一种基于二阶导数的BP算法

根据神经网络模型的结构特点，将能量函数的二阶导数与最速下降方向相结合，构造出一种新型的ＢＰ算法，该算法比梯度法收敛快，较牛顿法计算量小，它适合于计算结构复杂的ＢＰ神经网络模型，理论分析表明该算法行之有效，计算机仿真达到了理想的效果。     

异构环境HBSP模型及其在FFT算法中的应用

提出了异构块同步并行（ＨＢＳＰ）模型和程序开销计算方法，根据通信开销线性模型和处理机利用率来研究异构环境中算法的设计和分析。以快速傅立叶变换（ＦＦＴ）为例，给出了相应的算法设计和分析结果。当构成块同步并行（ＢＳＰ）计算机的各处理机速度相同，且原有ＢＳＰ算法达到最优（即各处理机上所分配的计算量与通信量完全均衡）时，ＨＢＳＰ模型等同于原有模型。     

风道压力损失与分支风道压力平衡计算的程序设计

指出了风道压力损失与分支风道压力平衡的电算法，并用ＴＵＲＢＯＰＡＳＣＡＬ语言编写实施了计算程序．     

圆柱件无鼓镦粗的模拟研究

圆柱件无鼓镦粗的模拟研究刘战英（冶金系）摘要采用模拟研究的方法，得出了圆柱件镦粗时所产生的鼓形与压下车、凹形比和高径比的关系式。可用于无鼓镦粗和微鼓镦粗的工艺参数设汁。为定量计算圆柱件镦粗产生的鼓形值提供了算式。关键词鼓形，镦粗，模拟《中国图书资料分...     

基于塑性力学变分原理的大锻件镦粗变形研究

镦粗是大锻件制造工艺中最重要的基本工序与常用工序.镦粗变形是由其坯料内部的速度场(或位移场)确定的,进行镦粗变形研究的关键是得到其真实速度场(或位移场),为此,利用塑性力学变分原理,对其进行了研究.根据试验与生产得到的镦粗变形基本规律,预设镦粗变形的运动学容许的速度场,进而求得应变速率场,借助刚塑性材料的第一变分原理求得其真实速度场的解析式.为检验真实速度场的合理性,考察了端面摩擦因子m分别为0、0.25、0.5和0.75时镦粗坯料的变形情况,结果合理.又进一步将解析计算结果与数值计算结果对比,两种计算结果十分接近.表明研究得到的镦粗真实速度场解析式是正确的.利用建立钢锭镦粗的真实速度场,计算分析了钢锭镦粗的难变形区,可为制定大锻件工艺提供参考.     

圆柱件无鼓镦粗的模拟研究

采用了圆柱件端面制凹的方法，通过模拟研究得出圆柱件镦粗时所产生的鼓形与压下率，凹形比和高径比的关系式。该式可用于无鼓镦粗和微鼓镦粗的工艺参数设计，并为定量计算圆柱件镦粗时产生的鼓形值提供了又一算式。     

镦粗力计算公式

接触表面按不同摩擦规律分区,采用精确的变形能塑性条件,推导了圆柱体镦粗和平面变形条件下镦粗的变形力计算公式,使镦粗力计算值比现有的由近似塑性条件导出的镦粗力计算公式的计算值更接近实际。证明了由于采用近似塑性条件所造成的误差有时超过20％。列于非平面变形的平板镦粗过程的变形力计算,采用“分区计算法”,其结果与实测值相近。 将这些镦粗力计算公式制成了计算曲线,使镦粗力计算工作大为简化。     

自适应BP学习算法的一个改进

借助于信赖域方法的基本思想，提出一个自适应计算步长的ＢＰ算法。数据实验结果表明，该算法具有良好的收敛速度。     

一种基于二阶导数的 BP 算法

根据神经网络模型的结构特点,将能量函数的二阶导数与最速下降方向相结合,构造出一种新型的ＢＰ算法,该算法比梯度法收敛快,较牛顿法计算量小．它适合于计算结构复杂的ＢＰ神经网络模型,理论分析表明该算法行之有效,计算机仿真达到了理想的效果．     

刚塑性变形模拟的相似条件

本文根据相似理论确定了刚塑性变形模拟的相似条件,选取按比例缩小的模型,对塑性成形过程进行计算机模拟,计算了圆柱体镦粗和平面应变镦粗两个实例,为扩大计算机模拟的应用范围,提出了一种新的途径.     

基于粗糙集方法的知识发现

属性约简和属性值约简是租糙集理论中的重要研究内容,也是粗糙集理论应用于知识发现的主要方法.但求取任意问题的最小属性集是一个NP难问题.本文利用属性间的知识依赖度,提出了一个求取属性约简的贪心算法,它可以在多项式时间内得到一个约简.同时,把粗糙集方法应用于知识发现,通过属性约简删除信息系统的冗余属性,减少数据量,再利用属性值约简,获取决策规则.最后通过实例说明了基于粗糙集方法的知识发现过程,验证了方法的有效性.     

灰聚类分析及其应用研究

经典的聚类分析方法在统计时需要事先设置参数,而在没有先验知识情况下,确定这些参数是比较困难的。为此,提出了一种全新的灰聚类分析方法并完整地定义了其数学模型。该方法不再受样本输入次序的限制,也不需要事先确定参数。通过仿真实验证明,该方法具有较强的抗噪音能力,能有效地避免人为因素对聚类结果的影响,能使聚类结果更客观、准确。将该方法运用于股票数据分析中的实验结果表明,该分析结果能为投资者提供一定价值的决策意见,具有一定的实用价值。     

三维空间实现全覆盖的传感节点优化分布算法

针对无线传感网中重要的覆盖问题,已有多种算法来解决这个问题.通过分析这些算法,提出了一种三维空间下的基于网格点的随机算法的改进算法.算法分为两个阶段,初始阶段采用随机算法获得一个初始部署集以实现完全覆盖,在此基础上对初始部署集进行优化,达到在满足完全覆盖的前提下部署集的最小化.实验结果显示了算法在实现最大覆盖的基础上部署集优于已提出的贪心算法和线性规划算法.     

无线传感器网络中能量有效的最小连通支配集算法

提出了一种分布式最小连通支配集求解算法,对Rule K算法中的标记算法进行了优化,从而形成了连通支配集,并通过新的剪枝算法对连通支配集进行了有效缩减.模拟仿真结果表明:在增加算法复杂度的前提下,该算法求得的连通支配集比前算法更小.     

基于分段常值水平集的参数识别算法

研究了椭圆方程不连续参数的识别算法.根据原有算法计算效率较低、抗噪性较差、可识别区域数较少的不足,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差（TV）正则化的极小化模型和对常值向量的极小化模型,并且结合Barzilai-Borwein方法和预处理共轭梯度算法（PCG）构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点,并且可以识别较复杂的几何区域.     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

r-dense采样密度及其在三维网格简化中的应用

提出了一种r-dense采样密度概念,用于表征网格简化过程中对网格各部分不同的采样密度要求,并由此引申出过采样、欠采样及恰当采样的定义,借此建立了变采样密度简化的模型,并提出一种实现恰当采样的网格简化算法,使网格顶点数目大幅减少的同时仍能充分保持原始网格的细节,获得了良好的实验结果．     

一种快速有效处理数据集分类问题的新算法

经典的分类算法对小型数据集分类是非常有效的,但当面对超大型数据集时往往失去了分类能力。在平均值和方差以及新定义的权这三个度量的基础上提出了一种快速有效处理超大型数据集分类问题的新算法一核心向量算法,简称CV算法。试验结果表明,该方法对超大型数据集分类是比较有效的。     

基于模糊-粗糙集模型的一种归纳学习方法

对传统粗糙集理论进行了扩展，提出了一种模糊-粗糙集模型。利用模糊集理论和Koho-nen网络自组织映射算法对决策表的连续属性进行模糊化，并用模糊贴近度构造模糊相似矩阵，把普通粗糙集的不可分辨关系推广为模糊相似关系。提出一种基于模糊-粗糙集模型的归纳学习算法FRILA，此算法和决策树算法相比，具有得到的规则数目少、规则表示简单等优点。实例验证了此方法的有效性。     

自适应模型集交互式多模型算法

针对交互式多模型(IMM)算法的目标跟踪精度问题,提出了一种自适应模型集IMM算法.利用IMM算法中的模型概率含义,并以此对模型集的收缩比例因子进行设计,这样模型集通过向中心模型收敛可完成自适应调整,而自适应调整过程能有效、实时地利用观测信息.仿真实验结果表明,所提算法能有效跟踪机动目标,而且比IMM算法的跟踪精度更高,但其受到目标机动模型的先验性的限制.