波形钢腹板混凝土组合梁挠度计算的初参数法

为准确计算波形钢腹板混凝土组合梁的挠度,推导了考虑剪切变形影响的波形钢腹板混凝土组合梁的挠曲线初参数方程.首先分析了波形钢腹板混凝土组合梁截面上剪应力的分布特点,得到了腹板剪应力的简化计算公式;然后推导了其挠曲线的初参数方程,提出了组合梁挠度的计算方法,进而对承受跨中集中荷载、两点对称荷载和均布荷载等3种典型荷载作用下的波形钢腹板混凝土组合梁的挠度进行分析,并将其结果与试验实测值、有限元结果进行比较,验证了文中理论方法的准确性和适用性;最后利用文中理论方法和有限元方法分析了跨高比和宽高比对波形钢腹板混凝土组合梁剪切变形的影响,并给出了波形钢腹板混凝土组合梁挠度计算是否需要考虑剪切变形影响的跨高比界限建议值.     

及有限元参数化分析

为研究实腹式型钢混凝土(SSRC)十字形异形柱的抗震性能,对4个不同轴压比、配钢率、加载方向的SSRC十字形异形柱进行了低周反复加载试验,分析了各试件的破坏形态、滞回性能、骨架曲线、位移延性.试验结果表明:当剪跨比较大时,试件发生弯曲破坏;试件的滞回曲线比较饱满;位移延性系数均大于3,破坏位移角在1/28~1/16之间.采用ANSYS对试件进行有限元分析,考虑型钢与混凝土之间的粘结滑移,分析比较了轴压比、配钢率及加载方向三个参数对试件承载力及延性的影响,有限元分析结果与试验结果吻合较好.试验及有限元分析均表明:SSRC十字形异形柱具有良好的延性、塑性变形能力,可以应用于高抗震设防烈度区的多高层建筑中.     

基于TM影像的森林三维绿量的遥感测算

以北京市八达岭林场为研究区,TM影像为数据源,结合地面样地调查数据,利用多元线性回归分析法分树种建立了北京市八达岭林场三维绿量(TGB)的估测模型。对估测模型进行评价和精度验证,得到阔叶林、针叶林、混交林三维绿量模型的决定系数(R2)分别为0.858、0.756、0.759,测算精度为85.63%。基于模型估测八达岭林场的三维绿量,总量为1 498.635万m3;与利用森林资源二类调查数据计算的地面实测三维绿量对比,测算精度为90.89%。     

基于OPNET的HTTP性能仿真研究

本文以研究HTTP性能为目标,基于OPNET仿真平台创建HTTP网络仿真模型,并进行了仿真实验。仿真中,针对HTTP的不同性能设计了不同的场景,通过对比各场景的仿真结果,分析了HTTP的不同性能对Web应用产生的影响。     

安全禁止标志识别率与标志特征关系研究

为提高安全标志有效性,需要对安全标志五维特征与标志识别率关系进行研究。选取50名安徽工程大学在校学生为试验对象,40个禁止安全标志为试验材料,研究安全标志的五维特征与标志识别率的关系,建立安全标志识别率与标志五维特征的多元线性回归方程模型。结果表明:标志的熟悉性对标志识别率影响最大,其后依次为简明性、具体性、语义相关性、明确性。此外,回归模型中,常数项为正值,说明仍有其他因素影响标志识别率,有待进一步研究发现。     

一种基于曲线匹配的印鉴图像自动检索方法

从汉字笔划横平竖直这一特点出发,提出了汉字图像中适合于印鉴图像检索的两种特征:汉字的外边缘轮廓和汉字的方向投影密度.进而用函数曲线对这两种特征进行量化描述,将对汉字的匹配归结为对函数曲线的匹配.最后通过实验验证了这两种特征的稳定性以及基于这两种特征的曲线匹配方法的有效性.     

网络教学系统中智能答疑专家系统的设计

从系统分析入手,研究了网络教学系统中智能答疑专家系统的设计中的系统分析、知识获取、工作机理以及系统实现等几个关键问题,该系统原理简明,易于实现,具有推广应用价值.     

基于加权主元分析(WPCA)的人脸识别

将特征加权和主元分析相结合,提出了一种新的加权主元分析方法;这种方法先根据加权重建误差最小化,计算出各类训练样本的加权子空间,然后计算测试样本点到各加权子空间的距离,并根据该距离进行分类识别.最后,通过对剑桥ORL数据库进行的试验证明,该方法与传统的主元分析相比可以在不增加运算量的情况下大大提高识别率.     

基于贝斯准则和待定词集模糊矩阵的满文识别后处理

将满文单词识别系统的识别信息和满文的词组信息有机地结合起来,建立满文词组和待定词集统计信息库,利用贝叶斯准则,综合满文待定词的后验概率和词组的先验概率信息,建立合理有效便于实现的数据结构,对满文单词识别系统输出存在的拒识词和错识词进行检测和纠正,从而有效地提高满文识别系统的识别率·实验表明:后处理性能除取决于语言模型外,还取决于后概率的精确估计·另外,在单词识别系统识别率高的情况下,后处理的纠错能力会增强·     

一种本体的形式描述方法及其应用

针对目前还没有一种公认的形式本体描述方法的问题,在对本体的概念、性质进行分析的基础上,结合应用实际,提出了一种本体的形式描述方法DecDef(Declare Define).在这种描述方法中,把本体抽象成外部声明和内部表示两部分,在外部声明中说明本体中的概念、关系;在内部表示中说明这些概念和关系的语义,建立了本体内的简单推理模型.给出了这种形式描述的一个基于XML(Extensibble Makeup Language)的系统模型以及一个具体的应用实例,说明该方法在实际中是可行的.