国家网上申请表填写项
主要学术成果摘要介绍
主要包括：
1.著作/论文摘要介绍
2.专利和承担或参与科研项目相关概述
正文: (不超过3000字. 请使用中文填写. 不得另附页.)
一.主要论文摘要介绍
[1]“钢中杂散损耗的测量技术”论文摘要：
针对大型电力变压器中使用的钢构件中的杂散损耗测量技术进行了研究，利用辅助线圈法对钢构件中总的杂散损耗进行了测量，为了分析杂散损耗的分量情况，对涡流损耗和磁滞损耗两种损耗的分离技术进行了讨论，将变频法应用于钢构件中涡流损耗和磁滞损耗的分离，对测量值和计算值进行了比较验证，从而证明了测量方法的可行性和有效性，同时，给出了波形畸变法分离杂散损耗的原理。
[2]“大型变压器屏蔽涡流场中杂散损耗的研究”论文摘要：
研究在大型变压器设计中如何通过磁屏蔽和电磁屏蔽结构来有效地减少杂散损耗，同时，为了简化结构并且还要切中杂散损耗的基本特征，建立了两组基于工程的基准屏蔽模型，这两组模型用来定量地研究通过加入屏蔽构件来有效地降低杂散损耗及模拟典型屏蔽的电磁行为。通过基于有限元的分析方法对基准屏蔽模型的磁场进行了分析，得到了磁通和涡流的分布情况及杂散损耗的成分数值，为电力变压器屏蔽构件的优化设计提供了理论依据。
[3]“三维涡流场及屏蔽杂散损耗”论文摘要：
以大型变压器的优化设计为工程研究背景，为了减少大型电力变压器铁磁结构件中产生的杂散损耗，避免由于产生局部过热点使相关的绝缘部件受到损害而危及整个变压器的正常运行，采用了Ar-V-Ar的方法对两组屏蔽基准模型的电磁场和杂散损耗进行了准确定量分析和实验研究，尤其是对硅钢迭片材料根据其特点采用了一种等效为分层虚拟实心材料的模拟方法对材料进行模拟，得到了新的具有工程意义的结果和结论。
[4]“Electromagnetic Field Analysis on Ferromagnetic Material with Lamination”论文摘要：
对磁屏蔽基准模型进行了材料模拟的理论研究，由于磁屏蔽基准模型中硅钢碟片材料的各向异性及趋肤效益，使其材料特性变得非常复杂，这给构件的磁场分析及杂散损耗的分布分析带来了困难，本文引入了分层等效磁导率的概念将其等效成分层的虚拟材料进行计算，并建立了磁屏蔽模型进行了实验测量。最后通过对磁屏蔽模型杂散损耗的分析得到了一些具有工程意义的新的结论，从而为磁屏蔽构件的设计提供了理论依据。
二．科研项目概述：
1、“电磁声发射机理及在无损检测中的应用研究”项目概述：
电磁声发射技术是通过导电部件进行电磁加载产生洛伦兹力，进而激发声发射效应，并通过这个效应进行无损检测。电磁声发射技术应用于无损检测中在飞机航行器、大的复杂铸件及多层接合材料等的缺陷检测都具有良好的发展潜力。本项目研究的主要内容有：（1）研究电磁激励缺陷自身发出弹性波并据此检测和定位缺陷的机理。（2）建立电磁声发射的数学模型，用有限元法进行电磁分析。（3）对电磁加载方法进行研究，激发声发射的电磁加载可以是动态电磁场感应涡流的形式，也可以是被测物体直接通电流。首先通过数字仿真确定电流脉冲和外部磁场的参数，然后进行参数的优化，最后设计出合适的外加磁场。（4）研究通电时间长短、外加磁场大小对声发射信号强度的影响。考虑电流大小、通电时间长短和声发射信号强度之间的关系，对不同输入情况下的声发射信号进行研究。
2、“新型高效无接触能量传输系统耦合机理与实验研究”项目概述：
无接触能量传输系统应用电磁耦合技术、高频技术以及电力电子技术实现了电能的无接触传输，是一种基于感应能量传递原理的新技术，也称感应电能传输技术，传统的能量传输方式是直接接触式的，在接触处可能产生火花，且容易发生触电、短路等危险，在易燃、易爆、水下、矿井等恶劣的环境中容易发生事故。旋转的设备和不便经常更换电池（如人工心脏等）的用电装置的能量传输就更加困难，无接触能量传输就是针对这些问题提出的，它开创了能量传输的新时代，具有非常广阔的应用前景。本项目研究的主要内容有：（1）研究圆形、矩形阵列线圈等能量聚磁线圈的耦合机理，比较它们的耦合性能，选择传输效率高德线圈形式，设计新型高效的无接触能量传输系统结构。（2）基于电磁耦合原理，建立无接触能量传输系统的数值模型，优化系统结构。（3）制作实验装置，通过实验改进数值模型，并引入初、次级绕组的补偿技术以及磁屏蔽技术进一步提高传输效率。（4）研究大气隙下的传输效率，获得提高系统传输效率的有效途径。
3、“融合超声检测的电磁声发射技术研究”项目概述：
本项目拟在研究电磁声发射机理的基础上，得到电磁激励、裂纹扩展和声发射信号之间的关系，并通过研究外加磁场对声发射效应的影响，解决电磁声发射对激励电源要求过高的问题。建立融合超声检测的电磁声发射激励线圈模型，研究电磁超声-电磁声发射复合检测时不同激励条件下超声信号和声发射信号的特征，设计能同时满足电磁超声检测和电磁声发射检测的线圈，利用电磁超声的全局高效性和电磁声发射的高灵敏性提高声学检测方法对微细裂纹和局部闭合裂纹的检测能力。具体研究方案：(1)研究电磁加载使缺陷自身发出弹性波并据此检测和定位缺陷的机理，建立电磁声发射的数学模型，用有限元法进行分析计算。
(2)对产生声发射现象的电磁加载方法进行研究。激发声发射的电磁加载可以是动态电磁场感应涡流的形式，也可以是对被测物体直接通脉冲大电流。研究不同的激励磁场不同的激励方式下的声发射效应，验证并完善电磁声发射的模型。通过电磁加载产生声发射是本项目的研究重点。(3)设计电磁声发射涡流加载的数字电源。(4)建立融合超声检测的电磁声发射激励线圈的模型，设计能同时满足电磁超声检测和电磁声发射检测的线圈，并对线圈结构、参数和相对位置等进行优化设计。
4、“网树求解具有间隙约束的近似模式匹配和模式挖掘”项目概述：
本项目利用网树来求解具有间隙约束的模式匹配问题。模式匹配（也称串匹配）是复杂性理论研究中最广泛的问题之一。其在文本检索、计算生物学、网络安全和序列模式挖掘等多方面被广泛应用。网树数据结构与树数据结构不同之处在于，网树中除根结点外的任何结点可以多于1个双亲结点且网树是一种可以有多个树根的新型数据结构。由于网树结点的多前驱多后继性，所以适于求解带有间隙约束的模式匹配问题。主要对如下问题开展研究：(1)拟采用网树结构对具有间隙约束的近似模式问题进行研究，以实现对此问题的求解。(2)拟在网树上构建评价某个位置在出现中的使用频度的方法，进而依据此结果来构建启发式算法，对此问题进行高质量的求解。(3)拟对内在具有关系的多个关键词设定间隙约束，并采用编辑距离的方法消除因时态、语态和拼写错误等因素对文本匹配的影响，以此建立具有间隙约束的近似文本匹配问题和求解算法。(4)拟采用网树结构对前缀相同的m种候选模式进行并行一次性计算，以消除冗余计算，达到提高具有间隙约束的Apriori 性质的序列模式挖掘的挖掘速度的目的。
研修计划
主要包括:
① 拟留学专业（研究课题），特别是拟研究方向国内外研究情况；
拟研究课题的现状
本课题研究的是“数据挖掘技术在电磁声发射无损检测信号识别中的应用研究”。本课题的依托项目是“融合超声检测的电磁声发射技术研究”，由国家自然科学基金资助。课题组前期对电磁声发射技术进行了数值模拟与实验研究，但目前对含有大量噪声的实验数据的处理分析上遇到了困难，希望通过研究数据挖掘算法，发掘电磁声发射信号的特点及规律，给出电磁声发射信号的模式识别方案。
由于无法直接获取声发射源的信号波形，因此对声发射源信号的处理和分析是本课题研究的重点内容之一。随着信号处理方法的发展，更多先进的数据分析方法开始用于信号的特征分析。数据挖掘方法便是其中之一，数据挖掘是20世纪纪80年代末开始逐步发展起来的一个新的研究领域，它是多个学科和技术相结合的产物。1995年，在加拿大蒙特利尔召开了第一届知识发现和数据挖掘国际学术会议，数据挖掘一词被很快流传开来。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的数据中，提取隐含在其中的、人们事先不能完全知道的，但又是潜在有用的信息和知识的过程。
从目前查阅的文献来看， 数据挖掘(Data Mining，简称DM)，作为20世纪末刚刚兴起的数据智能分析技术，由于其所具有的广阔应用前景而备受关注。作为数据库与数据仓库应用研究而逐步形成的一个新兴的富有应用前景的领域，数据挖掘常常也被称为数据库知识发现(Knowledge Discovery from Database，简称KDD)，它可以从数据库、数据仓库或其他数据源中，通过分析，自动抽取归纳出有价值的知识模式。数据挖掘是一个多领域交叉的研究与应用领域，涉及的领域包括：数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、信息检索、高性能计算等。主要包括：决策树方法、关联知识挖掘、聚类分析方法，以及文本挖掘，还包括视频挖掘等。
数据挖掘技术是一个年轻且充满希望的研究领域，商业利益的强大驱动力将会不停地促进它的发展。每年都有新的数据挖掘方法和模型问世，人们对它的研究正日益广泛和深入。尽管如此，数据挖掘技术仍然而临着许多问题和挑战：如数据挖掘方法的效率亟待提高，尤其是超大规模数据集中数据挖掘的效率；开发适合多数据类型、容噪声的挖掘方法，以解决异质数据集的数据挖掘问题；动态数据和知识的数据挖掘；网络与分布式环境下的数据挖掘等；另外，近年来随着多媒体数据库的迅速发展，面向多媒体数据库的挖掘技术和软件亦将成为今后研究开发的难点和热点。
1)有效处理海量和高维的数据
数据挖掘一般是以大型数据库为对象，包含上百万个元组和以GB甚至TB为数量级的数据库已经司空见惯。这种数据的海量性和高维性使得数据挖掘进行中的模式搜索空间异常巨大，同时还可能导致搜索出无意义模式的机会增加，必须从小筛选出有效的、有用的和用户感兴趣的规则、规律和特性。因此，传统的技术已经难以适用，如常用的机器学习方法一般只能处理不超过几千个记录或例子的数据集。为了解决这些问题，需要进一步研究高效的特别是线性计算复杂度的(近似)算法、抽象方法、大规模并行处理技术、数据约简等方法。
2)改进“人一系统”的交互性
出于很难准确地知道能够在数据库中发现什么，数据挖掘过程应当是交叉的。目前许多挖掘工作的重点还是围绕在提高算法效率上，大多数数据挖掘集成系统还没有充分考虑用户的参与，而使得“人一系统”交互性较差。
3)充分利用背景知识
可以使用背景知识或关于所研究领域的信息来指导发现过程，并使得发现的模式在不同的抽象层上以简洁的形式表示。关于数据库的领域知识，如完整性约束和演绎规则，可以帮助聚焦和加快数据挖掘过程，或评估发现模式的兴趣度。充分使用背景知识，将使在巨大的模式空间中使搜索更为有效，目的性更强。
4)数据噪声和不完全数据
存放在数据库中的数据可能反映噪声、异常情况或不完全的数据对象。这些对象可能打乱分析过程，导致数据与所构造的知识模型过分适应，其结果是，所发现模式的精确性可能很差。需要有处理数据噪声的数据清洗方法和数据分析方法，以及发现和分析异常情况的孤立点挖掘方法。
② 申请人在拟留学研究方向上已取得的研究基础（请重点描述）；
在电磁声发射信号的识别上主要取得了以下研究结果：
（1）利用小波理论在分析目前常用小波函数各项特性的基础上，从电磁声发射信号的特点及小波变换原理出发，提出了一套应用于电磁声发射信号小波分析的小波函数选取规则，得出了Daubechies 小波并不适合电磁声发射信号处理的结论，并最终选择 Symlets 小波和 Coiflets 小波作为电磁声发射信号处理的小波基函数。
（2）有针对性地提出了小波包分解重构和小波包阈值降噪相结合的去噪方案，应用于电磁声发射信号的处理，并取得了较好的去噪效果，该方法既能在一定程度上去除电磁加载过程中的强烈噪声，又能起到滤除白噪声的作用，是一种比传统经典去噪手段更为优越的方法。
（3）利用BP神经网络，将电磁声发射信号的小波包分析结果作为神经网络的输入参数，通过对 BP 神经网络的构造和性能等问题的深入研究，给出电磁声发射信号模式识别神经网络的结构设计方案。通过 BP 神经网络对电磁声发射信号进行识别，识别正确率达到 85%以上，该网络具有收敛速度快、训练误差较小等特点。
（4）针对 BP 神经网络易于陷入局部极小值的缺点，引入小波神经网络，采用小波函数替代传统的神经网络传递函数，将其应用于电磁声发射信号识别中，识别结果表明该网络的误诊率显著低于 BP 神经网络。
③ 拟研修的具体科学/技术问题（请重点描述）；
为了更好的解决电磁声发射信号的特征识别问题，本研究拟采用计算机领域的很多先进的数据挖掘技术对信号进行处理分析，使数据挖掘这一技术能在电磁声发射技术这一科学领域得到很好的应用。具体如下：
（1）将关联挖掘算法应用于电磁声发射信号的处理中，主要研究关联挖掘算法中的Apriori算法、频繁模式增长(FP—tree)算法等基本算法并提出新的改进的算法应用于信号的处理中。
（2）将聚类挖掘算法应用于电磁声发射信号的处理中，主要研究聚类挖掘算法中的基于密度的方法，如DBSCAN和0PTICS等算法。其主要思想是：只要邻近区域的密度(对象或数据点的数目)超出某个阈值，就继续聚类。也就是说，对结定类中的每个数据点，在一个给定范围的区域个必须包含一定数目的点。这样的方法可以用来过滤“噪音”孤立点数据，发现任意形状的簇。
（3）将异类挖掘算法应用于电磁声发射信号的处理中，主要研究异类挖掘算法中的基于IPS的异常模式检测算法。其主要思想是：根据时序数据自身特征划分子序列的分段方法。首光
引入突变系数的概念，每个时序点的突变系数反映它的异常程度。然后通过结合重要点和突变系数来得到—种基于重要点划分子序列的分段方法。
④ 拟留学单位在拟留学研究方向上的研究水平，国际影响力及研究条件（请重点描述）； 拟留学单位内布拉斯加大学奥马哈分校内布拉斯加大学奥马哈分校(University of Nebraska at Omaha )是美国内布拉斯加州一所公立大学，始建于1908年，是内布拉斯加大学系统在奥马哈的分校，也是该州第三大高等教育机构。内布拉斯加大学是受中北大学联合会认证的大学，其学术质量，职业水平，研究质量，图书馆和其他硬件设施均达到该联合会的严格标准。在U.S.News全球高校专业排名中，内布拉斯加大学奥马哈分校的信息技术管理专业美国大学研究生排名是第6名。内布拉斯加大学奥马哈分校信息科学与技术学院有专门的数据挖掘方向研究实验室，有多位有国际影响力本领域的教授领导实验室，并取得了很多优异的研究成果。
⑤ 出国留学预期目标、研修计划、方法及时间安排；
预期目标：
通过参与内布拉斯加大学奥马哈分校信息科学与技术学院数据挖掘方向研究实验室的研究工作，学习相关的先进的数据挖掘方法和算法应用于所研究的项目中。
研修计划：
1.2013.9-2013.12学习研究关于应用于图像分析的数据挖掘算法。
2.2014.1-2014.8 学习研究关于应用于计算机视频的数据挖掘算法。
⑥ 回国后的后续研究计划，以及申请人已拥有的相关研究条件（请重点描述）。
回国后在前面研究的关于数据挖掘算法的基础上，将挖掘算法进行深入的改进研究，提出新的改进算法，尝试将这些算法应用于其他研究领域。本人现在研究的依托项目得到了国家自然科学基金的支持，并且依托河北省省部共建重点实验室。有相关的先进的实验设备的支持。申请人工作的单位是计算机科学与软件学院，研究的方向数据挖掘属于计算机科学的热点研究方向，所以会得到学院的学术上的支持。
正文:(1000-3000字. 请使用中文填写， 不得另附页.)
国外邀请人（合作者）的研究方向及特点，与申请人是否有前期合作基础等。
(未确定国外邀请人（合作者）可填写“无”：（500个汉字以内，请使用中文填写）)
国家网上申请表填写项
主要学术成果摘要介绍
主要包括：
1.著作/论文摘要介绍
2.专利和承担或参与科研项目相关概述
正文: (不超过3000字. 请使用中文填写. 不得另附页.)
一.主要论文摘要介绍
[1]“钢中杂散损耗的测量技术”论文摘要：
针对大型电力变压器中使用的钢构件中的杂散损耗测量技术进行了研究，利用辅助线圈法对钢构件中总的杂散损耗进行了测量，为了分析杂散损耗的分量情况，对涡流损耗和磁滞损耗两种损耗的分离技术进行了讨论，将变频法应用于钢构件中涡流损耗和磁滞损耗的分离，对测量值和计算值进行了比较验证，从而证明了测量方法的可行性和有效性，同时，给出了波形畸变法分离杂散损耗的原理。
[2]“大型变压器屏蔽涡流场中杂散损耗的研究”论文摘要：
研究在大型变压器设计中如何通过磁屏蔽和电磁屏蔽结构来有效地减少杂散损耗，同时，为了简化结构并且还要切中杂散损耗的基本特征，建立了两组基于工程的基准屏蔽模型，这两组模型用来定量地研究通过加入屏蔽构件来有效地降低杂散损耗及模拟典型屏蔽的电磁行为。通过基于有限元的分析方法对基准屏蔽模型的磁场进行了分析，得到了磁通和涡流的分布情况及杂散损耗的成分数值，为电力变压器屏蔽构件的优化设计提供了理论依据。
[3]“三维涡流场及屏蔽杂散损耗”论文摘要：
以大型变压器的优化设计为工程研究背景，为了减少大型电力变压器铁磁结构件中产生的杂散损耗，避免由于产生局部过热点使相关的绝缘部件受到损害而危及整个变压器的正常运行，采用了Ar-V-Ar的方法对两组屏蔽基准模型的电磁场和杂散损耗进行了准确定量分析和实验研究，尤其是对硅钢迭片材料根据其特点采用了一种等效为分层虚拟实心材料的模拟方法对材料进行模拟，得到了新的具有工程意义的结果和结论。
[4]“Electromagnetic Field Analysis on Ferromagnetic Material with Lamination”论文摘要：
对磁屏蔽基准模型进行了材料模拟的理论研究，由于磁屏蔽基准模型中硅钢碟片材料的各向异性及趋肤效益，使其材料特性变得非常复杂，这给构件的磁场分析及杂散损耗的分布分析带来了困难，本文引入了分层等效磁导率的概念将其等效成分层的虚拟材料进行计算，并建立了磁屏蔽模型进行了实验测量。最后通过对磁屏蔽模型杂散损耗的分析得到了一些具有工程意义的新的结论，从而为磁屏蔽构件的设计提供了理论依据。
二．科研项目概述：
1、“电磁声发射机理及在无损检测中的应用研究”项目概述：
电磁声发射技术是通过导电部件进行电磁加载产生洛伦兹力，进而激发声发射效应，并通过这个效应进行无损检测。电磁声发射技术应用于无损检测中在飞机航行器、大的复杂铸件及多层接合材料等的缺陷检测都具有良好的发展潜力。本项目研究的主要内容有：（1）研究电磁激励缺陷自身发出弹性波并据此检测和定位缺陷的机理。（2）建立电磁声发射的数学模型，用有限元法进行电磁分析。（3）对电磁加载方法进行研究，激发声发射的电磁加载可以是动态电磁场感应涡流的形式，也可以是被测物体直接通电流。首先通过数字仿真确定电流脉冲和外部磁场的参数，然后进行参数的优化，最后设计出合适的外加磁场。（4）研究通电时间长短、外加磁场大小对声发射信号强度的影响。考虑电流大小、通电时间长短和声发射信号强度之间的关系，对不同输入情况下的声发射信号进行研究。
2、“新型高效无接触能量传输系统耦合机理与实验研究”项目概述：
无接触能量传输系统应用电磁耦合技术、高频技术以及电力电子技术实现了电能的无接触传输，是一种基于感应能量传递原理的新技术，也称感应电能传输技术，传统的能量传输方式是直接接触式的，在接触处可能产生火花，且容易发生触电、短路等危险，在易燃、易爆、水下、矿井等恶劣的环境中容易发生事故。旋转的设备和不便经常更换电池（如人工心脏等）的用电装置的能量传输就更加困难，无接触能量传输就是针对这些问题提出的，它开创了能量传输的新时代，具有非常广阔的应用前景。本项目研究的主要内容有：（1）研究圆形、矩形阵列线圈等能量聚磁线圈的耦合机理，比较它们的耦合性能，选择传输效率高德线圈形式，设计新型高效的无接触能量传输系统结构。（2）基于电磁耦合原理，建立无接触能量传输系统的数值模型，优化系统结构。（3）制作实验装置，通过实验改进数值模型，并引入初、次级绕组的补偿技术以及磁屏蔽技术进一步提高传输效率。（4）研究大气隙下的传输效率，获得提高系统传输效率的有效途径。
3、“融合超声检测的电磁声发射技术研究”项目概述：
本项目拟在研究电磁声发射机理的基础上，得到电磁激励、裂纹扩展和声发射信号之间的关系，并通过研究外加磁场对声发射效应的影响，解决电磁声发射对激励电源要求过高的问题。建立融合超声检测的电磁声发射激励线圈模型，研究电磁超声-电磁声发射复合检测时不同激励条件下超声信号和声发射信号的特征，设计能同时满足电磁超声检测和电磁声发射检测的线圈，利用电磁超声的全局高效性和电磁声发射的高灵敏性提高声学检测方法对微细裂纹和局部闭合裂纹的检测能力。具体研究方案：(1)研究电磁加载使缺陷自身发出弹性波并据此检测和定位缺陷的机理，建立电磁声发射的数学模型，用有限元法进行分析计算。
(2)对产生声发射现象的电磁加载方法进行研究。激发声发射的电磁加载可以是动态电磁场感应涡流的形式，也可以是对被测物体直接通脉冲大电流。研究不同的激励磁场不同的激励方式下的声发射效应，验证并完善电磁声发射的模型。通过电磁加载产生声发射是本项目的研究重点。(3)设计电磁声发射涡流加载的数字电源。(4)建立融合超声检测的电磁声发射激励线圈的模型，设计能同时满足电磁超声检测和电磁声发射检测的线圈，并对线圈结构、参数和相对位置等进行优化设计。
4、“网树求解具有间隙约束的近似模式匹配和模式挖掘”项目概述：
本项目利用网树来求解具有间隙约束的模式匹配问题。模式匹配（也称串匹配）是复杂性理论研究中最广泛的问题之一。其在文本检索、计算生物学、网络安全和序列模式挖掘等多方面被广泛应用。网树数据结构与树数据结构不同之处在于，网树中除根结点外的任何结点可以多于1个双亲结点且网树是一种可以有多个树根的新型数据结构。由于网树结点的多前驱多后继性，所以适于求解带有间隙约束的模式匹配问题。主要对如下问题开展研究：(1)拟采用网树结构对具有间隙约束的近似模式问题进行研究，以实现对此问题的求解。(2)拟在网树上构建评价某个位置在出现中的使用频度的方法，进而依据此结果来构建启发式算法，对此问题进行高质量的求解。(3)拟对内在具有关系的多个关键词设定间隙约束，并采用编辑距离的方法消除因时态、语态和拼写错误等因素对文本匹配的影响，以此建立具有间隙约束的近似文本匹配问题和求解算法。(4)拟采用网树结构对前缀相同的m种候选模式进行并行一次性计算，以消除冗余计算，达到提高具有间隙约束的Apriori 性质的序列模式挖掘的挖掘速度的目的。
研修计划
主要包括:
① 拟留学专业（研究课题），特别是拟研究方向国内外研究情况；
拟研究课题的现状
本课题研究的是“数据挖掘技术在电磁声发射无损检测信号识别中的应用研究”。本课题的依托项目是“融合超声检测的电磁声发射技术研究”，由国家自然科学基金资助。课题组前期对电磁声发射技术进行了数值模拟与实验研究，但目前对含有大量噪声的实验数据的处理分析上遇到了困难，希望通过研究数据挖掘算法，发掘电磁声发射信号的特点及规律，给出电磁声发射信号的模式识别方案。
由于无法直接获取声发射源的信号波形，因此对声发射源信号的处理和分析是本课题研究的重点内容之一。随着信号处理方法的发展，更多先进的数据分析方法开始用于信号的特征分析。数据挖掘方法便是其中之一，数据挖掘是20世纪纪80年代末开始逐步发展起来的一个新的研究领域，它是多个学科和技术相结合的产物。1995年，在加拿大蒙特利尔召开了第一届知识发现和数据挖掘国际学术会议，数据挖掘一词被很快流传开来。数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的数据中，提取隐含在其中的、人们事先不能完全知道的，但又是潜在有用的信息和知识的过程。
从目前查阅的文献来看， 数据挖掘(Data Mining，简称DM)，作为20世纪末刚刚兴起的数据智能分析技术，由于其所具有的广阔应用前景而备受关注。作为数据库与数据仓库应用研究而逐步形成的一个新兴的富有应用前景的领域，数据挖掘常常也被称为数据库知识发现(Knowledge Discovery from Database，简称KDD)，它可以从数据库、数据仓库或其他数据源中，通过分析，自动抽取归纳出有价值的知识模式。数据挖掘是一个多领域交叉的研究与应用领域，涉及的领域包括：数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、信息检索、高性能计算等。主要包括：决策树方法、关联知识挖掘、聚类分析方法，以及文本挖掘，还包括视频挖掘等。
数据挖掘技术是一个年轻且充满希望的研究领域，商业利益的强大驱动力将会不停地促进它的发展。每年都有新的数据挖掘方法和模型问世，人们对它的研究正日益广泛和深入。尽管如此，数据挖掘技术仍然而临着许多问题和挑战：如数据挖掘方法的效率亟待提高，尤其是超大规模数据集中数据挖掘的效率；开发适合多数据类型、容噪声的挖掘方法，以解决异质数据集的数据挖掘问题；动态数据和知识的数据挖掘；网络与分布式环境下的数据挖掘等；另外，近年来随着多媒体数据库的迅速发展，面向多媒体数据库的挖掘技术和软件亦将成为今后研究开发的难点和热点。
1)有效处理海量和高维的数据
数据挖掘一般是以大型数据库为对象，包含上百万个元组和以GB甚至TB为数量级的数据库已经司空见惯。这种数据的海量性和高维性使得数据挖掘进行中的模式搜索空间异常巨大，同时还可能导致搜索出无意义模式的机会增加，必须从小筛选出有效的、有用的和用户感兴趣的规则、规律和特性。因此，传统的技术已经难以适用，如常用的机器学习方法一般只能处理不超过几千个记录或例子的数据集。为了解决这些问题，需要进一步研究高效的特别是线性计算复杂度的(近似)算法、抽象方法、大规模并行处理技术、数据约简等方法。
2)改进“人一系统”的交互性
出于很难准确地知道能够在数据库中发现什么，数据挖掘过程应当是交叉的。目前许多挖掘工作的重点还是围绕在提高算法效率上，大多数数据挖掘集成系统还没有充分考虑用户的参与，而使得“人一系统”交互性较差。
3)充分利用背景知识
可以使用背景知识或关于所研究领域的信息来指导发现过程，并使得发现的模式在不同的抽象层上以简洁的形式表示。关于数据库的领域知识，如完整性约束和演绎规则，可以帮助聚焦和加快数据挖掘过程，或评估发现模式的兴趣度。充分使用背景知识，将使在巨大的模式空间中使搜索更为有效，目的性更强。
4)数据噪声和不完全数据
存放在数据库中的数据可能反映噪声、异常情况或不完全的数据对象。这些对象可能打乱分析过程，导致数据与所构造的知识模型过分适应，其结果是，所发现模式的精确性可能很差。需要有处理数据噪声的数据清洗方法和数据分析方法，以及发现和分析异常情况的孤立点挖掘方法。
② 申请人在拟留学研究方向上已取得的研究基础（请重点描述）；
在电磁声发射信号的识别上主要取得了以下研究结果：
（1）利用小波理论在分析目前常用小波函数各项特性的基础上，从电磁声发射信号的特点及小波变换原理出发，提出了一套应用于电磁声发射信号小波分析的小波函数选取规则，得出了Daubechies 小波并不适合电磁声发射信号处理的结论，并最终选择 Symlets 小波和 Coiflets 小波作为电磁声发射信号处理的小波基函数。
（2）有针对性地提出了小波包分解重构和小波包阈值降噪相结合的去噪方案，应用于电磁声发射信号的处理，并取得了较好的去噪效果，该方法既能在一定程度上去除电磁加载过程中的强烈噪声，又能起到滤除白噪声的作用，是一种比传统经典去噪手段更为优越的方法。
（3）利用BP神经网络，将电磁声发射信号的小波包分析结果作为神经网络的输入参数，通过对 BP 神经网络的构造和性能等问题的深入研究，给出电磁声发射信号模式识别神经网络的结构设计方案。通过 BP 神经网络对电磁声发射信号进行识别，识别正确率达到 85%以上，该网络具有收敛速度快、训练误差较小等特点。
（4）针对 BP 神经网络易于陷入局部极小值的缺点，引入小波神经网络，采用小波函数替代传统的神经网络传递函数，将其应用于电磁声发射信号识别中，识别结果表明该网络的误诊率显著低于 BP 神经网络。
③ 拟研修的具体科学/技术问题（请重点描述）；
为了更好的解决电磁声发射信号的特征识别问题，本研究拟采用计算机领域的很多先进的数据挖掘技术对信号进行处理分析，使数据挖掘这一技术能在电磁声发射技术这一科学领域得到很好的应用。具体如下：
（1）将关联挖掘算法应用于电磁声发射信号的处理中，主要研究关联挖掘算法中的Apriori算法、频繁模式增长(FP—tree)算法等基本算法并提出新的改进的算法应用于信号的处理中。
（2）将聚类挖掘算法应用于电磁声发射信号的处理中，主要研究聚类挖掘算法中的基于密度的方法，如DBSCAN和0PTICS等算法。其主要思想是：只要邻近区域的密度(对象或数据点的数目)超出某个阈值，就继续聚类。也就是说，对结定类中的每个数据点，在一个给定范围的区域个必须包含一定数目的点。这样的方法可以用来过滤“噪音”孤立点数据，发现任意形状的簇。
（3）将异类挖掘算法应用于电磁声发射信号的处理中，主要研究异类挖掘算法中的基于IPS的异常模式检测算法。其主要思想是：根据时序数据自身特征划分子序列的分段方法。首光
引入突变系数的概念，每个时序点的突变系数反映它的异常程度。然后通过结合重要点和突变系数来得到—种基于重要点划分子序列的分段方法。
④ 拟留学单位在拟留学研究方向上的研究水平，国际影响力及研究条件（请重点描述）； 拟留学单位内布拉斯加大学奥马哈分校内布拉斯加大学奥马哈分校(University of Nebraska at Omaha )是美国内布拉斯加州一所公立大学，始建于1908年，是内布拉斯加大学系统在奥马哈的分校，也是该州第三大高等教育机构。内布拉斯加大学是受中北大学联合会认证的大学，其学术质量，职业水平，研究质量，图书馆和其他硬件设施均达到该联合会的严格标准。在U.S.News全球高校专业排名中，内布拉斯加大学奥马哈分校的信息技术管理专业美国大学研究生排名是第6名。内布拉斯加大学奥马哈分校信息科学与技术学院有专门的数据挖掘方向研究实验室，有多位有国际影响力本领域的教授领导实验室，并取得了很多优异的研究成果。
⑤ 出国留学预期目标、研修计划、方法及时间安排；
预期目标：
通过参与内布拉斯加大学奥马哈分校信息科学与技术学院数据挖掘方向研究实验室的研究工作，学习相关的先进的数据挖掘方法和算法应用于所研究的项目中。
研修计划：
1.2013.9-2013.12学习研究关于应用于图像分析的数据挖掘算法。
2.2014.1-2014.8 学习研究关于应用于计算机视频的数据挖掘算法。
⑥ 回国后的后续研究计划，以及申请人已拥有的相关研究条件（请重点描述）。
回国后在前面研究的关于数据挖掘算法的基础上，将挖掘算法进行深入的改进研究，提出新的改进算法，尝试将这些算法应用于其他研究领域。本人现在研究的依托项目得到了国家自然科学基金的支持，并且依托河北省省部共建重点实验室。有相关的先进的实验设备的支持。申请人工作的单位是计算机科学与软件学院，研究的方向数据挖掘属于计算机科学的热点研究方向，所以会得到学院的学术上的支持。
正文:(1000-3000字. 请使用中文填写， 不得另附页.)
国外邀请人（合作者）的研究方向及特点，与申请人是否有前期合作基础等。
(未确定国外邀请人（合作者）可填写“无”：（500个汉字以内，请使用中文填写）)