联机增量聚类算法研究

研究了联机数据挖掘系统中的并行和增量聚类算法,并给出了算法伪码。实验表明,联机增量聚类算法相对于传统的Apriori算法具有较大优势,同时证明了增量聚类算法及其联机数据挖掘系统的实用性。     

复合材料层压板疲劳寿命预测方法

测定了碳纤维／树脂基T300／QY8911复合材料的3组典型单轴循环应力下的S-N曲线．基于试验数据，建立了多轴循环应力作用下单向板的寿命模型，并通过整合平面应力分析、失效分析和材料性质退化模块模拟多向层压板的疲劳失效过程．这种方法试图基于单向板在确定应力比下的疲劳试验结果，预测同种材料体系的任意铺层形式的多向层压板在复杂循环应力作用下的疲劳寿命．对于以分层破坏为主控因素的层压板，基于层间应力的计算结果，用计算面内累计损伤的方法计算分层损伤，层压板的寿命等于分层扩展寿命和分层后子层板剩余寿命之和．考虑分层扩展后，层压板的寿命预测结果得到明显改善．     

超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型，源数据库已有的分析模型，对新数据进行增量挖掘，减少了对数据库扫描的次数，提高运行效率，加快了系统的反映速度，符合CRISR-DM模型的要求，具有一个实用的数据挖掘系统的特征．     

黄河上游径流变化的影响因素分析研究

径流的形成、变化规律受诸多因素影响,可归结为自然因素和人为因素两类.文中结合黄河上游兰州站年径流资料,研究了太阳活动、海-气相互作用和下垫面对黄河上游径流变化的影响. 采用灰关联和交叉谱分析了太阳黑子相对数与径流变化的关系,发现它们存在同位正相关关系;通过统计规律分析了El Nio和La Nia现象发生和径流丰枯变化的关系;并用双累积曲线法对水土保持措施影响径流变化作了定性分析.这些结论为径流变化的物理成因分析提供了科学依据.     

荆马河、废黄河底泥重金属污染的对比研究

通过对纳工业废水为主的荆马河和纳生活污水为主的废黄河底泥重金属进行地累积指数污染评价、潜在生态危害评价、污染成因和底泥重金属质量分数的相关性分析，得出荆马河重金属的污染程度和潜在生态危害程度明显重于废黄河，重金属的来源不同，但其相关性相似，针对不同成因，对两河重金属污染提出了相应的治理措施建议。     

自适应数字波束空域相干干扰抑制方法

在干扰相干背景下,接收信号协方差矩阵中信号空间的一些向量收敛到噪声空间中,仅利用二阶信息不能准确地得到干扰的方向信息,因而干扰抑制效果较差。为此,提出了一种自适应数字波束空域相干扰抑制方法。该方法是首先基于高阶累积量估计出广义方向矢量,然后根据最优均方逼近原则,结合切比雪夫加权系数形成波束,来抑制相干干扰。仿真结果表明,所提方法能够有效地抑制相干干扰。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

论资源链环境累积成本的计算与应用

从资源链与环境累积负荷的关系出发,阐述了资源链环境累积成本的构成,即资源能源消耗成本、环境污染成本和废弃物回收、再利用成本,并在此基础上探讨了其成本计算原理及资源链环境累积成本在社会环境管理中的意义.其创新之处在于首次提出了资源链环境累积成本的概念及计算,进一步丰富了环境成本理论研究的内容.     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

函数型累积Logistic回归模型研究与应用

该文针对响应变量为有序多分类标量数据，协变量为函数型数据构建函数型累积Logistic回归模型，并在贝叶斯分析框架下构造Gibbs抽样算法解决参数估计问题.具体解决流程为：首先，通过潜变量连接有序响应变量与函数协变量间的关系，同时对回归系数函数和回归函数型自变量选取主成分基函数进行展开，设置潜变量模型误差项服从Logistic分布.再利用Polya-Gamma变换解决模型似然函数的复杂性，并求得回归系数展开系数的后验分布从而构建Gibbs抽样算法.最后将该方法应用与模拟数据和实际空气质量指数(AQI)的分析，结果显示能较好地对模拟数据和空气质量指数(AQI)污染状况进行分类.