几何不对称试件启裂前应力变化的激光实验研究

从裂纹技术的需要出发 ,对几何不对称试件进行了启裂前应力状态变化的激光实验力学研究 ,观察有切口试件的应力场变化情况 .结果表明 ,试件在启裂前的应力状态基本上是对称的 ,应力无大的变化 .     

基于Web日志的数据挖掘的研究及应用

Web日志挖掘是Web数据挖掘中非常重要的一个研究领域和研究方向,首先介绍了Web日志挖掘的过程,然后介绍了关联规则及关联规则算法——FP-growth算法,最后将关联规则中的FP-growth算法应用在网上书店系统中,实现对客户数据的关联规则挖掘。     

肿瘤细胞ECA109和PC12对二甲基亚枫耐受剂量的分析

通过观察不同剂量二甲基亚砜(dimethyl sulfoxide,DMSO)作用下ECA109和PC12细胞形态和生长状态的变化,确定该溶剂对上述两种肿瘤细胞的相对安全剂量。按照一定浓度梯度(V/V)将DMSO加入培养液,干预后的24 h、48 h和72 h于倒置相差显微镜下观察AO/EB染色前后细胞的形态特征;同时用四甲基偶氮唑蓝(MTT)显色法检测细胞的生存率并计算半数抑制浓度(50%inhibiting concentration,IC50)。结果:ECA109细胞和PC12细胞对DMSO的耐受性明显不同,DMSO的浓度为8 mL/L时,24 h内ECA109细胞生长正常,形态完整,活力与对照组无差别,浓度为10 mL/L时,细胞生存率可下降10%。对PC12而言,DMSO浓度不高于14 mL/L时,对细胞的形态和生长几乎没有影响;浓度提高到20 mL/L时,24 h时细胞生存率可下降27%。结论:PC12细胞对DMSO的耐受性高于ECA109;ECA109细胞24 h内的应用终浓度不应超过10 mL/L,PC12细胞DMSO的应用浓度可提高到14 mL/L;干预时间如需延长,DMSO的加入剂量应相应降低。     

基于云计算的模糊规则挖掘算法在入侵检测中的应用

提出了一种基于云计算的模糊规则挖掘算法的入侵规则检测方法.以模糊集理论为基础,提出了在入侵关联规则挖掘中将特征属性模糊集作为单一属性来处理的模糊规则挖掘算法,有效地解决入侵规则中出现不相关规则和"尖锐边界"等问题.在云计算平台上进行算法的验证,利用云计算平台可进行大规模计算和数据处理的特点,得出该思想在入侵检测具有较好的应用效果和前景.     

基于 Rough Set理论的商务决策支持系统知识发现的研究

以商务决策作为研究背景,基于Rough Set理论解决商务决策支持系统中信息不确定,数据量大的困难.从Rough Set理论的基本概念出发,给出决策表的知识表达系统,提出计算最小决策规则的算法,最后通过运用Rough Set理论和方法对商务决策支持系统的实例进行属性及属性值的约简,挖掘其中隐含的知识,从而得出最小决策规则.     

联合灭火救援作战Swarm仿真

为建立多Agent联合灭火救援作战模型框架.将多Agent理论和技术应用于联合灭火救援作战的研究,实现了联合灭火救援组织指挥相互之间的信息交换,显示了互相影响彼此的行动过程.对系统中的指挥Agent、作战Agent和环境Agent进行描述,定义Agent之间以及Agent与环境之间的交互规则,描述系统的相互关系,并构建联合灭火救援仿真模型,最后用多Agent软件工具集和通用软件平台(SWARM),采用JAVA语言编程,对模型及相应机制进行了功能验证.研究结果表明:该方法可以提高消防部队的作战能力,实现快速、高效、科学决策.     

分布式全局最大频繁项集挖掘算法

提出一种分布式全局最大频繁项集挖掘算法(DMFI),该算法含局部挖掘与全局挖掘2个阶段。提出一个基于FP-tree的改进频繁模式树(IFP-tree)来存储数据信息。在局部挖掘阶段,先在各站点上分别建立该模式树,并使用有序方式存储频繁项目,然后,通过对各局部数据库的扫描,挖掘出局部最大频繁项集。在全局挖掘阶段,利用各局部数据库生成的最大频繁项集以及利用组通信播报消息的方式,从而挖掘出全局最大频繁项集的集合。对算法的实现以及在多种情况下进行测试。研究结果表明:DMFI算法具有较好的性能。     

对推理规则在非经典逻辑中失效的分析

论文认为强化前件规则对虚拟条件句确实足失效的，但传递原则、逆换原则和析取前件消去规则并没有像希尔皮南所说失效了。如果对同一性替换规则加上条件对一个命题的某个部分实施替换，要求所利用的同一性在该命题的模态下也成立，则同一性替换规则可以运用于模态语境。奎因对存在概括规则在模态语境中失效的分析并不完全准确。     

一种基于权函数的改进型关联规则挖掘算法

提出了一种基于权函数的改进型关联规则算法——CWA priori算法。该算法利用决策属性在挖掘中的作用,归约数据源中无价值或价值较小的记录,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明CWA priori算法的效率明显高于A priori算法。     

应用个性化推荐的Web日志关联规则挖掘算法研究

对传统的关联规则挖掘算法FP-Growth方法进行改进,提出FP-Mine算法,并应用该算法对Web日志进行挖掘,探寻用户访问站点页面之间的关联规则,来帮助管理员改善站点的设计和企业改进市场商务决策.实验结果证明FP-Mine算法在生成频繁项集及关联规则的过程中,只需存储i-size和(i+1)-size频繁项集的节点的Freq-Set-Tree,且立即在其之上生成规则,所以缩短规则生成的时间,提高规则生成效率,同时释放i-size项集的节点,有效地节省内存空间.