软土地基震陷的弹塑性分析

据非等向硬化模量场增量弹塑性模型，用中量增量法建立平面应变问题的有限元动力分析方法，并据此分析软土地基的震陷．     

软土震陷特性的试验研究

基于饱和软粘性土与福建标准砂的静力孔压软化试验和动三轴震陷试验的分析研究，揭示了饱和松砂的软化应变具有突变性，当其孔压比小于某一限值时基本无软化现象，而饱和软粘性土则呈现随孔压增长而渐软化的特点。按文中建议的软化试验与动三轴震陷试验结果的对比，可区分震陷中的软化应变和惯性应变，为进一步综合分析计算土体由这两种应变形成的震陷奠定了基础。     

基于自组织特征映射神经网络的短期负荷预测

提出了一种基于自组织特征映射神经网络(Kohmonen网络)的短期负荷预测方法，根据Kohonen网络的聚类特性，样本在输入时就已分好类。输入既有与负荷曲线平滑性有关的数据又有反映负荷周期性变化的数据。在学习训练时，区别于普通的无监督竞争学习采用有监督竞争学习方式，缩短了学习时间，提高了学习精度。实例分析征明了该方法的有效性。     

基于自组织特征映射神经网络的聚类分析的应用

介绍了自组织特征映射神经网络结构和算法,并将此神经网络用于葡萄酒化学成分产地的聚类分析,实验结果表明：该网络的聚类准确率达到了87％,具有一定的科学性和适用性。     

基于自组织特征映射网络的综合评价模型

首先根据人脑思维的模糊性特点 ,以模糊集合论为基础 ,构造一种用于指导自组织特征映射网络学习过程的模糊熵准则 ,可以在较大范围内有效地解决自组织特征映射网络 (SOFM )的学习问题 .然后提出一种基于模糊自组织特征映射网络的综合评价模型 .该模型通过确定标准对象 ,数据的标准化处理 ,网络自适应学习和评价结果输出等环节 ,可以有效地解决一类综合评价问题 .最后通过一个实例进一步说明其灵活性与实用性 .参 6 .     

改进的自组织特征映射网络及应用

在自组织特征映射网络研究的基础上,对其网络结构进行了改进,利用改进后的自组织特征映射网络算法进行油气检测.根据已知井位的油气属性,验证了该方法的有效性,并将其运用于未知井位的油气属性的预测.     

基于自组织特征映射的属性离散化方法

基于粗糙集理论,用K-W方法初步评价各连续属性的重要性,用自组织特征映射的聚类方法进行离散化,以决策表相容性为判决标准.试验表明,这是一种令人满意的离散化方法.     

基于自组织特征映射区域分割的三维几何模型简化算法

为满足模型简化后保留细节特征的需要,引入自组织特征映射(SOFM)神经网络,提出一种基于区域分割的三维几何模型简化算法:将三维几何模型划分成具有不同特征的区域,在此基础上进行多区域并行简化,利用顶点微调法对简化后的模型进行局部特征修正.结果表明,该方法可在提高模型简化速度的同时,有效保留模型的细节特征,显著改善模型因简化而产生的形变.     

自组织特征映射神经网络的区域经济发展聚类分析

自组织特征映射(SOM)神经网络是无教师自组织、自学习网络,具有优良的数据聚类功能.基于选取的区域经济发展评价指标,对2006年我国31个省(地区)的综合经济实力进行聚类分析.结合主成分得分对聚类结果综合评价,实证效果较好.     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

动力固结法加固软粘土地基试验研究

为了探索排水条件对动力固结法加固软粘土地基的影响,本文根据对不同排水条下的饱和软粘土试验区进行了对比试验,通过研究土体侧向位移、夯击下沉量、孔隙水压力等变化特点,发现了一些基本规律和重要现象,对于理论设计和施工有一定的指导意义.     

一种基于相对特征的文本分类算法

针对文本分类问题,将朴素贝叶斯分类与自组织特征映射网络分类相结合,提出了基于相对特征的文本分类算法.该算法具有很快的速度和较高的准确率,从而为构建高效的搜索引擎提供支撑.     

堆载预压-强夯法在软基处理中的应用

本文结合福建某港区软土地基处理,详细介绍了堆载预压——强夯法在软土地基加固处理中的施工要点,并通过现场检测试验,表明了这种方法在软土地区应用的可行性。     

基于改进的自组织映射网络的化工过程故障分类辨识

将自组织映射网络(SOM)应用于化工过程故障数据的分类辨识,并采用粒子群优化(PSO)算法优化权重失真指数(LW D I),代替SOM的启发式训练算法,形成粒子群优化的SOM(PSO-SOM)分类算法。以某工厂甲醇合成反应器数据为研究对象,研究结果表明:对比基本SOM算法,PSO-SOM算法对复杂的故障数据能够得到较优的分类辨识结果,对甲醇合成生产中的故障诊断有非常显著的指导作用。     

基于模糊逻辑的CloudSat卫星资料云分类算法

为了提高星载毫米波雷达资料云分类的准确性,从基于云角色的分类思想出发,利用源于CloudSat/CPR(云廓线雷达)和CALIPSO/Lidar(激光雷达)的云几何廓线数据产品2B-GEOPROF-LIDAR以及相关资料,通过对云的特征参数进行提取,采用模糊逻辑技术对特征参数进行处理并完成对云的分类,将分类结果与Clo...     

基于模糊聚类的物流数据字典动态分级方法

为提高物流管理信息系统查询效率，根据物流数据库管理系统查询调用数据属性字典的统计信息，提出一种优化属性字典分级的动态方法。描述了该方法的实现并进行了查询效率分析。该方法基于模糊聚类原理，在属性字典表中添加聚类属性项；将数据繁多的属性字典表按其在选定时间内的属性统计值进行动态归类分级。系统运行实践表明，该方法提高查询效率最高达31．9％，平均达19．3％。     

强夯法(DCM)处理软弱地基试验研究

结合广州国际会议展览中心周边道路地基处理工程实例,对强夯法在广州软土地基加固中的应用进行了试验研究,评析了广州软土地基在强夯加固法中的效果,得出适合广州软土地基加固的施工工艺,指导同类地基进行大面积处理.     

最优权组合模型在季冻区公路软基工后沉降中的应用

为研究最优权组合预测模型在季冻区公路软基沉降预测中的适用性,选取某一级公路的典型断面,采用分层沉降仪进行沉降监测,通过沉降管上磁环位置的移动来反映路基沉降变化。根据一年的沉降实测资料,对原始非线性数据进行三次样条插值处理,基于最优权权重法将灰色GM(1,1)及二次曲线模型进行组合,对地基的远期沉降进行预测,将预测结果与实测资料进行对比,探究该模型的适用性,同时基于季冻区气候特点,选取适合高寒地区路基监测的合理时距。研究表明：最优权权重组合模型的预测效果与样本数密切相关,适当增加建立模型的样本数亦可显著提高预测精度;在考虑区域气候条件下,适当减少冬季及沉降速率较慢的月份的样本数量,增加在沉降初期及冻融前后的样本数量可以有效提高模型的预测效果;本文的最优权组合预测模型可以较好地预测季冻区公路远期沉降,为类似工程的沉降预测提供参考。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

基于自组织特征映射网络的全国地级市城市地价区域分类研究

地级市是我国经济发展相对迅速的区域, 也是土地供应重组、交易活跃的重点区域。以2005年我国土地出让面积、土地平均价格、地区生产总值、地区生产总值增长率和 固定资产投资等 5 个变量作为聚类指标, 构建自组织特征映射( SOFM) 人工神经网络模型, 将我国282 个地级市分为高地价发达区、低地价发达区、高地价欠发达区和低地价欠发达区共4 个类型区域, 并对每个类型区的土地价格和社会经济发展状况做出分析讨论。SOFM 模型聚类结果与客观实际较为吻合, 效果良好。结果表明, 自组织特征映射 网络对于地级市土地地价的区域差异具有良好的表征能力。