法.首先利用节点自身历史数据对节点状态进行初步预判断;然后结合节点间相似性和邻居节点的预状态对节点状态进行最终的判断;最后利用移动传感器节点将故障节点信息通过最优路径发送给基站,有效地减少了通信次数.仿真实验在100 m×100 m的方形区域内模拟WSN.实验结果表明,与传统的分布式故障诊断(DFD)算法相比,诊断精度提升了9.84个百分点,并且当节点故障率高达50％时,该算法仍能达到95％的诊断精度.在实际应用中,所提算法在提高故障诊断精度的同时,能有效地减少能量消耗、延长网络寿命.【期刊名称】《计算机应用》【年(卷),期】2018(038)008【总页数】5页(P2348-2352)【关键词】无线传感器网络;故障诊断;时空相关性;移动传感器;最优路径选择【作者】马梦莹;曾雅丽;魏甜甜;陈志德【作者单位】福建师范大学数学与信息学院,福州350007;福建省网络安全与密码技术重点实验室(福建师范大学),福州350007;福建师范大学数学与信息学院,福州350007;福建省网络安全与密码技术重点实验室(福建师范大学),福州350007;福建师范大学数学与信息学院,福州350007;福建省网络安全与密码技术重点实验室(福建师范大学),福州350007;中国科学院信息工程研究所中国科学院网络测评技术重点实验室,北京100093;福建师范大学数学与信息学院,福州350007;福建省网络安全与密码技术重点实验室(福建师范大学),福州350007【正文语种】中文【中图分类】TP3930 引言无线传感器网络(Wireless Sensor Network, WSN)是由一组传感器以Ad Hoc方式组成的网络。

基于软加权k-均距异常因子的雷达数据剔野方法

０ｌ３．０４
３２（４）
兵工自动化
ＯｒｄｎａｎｃｅＩｎｄｕｓｔｒｙＡｕｔｏｍａｔｉｏｎ・６７・
ｄｏｉ：１０．７６９０／ｂｇｚｄｈ．２０１３．０４０１９
基于软加权ｋ一均距异常因子的雷达数据剔野方法
ＨｕＫｕｉ
（Ｎｏ．９６Ｔｅａｍ，Ｎｏ．９２９４１Ｕｎｉｔｏｆ
，Ｈｕｌｕｄａｏ１２５０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｆｅａｔｕｒｅｓｏｆｒａｄａｒｍｅａｓｕｒｅｍｅｎｔｄａｔａ，ｐｕｔｆｏｒｗａｒｄｓｔｈｅｒａｄａｒｄａｔａｏｕｔｌｉｅｒｅｌｉｍｉｎａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｓｏｔ— ｆｗｅｉｇｈｔｅｄＫ－ｍｅａｎｄｉｓｔａｎｃｅｏｕｔｌｉｅｒｆａｃｔｏｒ．Ａｔｉｒｆｓｔ，ｃａｒｒｙｏｕｔｓｏｆｔｗｅｉｇｈｔｆｏｒｍｅａｓｕｒｅｍｅｎｔｓｅｑｕｅｎｃｅ，ｔｈｅｎ，ｍａｐｓ
特别是当雷达处于复杂电磁环境【２】时，有的跟踪数
似然比检测需要知道数据的概率密度函数，但是实

基于监督保局子空间虚假近邻准则的原始特征选择

基于监督保局子空间虚假近邻准则的原始特征选择辜小花;李太福;杨利平;易军;周伟【期刊名称】《光学精密工程》【年(卷),期】2014(022)007【摘要】提出一种基于监督保局投影(SLPP)与虚假最近邻(FNN)准则的原始特征选择方法.该方法首先将非线性原始数据映射到监督保局子空间,消除样本数据输入变量之间的相关性;然后,利用虚假近邻点方法计算剔除每个原始特征前后输入样本在监督保局子空间里的相似性测度,获得每个原始特征对类别变量不同程度的解释力;最后,从全特征开始逐步剔除解释能力弱的特征进而获得多组特征子集,并建立最近邻分类器,识别率最高且含特征数最少的特征子集即为最优特征子集.采用合成数据对该方法进行了仿真验证,结果表明,该方法可获得与数据集本质分类特征吻合的最佳特征子集.将该方法应用于选择真实的低阻油气层特征,获得的最佳特征子集比全特征集合的特征数量减少了50％以上,分类识别率高出8％.结果显示该方法具有优秀的原始特征选择能力,是一种有效的非线性特征选择方法.【总页数】8页(P1921-1928)【作者】辜小花;李太福;杨利平;易军;周伟【作者单位】重庆科技学院电气与信息工程学院,重庆401331;重庆科技学院电气与信息工程学院,重庆401331;重庆大学光电技术及系统教育部重点实验室,重庆400044;重庆科技学院电气与信息工程学院,重庆401331;重庆科技学院电气与信息工程学院,重庆401331【正文语种】中文【中图分类】TP391.41【相关文献】1.基于空间覆盖的半监督特征选择方法 [J], 陈红;郭躬德2.基于中心距离比值准则的无监督特征选择算法 [J], 叶菲;罗景青;俞志富3.基于虚假最近邻点GT准则的化工模型变量选择 [J], 侯杰;李太福;苏盈盈;易军4.基于子空间学习和伪标签回归的无监督特征选择 [J], 盛超;宋鹏;郑文明;赵力5.用于水声目标识别的近邻无监督特征选择算法 [J], 陈含露;杨宏晖;申昇因版权原因，仅展示原文概要，查看原文内容请购买。

基于混合准则的软测量建模辅助变量选择方法

０引言
近年来，在现代生产过程中，对产品质量的要求越来越高，必须对与产品质量密切相关的关键变量进行实时检测。但是，在线分析仪表价格昂贵、维护保养复杂；而通过离线实验室分析结果存在滞后大等原因，将导致控制质量的性能下降，难以满足生产要求。为了解决这个问题，以推断控制为基础的软测量建模方法及其应用技术取得了广泛的关注［１３］。
软测量建模的基本思想就是选择一组与主导变量相关的且易测量的辅助变量，并构造关于辅助变量和主导变量的数学模型，实现对主导变量的在线估计［４５］，其中最为关键的问题之一就是如何选取合适的辅助变量。目前，国内外对辅助变量选择进行了大量的研究。其中，基于统计技
收稿日期：２０１９０２１９；修回日期：２０１９０２２９。基金项目：国家自然科学基金项目（５１４０４２１１）。作者简介：郭明（１９９４），男，浙江金华人，硕士研究生，主要从事工业数据分析方向的研究。陈伟锋（１９８４），男，浙江宁波人，博士，副教授，主要从事复杂系统建模与优化方向的研究。
基于混合准则的软测量建模辅助变量选择方法
郭明，陈伟锋
（浙江工业大学信息工程学院，杭州３１００１３）
摘要：软传感器在工业中被广泛应用于预测与产品质量密切相关的关键过程变量，这些变量很难在线测量；要建立一个高精度的软传感器，选择合适的辅助变量是至关重要的；针对这个问题，通过耦合训练集的ＢＩＣ准则以及验证集的ＭＳＥ准则得到一个混合整数非线性规划问题，并将该ＭＩＮＬＰ问题分成内外两层结构，外层采用遗传算法对二元整数变量进行寻优，内层在整数变量固定之后退化成了较易于求解的非线性规划问题；在此基础上经过进一步分析提出了基于混合准则的变量选择方法，然后将所得辅助变量子集代入ＢＰ神经网络进行软测量建模；最后，通过４组案例对所提出方法进行验证；结果表明，所提出方法建立的软测量模型具有较好的预测．２０１９．２７（８）犆狅犿狆狌狋犲狉犕犲犪狊狌狉犲犿犲狀狋牔犆狅狀狋狉狅犾

一种基于改进KICA的非高斯过程故障检测方法

（ｌｅＪＩｆｏｍａｉｎａｄＣｏｔｏｇｎｅｉｇ，Ｃｈｎｉｅｓｔｆｔｏｅｍ，Ｑｉｇａ６５０，Ｓｈｎｏｇ，ＣｈｎＣｏｌｇｅｎｒｔｏｎｎｒｌＥｎｉｅｒｎｏｉａＵｎｖｒｉｏＰｅｒｌｕｙｎｄｏ２６８ａｄｎｉａ）
ｐｅｅｖｎｒｊｃｉｎ（ＰＰ）ｎｅｏｊｃｉｅｆｎｔｎｔｋｎｏｈｔｅｅｔａｔｎｏｏ — ｕｓａｒｓｒｉｇｐｏｅｔｓＬｏ，ａｄａｎｗｂｔｕｃｉａｉｇｂｔｈｘｒｃｉｆｎｎＧａｓｉｎｅｖｏｏ
Ｎｏ。ｕｓａｒｃｓａｌｅｅｔｏｅｈｏａｅｎｍｏｉｉｄＫＩｎＧａｓｉｎｐｏｅｓｆｕｔｄｔｃｉｎｍｔｄｂｓｄｏｄｆｅＣＡ
ＣＡＩＬｉｎｆｎｇ，ＴＩａａＡＮｅｉＸｕｍｎ，ＺＨＡＮＧＮｉ
（国石油大学（东）信息与控制工程学院，山东青岛２６８）中华６５０
摘要：针对基于核独立元分析（ｅｎｌｎｅｅｄｎｏｏｅｔｎｌｓ，ＫＩＡ）的故障检测方法只考虑非高斯信ｋｒｅｉｄｐｎｅｔｍｐｎｎａｙｉｃａｓＣ
法能够在保持数据集局部近邻结构的同时，提取非高斯信息，能够有效缩短故障检测的延迟时间，提高故障检
测率。
关键词：故障检测；核独立元分析；局部保持投影；非高斯信息；局部近邻结构

一种基于FPGA的微处理器软错误敏感性分析方法

摘
要：为了自动快速地分析微处理器对软错误的敏感性，该文提出一种基于ＦＰＧＡ故障注入的软错误敏感性分
析方法。在ＦＰＧＡ芯片上同时运行有故障和无故障的两个微处理器，并充分利用ＦＰＧＡ的并行性，把故障注入控制、故障分类、故障列表等模块均在硬件上实现，自动快速地完成全部存储位的故障注入。以ＰＩＣ１６Ｆ５４微处理器为实验对象，基于不同负载分别注入约３０万个软错误用以分析微处理器软错误敏感性，并对敏感性较高的单元加
文献标识码：Ａ
文章编号：１００９．５８９６（２０１７）０１ — ０２４５．０５
ＦＰＧＡ— ｂａｓｅｄＳｏｆｔＥｒｒｏｒＳｅｎｓｉｔｉｖｉｔｙＡｎａｌｙｓｉｓＭｅｔｈｏｄｆｏｒＭｉｃｒｏｐｒｏｃｅｓｓｏｒ
ａｃｈｉｅｖｅｓａｆａｓｔａｎｄａｕｔｏｍａｔｉｃａｌｆａｕｌｔｉｎｊｅｃｔｉｏｎｏｒｆａｌｌｓｔｏｒａｇｅｂｉｔｓ．Ｆｕｒｔｈｅｒ，ｕｓｉｎｇａＰＩＣ１６Ｆ５４ｍｉｃｒｏｐｒｏｃｅｓｓｏｒｓａｅｘｐｅｒｉｍｅｎｔａｌｓｕｂｊｅｃｔ，ａｐｐｒｏｘｉｍａｔｅ３００，０００ｓｏｆｔｅｒｒｏｒｓａｒｅｉｎｊｅｃｔｅｄｉｎｔｏｔｈｅｍｉｃｒｏｐｒｏｃｅｓｓｏｒｓｔｏａｎａｌｙｚｅｉｔｓｓｏｔｆ

结合KICA的软测量建模方法及其在间歇过程的应用

业得到广泛应用引。间歇过程为非稳态操作，其动态和非线性特性较连续过程更为显著。同时，间
歇过程的很多重要变量通常无法在线测量，且没有准确的机理模型可利用，究如何及时获得间歇过研
［１ …，，１∈ Ｒ（据已经过白化处．，］数
ａａｙｉＫＩｎｌｓｓ（ＣＡ）ａｄｓａｓｅｎｌｅｒｉｇ（ＫＬ）ｉｐｏｏｅｏａｃｒｃｓ．ＴｈＣＡｎｐｒｅｋｒｅａｎｎＳｌｓｒｐｓｄｆｒｂｔｈｐｏｅｓｅＫＩｉｓ
ｆｓｒｄｐｅｏｃｕｒｎｆｒａｉｎｏｐｔａｉｂｅｎｔｅｈｇｉｅｓｏａｅｔｒｐｃｉｔｙａｏｔｄｆｒａｑｉｇｉｏｍｔｆｉｕｒｌｓｉｈｉｈｄｍｎｉｎｌａｕｅｓａｅｒｉｎｏｎｓｉｔｆｈｍｉｌａｈｎｒｎｉｅｒｇＺｅｉｇｎｓｆｒＥｄｃｔ，ｎｔｕｅｏｅｃｃｉｅｙＥｇｎｅｉ，ｈｊｎｏｔＣａＭｎａ
ＵｎｖｒｉｙｏｃｎｌｇｉｅｓｔｆＴｅｈｏｏｙ，Ｈａｇｈｕ，１０２ｎｚｏ３０３，Ｃｈｎ；２ＳｈｏｆＩｆｒｔｏｉａ．ｃｏｌｏｎｏｍａｉｎＳｉｎｅａｄＥｎｉｅｒｎｃｅｃｎｇｎｅｉｇ，ＨｕｑａｎｖｒｉｙａｉｏＵｉｅｓｔ，Ｘｉｍｅ，６０１ａｎ３１２，Ｃｈｎ）ｉａ
大部分化工过程都是非线性的，程变量间相过关且含有噪声ｊ。因此，模前进行有效的变量建选择和信息提取能降低模型的复杂度。常用的方法

无线传感器网络中基于虚拟点优化的追踪算法

无洪文
（河海大学物联网工程学院，常州２１３０２２）摘要：针对利用无线传感器网络进行大范围连续目标追踪过程中，追踪精度较低及边界失真的问题，提出一种有效的基于虚拟节点优化ＶＮＯＥ（ｖｉｒｔｕａｌｎｏｄｅｏｐｔｉｍｉｚａｔｉｏｎｅｆｅｃｔｉｖｅｌｙ）的追踪算法，该方法利用虚拟化的距离真实边界更近的位置信息去构造所需的目标边界，从而对连续目标形状以及位置进行追踪。算法首先确定了连续目标边界点ＢＮ信息，然后依据相关边界节点信息确定虚拟点ＶＮ位置。实验表明，提出的算法一定程度上提高了追踪精度并改善了边界失真。关键词：连续目标；目标追踪；虚拟化位置；形状与位置；追踪精度；边界失真
ｓｅｎｓｏｒｎｅｔｗｏｒｋｆｏｒｃｏｎｔｉｎｕｏｕｓｔａｒｇｅｔｔｒａｃｋｉｎｇ，ａｔｒａｃｋｉｎｇａｌｇｏｉｒｔｈｍｂａｓｅｄｏｎＶＮＯＥ（ｖｉｒｔｕａｌｎｏｄｅｏｐｔｉｍｉｚａ－ｔｉｏｎｅｆｅｃｔｉｖｅｌｙ）ｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈｔａｋｅｓａｄｖａｎｔａｇｅｏｆｖｉｔｒｕａｌｎｏｄｅｌｏｃａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｔｏ
ＶＮＯＥ－ｂａｓｅｄＡｌｇｏｒｉｔｈｍｆｏｒＣｏｎｔｉｎｕｏｕＳＴａｒｇｅｔＴｒａｃｋｉｎｇｉｎＷｉｒｅｌｅｓｓ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第５１卷第４期２０１５年２月
机
械
工
程
学
报
Ｖｏ１．５１
Ｎ０．４
ＪＯＵＲＮＡＬＯＦＭＥＣＨＡＮＩＣＡＬＥＮＧＩＮＥＥＲＩＮＧ
Ｆｅｂ．
２０１５
ＤｏＩ：ｌＯ．３９０１／ ⅥＥ．２０１５．０４．０１５
．
４０１３３１；
２．ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｙ，ｔＣｈｏｎｇｑｉｎｇ４０００４０；
３．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ ’ ａｎＳｈｉｙｏｕＵｎｉｖｅｒｓｉｙ，ｔＸｉ ’ ａｎ７１００６５）
算原始数据在ＫＩＣＡ子空间中投影的距离，依次判断各辅助变量对主导变量的解释能力，由此进行非线性变量选择。以某企业氢氰酸（Ｈｙｄｒｏｃｙａｎｉｃａｃｉｄ，ＨＣＮ）生产工艺过程中的转化率为软传感器预测目标，仿真结果表明该方法可有效降低辅助变量的维数、同时提高模型的预测精度。关键词：非线性系统；软传感器；核独立成分分析；虚假最近邻点；变量选择
ｎｏｎｌｉｎｅｒａＳＯｌｆｓｅｎｓｏｒ．Ａｎｏｖｅｌｍｅｔｈｏｄｂａｓｅｄｏｎｋｅｎｅｒｌｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔｎａａｌｙｓｉｓ（ＫＩＣＡ）ｎｄａｆａｌｓｅｎｅｒｅａｓｔｎｅｉｇｈｂｏｒｓｍｅｈｏｔｄ
３．西安石油大学电子工
摘要：针对软传感器建模过程中，高维冗余的非线性辅助变量造成的维度灾难问题，提出一种结合核独立成分分析法（Ｋｅｎｅｒｌ
ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＫＩＣＡ）与虚假最近邻点法（Ｆａｌｓｅｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｓ，）的非线性辅助变量选择方法。主要利用核函数将原始非线性数据映射到线性子空间，并采用独立成分分析消除因子之间的多重共线性，再运用虚假最近邻点法，计
基于ＫＩＣＡ子空间虚假邻点判别的软传感器变量选择方法水
苏盈盈，２李太福易军胡文金廖志强徐
（１．重庆科技学院电气与信息工程学院
２．重庆大学自动化学院重庆
敏
重庆
４０１３３１；
４０００４０；
ｆＮｉＮ）ｉｓｐｒｏｐｏｓｅｄｏｎｓｅｌｅｃｔｉｎｇｈｅｔｍｏｓｔｓｕｉｔａｂｌｅｓｅｃｏｎｄａｒｙｐｒｏｃｅｓｓｖａｒｉａｂｌｅｓ．Ｔｌｌｅｉｆｒｓｔｓｔｅｐｉｓｔｏｃｏｎｖｅｒｔｈｅｔｎｏｎ－ｌｉｎｅｒａｏｐｅｒａｔｉｎｇｖａｒｉａｂｌｅｓｉｎｔｏｔｈｅｌｉｎｅｒａｓｐａｃｅｗｉｈｔｋｅｎｅｒｌｍｅｈｏｔｄ．Ｏｎｅｈｅｔｂｓｉａｓ．ｔｈｅｙｒｅａｐｒｏｊｅｃｔｅｄｉｎｔｏｈｅｔｉｎｄｅｐｅｎｄｅｎｔｏｎｅｓｗｉｈ ⅪＣｔＡ
中图分类号：ＴＰ２３
Ｖ．ａｒｉａｂｌｅＳｅｌｅｃｔｉｏｎｆｏｒＮｏｎｌｉｎｅａｒＳｏｆｔＳｅｎｓｏｒＢａｓｅｄｏｎＦａｌｓｅＮｅａｒｅｓｔＮｅｉｇｈｂｏｒｓｉｎＫＩＣＡＳｐａｃｅ
Ａｂｓｔｒａｃｔ：Ｓｅｌｅｃｔｉｏｎｏｆｓｅｃｏｎｄａｒｙｖａｒｉａｂｌｅｓｉｓａｎｅｆｅｃｉｖｔｅｗａｙｔｏｒｅｄｕｃｅｒｅｄｕｎｄｎｔａｉｎｆｏｒｍａｔｉｏｎｎｄａｔｏｉｍｐｒｏｖｅｅｆｎｃｉｅｎｃｙｉｎ
ＳＵＹｉｎｇｙｉｎｇＬＬＩＴａｉｆｕＹＩＪｕｎＨＵＷｅｎｊｉｎＬＩＡＯＺｈｉｑｉａｎｇ。ＸＵＭｉｎ（１．ＳｃｈｏｏｌｏｆＥｌｃｔｅｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅｎｄａＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ