集群系统中基于MPI的关联规则快速挖掘算法

集群系统是一种分布存储系统,它主要利用消息传递方式来实现各结点之间的通信.在集群系统中通过利用MPI中的消息传递调用接口,提出了一种基于二进制形式的数据存储和计算的高效并行挖掘算法,通过对数据对象进行一些"或"、"与"、"异或"等逻辑运算操作,降低了算法的实现难度,减小了网络通信量,提高了挖掘效率,具有较好的可行性和可扩展性.     

钢-混凝土组合梁附加挠度的能量法分析

钢梁与混凝土之间的相对滑移使钢-混凝土组合梁刚度降低,变形增大。文章从能量的角度,提出滑移效应下剪力连接件应变能公式;建立了钢-混凝土组合梁应变性能分析的微分方程;并对集中荷载下简支梁的挠曲线进行了实例求解;与换算截面法和有限元分析结果比较,验证了通过能量法求解滑移效应下组合梁挠度的可行性。     

网络虚拟电子实验室的设计与实现

文章以网络虚拟电子实验室的构建为例,讨论了虚拟实验室的建模方法、网络架构以及虚拟实验设计方法等关键技术;提出了构建网络电子实验室的技术方案,对网络虚拟实验室的创建有一定的指导意义。     

基于IFS的真实感分形植物仿真与实现

在vc＋＋中运用迭代函数系统实现了四川（川东）几种常见树木的真实感形态模拟,并给出了IFS码,通过改变仿射变换的系数,降低了运算量,为植物仿真提供了方法和思路．     

UCAV编队协同对地攻击决策系统研究

针对UCAV编队对地攻击系统,提出了有人机UCAV联合编队协同对地攻击的概念,分析了有人机UCAV编队对地攻击的体系框架,提出了编队对地攻击的系统结构及其功能划分,给出了对地攻击的作战流程.基于UCAV编队对地攻击决策的复杂性,决策信息的分布性以及决策过程的层次性,提出了UCAV编队时地决策知识的表达和推理方法.     

南极乔治王岛菲尔德斯半岛湖相沉积物的分子有机地球化学特征

报道了南极乔治王岛菲尔德斯半岛湖相沉积物的分子有机地球化学特征．冻土湖沼沉积物的正烷烃往往以C₂₃为其主峰,源自于苔藓植物有机质的优势输入;南极乔治王岛湖相沉积物中富含异构和反异构脂肪酸,反映沉积区的细菌作用较强;脂肪酸C_18:2/C_18:0与甾醇ACI指标的剖面相关性,表明 C_18:2脂肪酸源自内生藻类．脂肪酸C_18:2/C_18:0比值的剖面变化反映区内11/9和3 kaBP气温较低;首次在南极淡水湖盆沉积物中检出长链不饱和酮化合物,推测其生源为定鞭金藻属藻类,其高C_37:4相对含量与南极严寒气候对应．     

耐用品动态Bertrand模型

依据耐用品的市场容量随着时间发生变化的特点,修正了传统的Bertrand竞争模型,得到两阶段情形下的两个企业同时博弈的耐用品动态Bertrand模型及其所对应的价格均衡解.通过对模型的比较与分析可知,新模型是对传统模型的进一步扩展,并且能够适用于更为实际的竞争情形.     

深埋公路隧道高地应力场特征分析及岩爆预测

深埋隧道岩体中有较高地应力,在岩石强度较高的围岩处易发生岩爆,影响围岩稳定性。笔架山公路隧道埋深大,为降低其安全建设风险,通过工程区岩样岩体力学实验对围岩性质进行研究,结合地应力资料建立三维有限元地质模型反演隧址区地应力场,最终利用谷-陶岩爆判据和强度应力比岩爆判据对笔架山隧道岩爆状态进行预测。结果表明：隧道工程区内岩体有中等-强烈岩爆倾向;隧道沿线地应力场由自重应力场主导,大多数区段岩体处于极高应力状态,且水平最大主应力与隧道夹角较小,有利于围岩稳定;开挖后沿线围岩最大主应力峰值为63.2 MPa,均发生在断面侧壁,因此在该部位发生岩爆的可能性较大;隧道沿线24%区段有发生岩爆的可能,且以中等-高岩爆活动为主,岩爆预测结果可为隧道开挖施工和灾害防治提供参考。     

地铁车站结构上穿可液化土层地震响应分析

地基液化是导致地下结构在地震中发生严重震害的重要威胁之一。以北京某箱型框架式地铁车站上穿一定厚度的可液化土层为工程背景,基于有限差分软件FLAC^3D建立了含有可液化土层的场地土-地下结构相互作用数值模型,分析了场地液化分布特征、周围场地位移沉降及矢量特征、地下结构动力反应及上浮特征等。结果表明,地下结构的存在加大了可液化场地的地层变形,但会显著降低结构上方一定范围内地表土体的地震响应;可液化土层中的孔压发展表现为“起始缓慢增长、最后急速增加至峰值并保持一定时间,最后缓慢消散”的规律,孔压达到峰值的时刻与输入地震动的峰值时刻接近;结构的竖向位移变化表现出“起始少量下沉,然后振荡上升,随后急剧上浮,最后缓慢下降”的发展阶段;液化场地中,地铁车站结构附近的土体部分上浮、部分沉陷是造成地表土体开裂的内因;下部可液化土层对上穿的地下结构的地震响应具有一定的隔震效果。     

一种深度学习网络的树木点云骨架重建方法

基于激光雷达(light detection and ranging, LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势。本文研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法。该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题。以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离。其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus, RANSAC)方法来计算的圆柱体拟合半径,以重建树木的各级枝干。最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝。通过与实测数据比对验证表明,深度学习枝叶分类准确...