破坏线理论中的格沃兹杰夫剪力理论

前苏联ＧｖｏｚｄｅｖＡＡ教授于１９４５年提出的破坏线上的剪力理论是对钢筋混凝土板极限分析理论的重大贡献,但迄今鲜为前苏联域外同行所详知．该成果可能还有进一步发展和应用的潴力     

量子速度极限研究进展

研究量子速度极限不仅有助于理解量子力学基本问题,而且在量子模拟、量子非平衡热力学等领域亦有重要意义.本文首先介绍了封闭系统中两个重要的量子速度极限——Mandelstam-Tamm界和Margolus-Levitin界以及封闭系统的量子速度极限统一界.在开放量子系统中,由于系统与环境相互作用,量子系统一般不能实现正交态...     

2013年全国核反应会议暨核物理973计划年会在深圳召开

由中国核物理学会核反应专业委员会和深圳大学主办的2013年全国核反应会议暨核物理973计划年会于2013年5月11~15日在深圳大学召开.全国核反应会议每两年举行一次,此次会议与新一轮核物理973计划原子核稳定性极限的新物理与新技术的启动会议合并举办,约有200名学者和研究生参加,是近年来该系列会议参会人数最多的一次,特别是一大批青年学者参会并做精彩报告.     

一种基于马尔可夫链的高维离群点挖掘算法

提出了一种基于马尔可夫链的离群点检测(outlier detection algorithms based on Markov chain, MRKFOD)算法。该算法把基本数据集看作一个加权无向图,数据集中的每个数据表示一个节点,用每条加权边表示节点之间的相似度;形成一个邻接矩阵,把邻接矩阵当作马尔可夫链中的概率转移矩阵;寻求概率转移矩阵的主要特征向量;把每个节点的主要特征向量值作为每个数据的离群度。实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

LDPC码偏移修正加权比特翻转译码算法

大量仿真表明,基于幅度和的改进型加权比特翻转(modified sum of the magnitude based weighted bit flipping, MSMWBF)译码算法对于行重/列重较小的低密度奇偶校验(low density parity check, LDPC)码而言,展现出巨大的性能优势,但对于行重/列重较大的基于有限域几何(finite geometry, FG)的LDPC码,性能损失严重。首先对此现象进行理论分析。其次,引入附加的偏移项对MSMWBF算法的校验方程可靠度信息进行修正,提高了算法对行重/列重较大的LDPC码的译码性能。仿真结果表明,在加性高斯白噪声信道下,误比特率为10E-5时,相比于MSMWBF算法,在适度增加实现复杂度的条件下,所提算法可获得约0.63 dB的增益。     

基于数据加权策略的模糊C均值聚类算法

针对模糊C均值(fuzzy C means, FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California Irvine, UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。     

Flow Shop排序问题F2|prmu|∑wj(1-e-rCj) 的一个启发式算法

给出了Flow Shop排序问题F2|prmu|∑w     

加权总完工时间有限的受资源约束排序问题

研究1|pj=fj(uj),∑jwjCj≤|∑juj型受资源约束排序问题.针对问题中加工顺序确定的情况给出两个寻求其最优资源分配的算法;就fj=f和fj=b-ajuj,wj=w等问题的最优排序.     

基于遗传算法的均匀圆阵宽频段二维WSF算法

基于多圈均匀圆阵 (UCA)构造了二维加权子空间拟合 (WSF)算法的代价函数 ,用遗传算法进行了优化 ,从而得到了对宽频段内多个独立源或相干源的高精度、高分辨率和强鲁棒性的二维波达方向估计 (DOA)。计算机仿真表明了该算法的有效性。