基于高效差分敏度分析的谐响应形状优化

基于谐响应组合近似重分析方法,提出了近似-差分敏度求解策略.数值算例表明,在结构小扰动下,近似-差分结果具有足够的精度反映敏度信息,并克服了差分敏度求解计算量大的缺点.以结构体积最小为目标,自由度振幅为约束,建立了谐响应下的连续体形状优化模型,实现了结构形状优化设计;通过数值算例对不同结构参数和激励下的优化结果进行了对比分析,结果验证了方法和模型的可行性和有效性.     

SINS/GPS组合导航和末端寻的复合制导半实物仿真

针对采用SINS/GPS组合导航及末端寻的复合制导体制的制导弹药,为检验组合导航系统和制导控制系统的工作性能,设计了半实物仿真系统框架结构.设计半实物仿真时序,采用基于频率调度(FBS)机制,实现仿真的实时性和同步性.探讨并解决了仿真中多CPU时钟同步问题.仿真结果表明,捷联惯导算法正确,解算时延较小,GPS修正效果良好,组合导航系统可顺利完成中末制导交班;制导控制系统设计合理,对于静止和机动目标,落点射击精度和落角均满足设计要求.     

基于本体论的网格服务组合方法

针对网格服务组合环境模拟的需求,在本体论的基础上提出了一种网格服务组合方法(GSCM),该方法能较好地解决网格服务间的逻辑关系,实现了网格服务间的动态交互、动态组合。试验数据表明,此方法是有效且可行的,对网格服务集成做了一次有意义的尝试。     

用MSI数据选择器实现逻辑函数的方法讨论

目的讨论用中规模器件实现组合逻辑函数时,函数变量数小于数据选择器的地址变量数的情况。方法详细阐述了数据选择器的原理及应用,从逻辑函数表达式、真值表和卡诺图3方面进行分析。结果得出用MSI数据选择器设计组合逻辑函数能够实现任意组合逻辑函数,并通过实例验证了其有效性。结论用MSI数据选择器可实现任意组合逻辑函数。     

钢-混凝土组合梁抗剪连接件研究

钢‐混凝土组合梁是目前工程领域中广泛应用的构件形式,通过在交界面设置抗剪连接件抵抗型钢与混凝土的相对滑移及竖向掀起,能够保证2种材料形成整体共同发挥组合作用。文章重点介绍抗剪连接件分类、受力特点及国内外相关研究成果,并提出一种新型连接件形式,以期为抗剪连接件的后续发展研究提供参考依据。     

基于慧鱼模型的智能化黑板设计

慧鱼创意组合模型是一种技术含量较高的工程技术类拼装模型,是展示科学原理和技术过程的理想教具。基于慧鱼技术设计了一种全智能化黑板,针对传统黑板的不足进行了创新性设计,赋予了黑板新教具的使用智能化、多功能化、实用化、舒适化等多重功能,从而满足现代化课堂教学的需要。     

股票-债券投资组合问题的数学模型及算法

针对股票一债券的最优投资组合策略问题,定义了股票一债券的半绝对偏差风险函数,建立了考虑不允许买空、不允许卖空、交易费用及交易单位等实际约束的股票一债券投资组合问题的数学模型,提出了一种基于布谷鸟搜索算法的改进算法,该算法不仅加快了最优鸟窝位置的搜索速度,同时增强了最优解的稳定性,并对该算法的复杂度进行了分析.最后通过数值算例验证了模型及算法的正确性及有效性.     

基于冗余避免的高效网络编码广播重传方法

为了提高无线网络中基于网络编码的广播重传方法的编码效率,从而有效地减少重传次数和数据包传输时延,提出一种主动避免编码冗余的高效网络编码广播重传方法(network coding broadcasting retransmission approach based on redundancy avoiding,NCRA)。NCRA编码时主动避免不能解码的编码组合被重复编码重传,同时优先编码重传对接收节点已缓存的未解码编码包的解码贡献较大的丢失数据包以充分利用编码机会,在对解码贡献相同的条件下优先编码较早丢失的数据包以减小数据包传输时延。理论分析和仿真结果表明,NCRA算法相比于现有算法能有效减小重传次数和降低数据包传输时延,减少网络开销,进一步提高了编码重传的效率。     

基于权重系数模糊C均值聚类

传统基于模糊C均值聚类图像分割算法易受复杂纹理和噪声干扰,无法准确分割图像。针对这一现象,提出一种基于权重系数模糊C均值聚类算法,并将其应用于图像分割中。算法定义权重系数矩阵,将每个像点的邻域信息引入到像点间相似性度量中,计算每个像点与聚类中心点的邻域相似程度,根据权重系数矩阵确定邻域中每个像点在邻域特征计算中所占权重,增强了算法对噪点和杂波的鲁棒性。实验结果表明,与传统模糊C均值聚类算法相比,该文算法获得更加精确的图像分割结果。     

基于模糊决策的不完整数据分类算法

中医药领域不完整的数据普遍存在,而数据的不完整很大程度地降低分类模型的学习效果。大多数已有的处理不完整数据的分类算法只关注在其学习阶段处理不完整数据,而对于不完整数据出现在分类阶段则不能处理或效果不好。文章提出一种新的分类算法用于处理不完整数据的分类问题。首先给出一个新的用于处理不完整数据的决策树算法,并针对传统的Boosting算法在迭代过程中使用确定性决策方法而没有充分考虑到数据集中的不完整数据,进一步提出改进的Boosting算法,在迭代过程中对每一个假设使用模糊决策方法,权重的更新机制是增加错误分类样本的权重和减少正确分类样本的权重,最终使用加权投票的方式得出最优的分类结果。最后,通过两组实验证明提出的算法策略在处理不完整数据问题时的优越性。