一个组合数论计数问题的探讨

对一类关于内切圆半径为r的整边多边形的组合数论计数问题进行探讨,将整边直角三角形中的计数问题扩展到其它的三角形和四边形中,获得更加广泛的一类组合数论问题的计数公式.     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。     

考虑剪切变形的多梁式改进型波形钢腹板组合小箱梁桥荷载横向分布系数计算

目前有关钢-混组合箱梁桥的剪切变形对其荷载横向分布影响的研究较少。首先,在考虑自身剪切变形的基础上,采用正弦荷载得出刚度折减系数,并推导出了考虑剪切变形效应的偏心压力法、修正偏心压力法以及考虑剪切变形效应的刚接梁法等,用于计算多梁式波形钢腹板-钢底板-混凝土顶板(简称改进型波形钢腹板,即CSWSB)组合小箱梁桥横向荷载分布系数的方法的计算公式;然后,选取一多梁式改进型波形钢腹板组合小箱梁桥实桥进行了试验研究;最后将采用文中讨论的各计算方法计算得到的结果与有限元法结果、试验实测值进行了对比分析。结果表明:采用考虑剪切变形效应的刚接梁法得到的挠度值和Ansys模拟值更为接近,计算跨中的荷载横向分布系数时应采用考虑剪切变形效应的刚接梁法;当桥梁结构不满足窄桥条件时,宜采用考虑剪切变形效应的刚接梁法计算跨中截面的荷载横向分布系数;当满足窄桥条件时,可以采用考虑剪切变形效应的修正偏心压力法计算横向分布系数。     

考虑关键性的多约束下辐射干扰对消装备随舰备件配置优化方法

可用度是评估备件对装备完好性影响的重要指标,针对备件关键性对装备可用性造成影响而又难以将其考虑在内建立可用度模型的问题,以舰载通信电台辐射干扰对消装备为对象,采用对备件关键性实行专家打分的方法,将备件关键性作为备件配置优化的约束之一,建立以备件费用、备件体积、备件关键性为约束的备件配置优化模型。在备件费用、体积及关键性归一化的基础上,采用权重因子方法将多约束转化为单一约束,并给出了权重因子更新方法。列举案例,分别计算了费用约束、体积约束、关键性约束和多约束下的备件方案,并对比了装备改进前后的备件配置方案,将装备使用过程中的备件保障延伸至装备可靠性设计阶段。案例分析结果表明:备件配置方法在考虑了体积、费用等限制约束下,能同时兼顾备件关键性对装备完好性的影响;装备可靠性设计时,提高装备可靠性低的现场可更换单元(line replaceable unit, LRU)等薄弱点,能有效减少装备维修保障资源。     

基于前景理论的投资组合优化问题研究

借鉴Kahneman和Tversky提出的前景理论,从期望效用最大化的视角对风险资产进行组合投资。首先建立基于前景理论的投资组合优化模型,然后针对模型中S形价值函数在参照点的非光滑性,使用CHKS函数进行了光滑化处理;针对目标函数的非凹性,使用多初始点技术进行了处理。最后利用中国金融市场的实际数据进行了实证分析,通过设定不同参数取值,验证了前景理论对中国金融市场的适用性。     

带目标权重的物流路径优化研究—基于模拟退火蚁群算法

物流路径优化问题是物流研究领域十分重要的研究课题。针对物流企业对物流配送时间、距离以及运输成本的要求不同,建立带目标权重的物流路径数学模型,物流企业可对目标权重进行赋值进而满足自身的需求。针对基本蚁群算法易陷入局部最优以及收敛速度慢的缺陷,对基本蚁群算法的转移规则和信息素进行改进,然后在改进的基本蚁群算法中融入模拟退火算法思想,建立模拟退火蚁群算法。实验结果表明:模拟退火蚁群算法能搜寻到比基本蚁群算法更优的综合成本,且收敛速度更快,同时也表明模拟退火蚁群算法的可行性及数学模型的合理性。     

不同岩性组合条件下顶板采动效应研究

针对工作面回采后采动顶板稳定性的问题,通过FLAC3D数值模拟软件建立8种不同岩性组合条件下顶板采动效应模型,研究不同组合条件下采动顶板的应力和位移分布变化规律。研究结果表明:顶板全为硬岩时顶板垂直集中应力最大,全为软岩时最小;顶板的剪应力集中区主要位于上覆岩层的硬岩中,剪应力最大组合顶板类型为软-硬-软-硬组合;在不同岩性组合顶板条件下,顶板为软岩时其变形量远大于顶板为硬岩及软硬岩结合时的变形量;相同顶板条件下随着距离的加大,顶板垂直位移量呈现降低趋势。研究结果可为工作面布置方式和顶板支护方式的选择提供参考依据。     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.