摄动—增量法中有限Fourier级数的运算

采用符号计算的思想建立了有限Fourier级数的运算系统,将该系统应用于涉及到谐波平衡法的问题中可避免大量手工运算并便于分析.将其应用于极限环的摄动增量法中取得了很好的效果.     

基于用户访问路径分析的页面推荐模型

提出一种新的基于用户访问路径分析的页面推荐模型.该模型采用在线处理方式,利用增量图划分方法形成页面聚类,依此生成动态页面推荐.模型以Apache模型的形式实现,可适用于大型商业网站以及内容更新频繁的网站.试验结果表明,该模型具有较好的整体性能.     

一级光电导线测量及其平差方法的研究

光电导线采用全站仪进行导线测量,按规范要求测出联测角、转折角和导线边长,并通过内业计算得出各导线点坐标,作为后续测量工作的依据。在内业计算中,角度闭合差和坐标增量闭合差都不得超过相关规范中一级导线的规定,方可进行闭合差修正。经分析,坐标增量闭合差的改正数算法存在一定问题,因此提出了新的计算方法,进一步提高导线测量结果的精度。     

一种有效的增量BDPCA算法

主分量分析是一种有效的特征提取及特征压缩算法,然而过大的运算量及存储量限制了它的应用,而算法的增量形式可有效解决这两个问题.主要研究了一种增量主分量算法-CCIPCA算法,首先对它进行了详细分析,证明了其本质上是幂法的一种在线形式,而其统计有效性对应于数据采用指数窗加权时,参数β=1的情况;然后根据幂法的特点调整了其初始值和权值的选取方法,降低了CCIPCA算法的运算量;并在此基础上给出了一种增量BDPCA算法,基于ORL人脸数据库和ATT人脸数据库的仿真结果验证了方法的有效性.     

一种基于相容块划分的动态增量式属性约简方法

属性约简是数据挖掘、机器学习等研究领域中的一个颇为重要的预处理步骤,其效率的高低会直接影响相关任务的性能.针对已有的非增量式属性约简方法在相容块粗糙集模型中对象集发生变化时无法高效更新属性约简的问题,提出一种以区分度为启发信息的增量式属性约简方法 .首先,引入相容块的概念并运用相容块对论域进行划分,在此基础上给出不完备信息系统的区分度定义;然后,详细分析对象集发生变化条件下区分度的更新机理;进一步,以区分度为启发式信息构造增量式属性约简算法;最后,选取六个UCI数据集进行增量式约简的更新实验.实验结果表明,在不影响属性约简精度的前提下,该增量式方法的时间消耗比非增量式更新方法平均缩短50%,更加可行和高效.     

超高层结构基于刚重比敏感性的优化设计方法

结构整体稳定是超高层建筑结构设计的基本要求。为控制超高层建筑结构的重力P-Δ效应(结构的水平变形引起的重力附加效应)不至于过大,提出一种基于刚重比敏感性的单驱动约束优化设计方法。刚重比,即结构的刚度和重力荷载之比,是影响重力P-Δ效应的重要参数。依据虚功原理和等增量分析方法,分别推导敏感性系数公式,并以两层平面框架为例计算其敏感性系数,从理论上说明了方法的可行性。将该优化方法用于建筑高度468 m的某超高层建筑,调整构件尺寸后共计节约成本939.1万元,从工程实践上说明了方法的可行性。研究表明,针对以刚重比为驱动约束的超高层建筑结构,该方法能合理地将材料分配到不同的构件组中,可实现经济有效的结构设计。     

分级加载与波浪荷载耦合作用下软黏土动力响应特性

以长江口长兴岛潜堤后方滩涂圈围工程为研究背景,采集堤坝地基土样,根据实际工况应力路径设计不同围压和动静应力组合,对淤泥质软黏土进行动三轴试验,探究地基土在分级施工加载与波浪荷载耦合作用下软黏土应变、孔压特性以及强度弱化特性。研究结果表明:耦合应力加载后土样的应力-应变曲线呈现应变软化和强度弱化特性,分级加载效应可使应变及孔压增量减少,且应变增量、孔压增量与循环振后静强度折减度,均和固结围压、静偏应力比、动偏应力比等因素相关。当动偏应力比相同时,深度较浅土层围压较小,静偏应力比反而较大,其应变与孔压增量越大,静强度衰减越明显。随着动偏应力比增大,土单元的应变增量与孔压增量、强度折减度有不同程度的增大,并且不同深度的差异性较大。在此基础上,分别对强度折减度β、广义综合剪应变γ_gs及广义综合孔压增量比Δu/σ₃进行了量化,并对(γ_gs-β)及(Δu/σ₃-β)相关性进行了探讨。研究结果对于指导具体工程实践具有一定的参考价值。     

大数据环境下的高效分布式增量序列挖掘

本文提出一种基于MapReduce架构的高效分布式增量序列模式挖掘算法(Incremental Sequential Pattern Mining,IncSPM),用于解决大数据环境中每当数据增加时就更新序列模式的问题.该算法利用后向挖掘算法来有效利用先前挖掘生成的序列模式,同时设计同现反转映射(Co-occurrence Reverse Map, CRMAP)数据结构来处理候选序列的组合爆炸问题,最后设计了新的候选生成和早期修剪机制以加快挖掘过程.用两种真实数据集对本文提出的算法进行了评估,实验表明与其他方法相比,本文算法在执行时间、内存消耗和扩展性方面均有实质性的提高.     

处理缺失数据的朴素贝叶斯分类增量算法

在具有缺失数据的数据集的分类过程中,缺失的数据中蕴含着有用的信息未被考虑的情况会引起分类精度的下降。增量式的学习能够利用不断加入的信息更新学习模型,并充分利用先验信息求解当前问题。给出了一个利用朴素贝叶斯分类模型实现对缺失数据的增量分类的算法。该算法在增量学习的过程中考虑了缺失数据和先验信息对分类器的影响。