基于DS理论的不确定空间co-location模式挖掘

 提出一种基于DS理论的co-location挖掘方法.先将数据集按照空间对象分类,然后从分类后的子数据集中依次提取该空间对象的实例,与其他空间对象数据集中的各个实例进行配对,将找到的各实例关系记录到一个新的关系表中,作为使用DS理论求解的基础.从一个新的角度来研究co-location挖掘技术,在DS理论的基础上重新定义了参与度,基于新定义的参与度来求解co-location模式.     

配置500 MPa钢筋的混凝土梁裂缝试验研究

为研究配置500 MPa纵向热轧带肋钢筋的混凝土梁的裂缝特征及评估相关规范裂缝计算公式的适用性,进行了22根钢筋混凝土梁受弯性能试验,得到22个平均裂缝间距和92组裂缝宽度数据,相应的钢筋应力范围在201~482MPa,这些试验数据可反映钢筋应力较高情况下受弯构件的裂缝开展特点.试验结果表明,按规范GB50010—2002公式计算的平均裂缝间距、平均裂缝宽度和最大裂缝宽度比试验值普遍偏大,二者之比的均值分别为1.127,1.557和1.535.根据试验结果,提出配置500 MPa带肋钢筋的混凝土梁的裂缝宽度计算公式修正建议,并给出梁侧面钢筋处和受拉边缘的平均裂缝宽度的换算关系式,建议公式的计算值和试验值符合较好.     

人血红蛋白β链氨基酸对的变异模式

根据氨基酸对可预测性分析人血红蛋白β链的244个变异,以确定哪些氨基酸对对变异更敏感。结果发现4种变异模式：（1）85.66%的变异发生在不可预测的氨基酸对,（2）绝大多数被替换掉的氨基酸对中包含一个或两个氨基酸对它们的实际频率大于预测频率,（3）79.51%的变异中被替换出的氨基酸对包含一个或两个在正常人β血红蛋白中不存在的氨基酸对,（4）大多数变异缩小了氨基酸对实际频率与预测频率之差。说明变异通常导致人血红蛋白β链的构成更随机、更稳定。     

一种挖掘不确定性数据频繁项集的方法

该文探讨挖掘不确定性数据频繁项集,在Carson Kai-Sang Leung等人提出的一种基于树的UFPgrowth算法的基础上进行改进,提出新算法-UFP-growthT.实验表明,该算法可以有效地挖掘不确定性数据的频繁项集,且拥有高效性和伸缩性.改进后的算法在一定程度上减小了UFP-tree的大小,加快了挖掘过程...     

X、Ku波段宽带低噪声放大器的设计

文章利用有损匹配的方法设计了一种覆盖X、Ku波段的宽带低噪声放大器,其工作频率为8～18 GHz,带内功率增益大于32 dB,增益平坦度小于3 dB,输入输出端口的回波损耗S11和S22均优于-7 dB,噪声系数小于2.8 dB,最大输出功率为16 dBm,且具有工作频带宽、输入输出匹配结构简单的特点.     

公共图书馆与中小学图书馆联合办馆的新模式——禅城区联合图书馆张槎中心小学分馆的建设与发展

介绍了禅城区联合图书馆张槎中心小学分馆的建设背景、建设过程与发展情况,分析了这种联合办馆的新模式对业界的启示与参考作用。     

融合自组织映射与Wang-Mendel方法的模糊规则提取

为解决经典Wang-Mendel方法提取模糊规则时得到的规则数目较多的问题,该文提出一个融合自组织映射(SOM)网络和Wang-Mendel方法的规则提取方案.利用SOM对原始样本进行学习,再使用Wang-Mendel方法从SOM的原型向量中提取规则.因为SOM的原型向量学习得到了原始样本的模式分布规律,并且原型向量的数量远小于原始学习样本的数量,所以该方法降低了提取的规则数目及耗费时间.有关混沌时间序列预测的实验结果表明了该文方法的有效性.     

台阶式溢洪道水力特性计算方法分析

提出单纯台阶式溢洪道的水力设计方法。对比分析了台阶式溢洪道的水流流态、自掺气发生点以及消能效果,推荐Yasuda公式作为滑行水流和跌落水流界限的判别式,提出了自掺气发生点和消能率的统一计算公式,给出了台阶段水面线的计算方法。所得成果可以作为单纯台阶式溢洪道的工程设计参考。     

基于量子粒子群算法的BP网络板形模式识别研究

针对目前板形模式识别方法存在的问题,以及考虑到现代轧机板形控制手段的多样化和板形控制能力的提高,为了提高板形模式识别模型的精度,本文以1次、2次、3次和4次勒让德正交多项式为板形基本模式,建立了基于量子粒子群-BP算法混合优化神经网络的新型板形模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为板形控制策略的制定提供可靠依据。     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.