港湾式公交停靠站的设计分析

在对南京市公交停靠站的交通调查的基础上，对港湾式车站造成的拥挤及安全问题进行分析，总结了缓解延误和减少安全隐患的一些方法和措施。并针对车站的几何设计，提出了一些建议和看法。     

基于改进SOM的纹理合成算法

提出一种基于改进自组织特征映射(SOM)的纹理合成算法,首先给出一种基于纹理的灰度图像的SOM输入向量构造方法,由此得到的输入向量维数是基于TSVQ方法的输入向量的1/3;再对SOM网络的学习规则进行改进使之能正确训练输入向量,最后使用经过SOM网络量化后的向量合成灰度纹理并反向映射到彩色纹理完成纹理合成。实验表明算法合成纹理质量较好,合成速度较TSVQ加速算法有较大提高。     

特征房价空间分析及连续型深度置信网络预测

以上海为研究区域,利用数据爬虫手段搜集、整理上海市二手房交易数据,通过空间自相关分析二手房交易价格的空间效应,并使用连续型深度置信网络对二手房交易价格进行分析预测.研究结果表明:上海市二手房交易价格在空间上具有显著的自相关效应,在上海市核心区域存在高-高集聚效应,在周边区域呈现低-低集聚效应,而在核心与周边交界地区存在高-低集聚和低-高集聚的负向空间效应;特征变量对价格偏高区域的二手房交易价格解释力度较小;除中心区域外,基于连续型深度置信网络的特征变量对上海市二手房交易价格预测能力良好.     

可逼近紧空间

引入了可逼近紧空间的概念，给出了它的刻画定理，讨论了它所具有的性质，证明了每一个具有紧邻域扩充性质的可逼近紧空间是绝对邻域收缩核。     

F次弱Urysohn空间

给出了模糊次弱Urysohn空间的概念,并系统地讨论了它的性质.     

约束非线性离散变量规划的最优性问题

本文讨论了含有离散变量的约束非线性规划问题。介绍了若干基本概念和定义,并给出了该问题的最优性条件和收敛条件。最后文中给出了理论研究的应用成果。     

两个轴异面圆柱面的拼接(Ⅰ)

证明了两个轴线异面的圆柱面在与轴线垂直的平面截口处不存在二次GC^0拼接曲面。     

利用GDOP对蜂窝移动通信系统移动台定位的方法

针对基于网络的到达时间 (TOA)定位系统 ,分析了定位误差与移动台 (MS)位置及参数测量误差的关系 ,结合实际中能同时接收到移动台信号的基站 (BS)数有限、定位误差对移动台位置敏感的特点 ,提出了直接用解析法计算所有位置线的交点 ,然后用几何淡化因子 (GDOP)及参数测量误差的均方差对交点进行加权平均来估计移动台位置的方法。该方法同时考虑了参数误差与几何淡化因子对定位精度的影响 ,不需要矩阵求逆 ,运算量小 ,速度快。适用于存在直达波 (LOS)信号的蜂窝通信环境。     

Efficient algorithms for agglomerative hierarchical clustering methods

Whenevern objects are characterized by a matrix of pairwise dissimilarities, they may be clustered by any of a number of sequential, agglomerative, hierarchical, nonoverlapping (SAHN) clustering methods. These SAHN clustering methods are defined by a paradigmatic algorithm that usually requires 0(n ³) time, in the worst case, to cluster the objects. An improved algorithm (Anderberg 1973), while still requiring 0(n ³) worst-case time, can reasonably be expected to exhibit 0(n ²) expected behavior. By contrast, we describe a SAHN clustering algorithm that requires 0(n ² logn) time in the worst case. When SAHN clustering methods exhibit reasonable space distortion properties, further improvements are possible. We adapt a SAHN clustering algorithm, based on the efficient construction of nearest neighbor chains, to obtain a reasonably general SAHN clustering algorithm that requires in the worst case 0(n ²) time and space.Whenevern objects are characterized byk-tuples of real numbers, they may be clustered by any of a family of centroid SAHN clustering methods. These methods are based on a geometric model in which clusters are represented by points ink-dimensional real space and points being agglomerated are replaced by a single (centroid) point. For this model, we have solved a class of special packing problems involving point-symmetric convex objects and have exploited it to design an efficient centroid clustering algorithm. Specifically, we describe a centroid SAHN clustering algorithm that requires 0(n ²) time, in the worst case, for fixedk and for a family of dissimilarity measures including the Manhattan, Euclidean, Chebychev and all other Minkowski metrics.This work was partially supported by the Natural Sciences and Engineering Research Council of Canada and by the Austrian Fonds zur Förderung der wissenschaftlichen Forschung.     

多维背包问题的变邻域填充函数算法

首先给出解的两个邻域结构,并把多维背包问题转化为相应的无约束整数规划问题.其次构造一个单参数的填充函数,然后提出一类求解多维背包问题的变邻域填充函数算法.实验结果表明,该算法是有效的.