多维层次聚集cube的可扩展存储结构

采用多维层次式B ＋树作为多维数据集的索引结构,并在此基础上创建了一种可扩展的存储结构——多维层次聚集cube(MH-cube).基于MH-cube的层次特性,可以高效地对多维数据集进行快速查询、数据更新与模式更新,分析表明MH-cube在性能上优越于其他cube.     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

微元步长自适应增量电导法实现MPPT的控制

为了更大程度的提高光伏发电系统的最大输出功率,通过对光伏电池功率、电压(P-U)特性的数学建模分析,在增量电导法的基础上,提出最大功率跟踪控制算法(MPPT)——微元步长自适应增量电导法.改善了传统增量电导法步长选择不确定性的弊端.通过引入变步长控制因子k,以微元步长Δd自适应的跟踪最大功率点.在Matlab/Simulink环境下进行了仿真验证.结果表明该算法明显缩短了跟踪时间,并且有效地抑制了系统在最大功率点(MPP)附近的振荡现象,提高了系统的跟踪速度和精度.     

Veritas NetBackup 备份软件在数字图书馆中的应用

通过分析不同数据的备份方式,以及现代数字图书馆网络设备和数据应用分布情况,详细讲述了Veritas NetBackup备份软件在广东外语外贸大学图书馆的应用实施过程以及管理操作的方法,阐述了Veritas NetBackup备份软件在数字图书馆中的重要作用。     

基于核心树的增量聚类算法研究

传统的聚类分析方法一般都没有考虑大容量数据集合的问题,而数据挖掘技术的研究重点之一就是如何从海量数据中高效率地获取知识。结合基于分类方法的K-means中心点算法以及基于层次方法的BIRCH增量算法提出核心树(Core-Tree)的思想来弥补两个算法的缺点,使用中心点的思想来表示BIRCH算法中汇总信息,利用类核心的思想来提高确定中心点的效率。因此,提出一种聚类算法,主要集中在如何提高大型数据集合的聚类效率、如何处理具有各种特征的数据集合。     

无粘结预应力砼连续梁受力分析计算机模拟方法中的若干问题

针对无粘结预应力砼连续梁的受力特点，对其正截面分析的计算机模拟方法进行探讨．提出应考虑截面受压区砼分层剥落破坏过程来建立相应的弯矩曲率关系，并介绍相应破坏准则及判别依据．对非线性分析过程中的弯矩－曲率－轴力关系曲面的加载路径以及截面负增量刚度问题进行了研究     

一种SVM增量学习算法

分析了SVM理论中SV（支持向量）集的特点，给出一种SVM增量学习算法，通过在增量学习中使用SV集与训练样本集的分类等价性，使得新的增量训练无需在整个训练样本空间进行，理论分析和实验结果表明，该算法能然保证分类精度的同时有效地提高训练速度。     

基于横张增量法的PC梁桥现存应力测试与评估

针对目前预应力混凝土桥梁由于多方面因素造成的预应力损失,基于静力平衡原理,通过横张增量法对实桥进行预张力测试,采用线性条件下二级间增量方式消除误差,得出实测桥梁的目标钢束现存应力,并与规范中理论设计值进行对比分析,确定在役桥梁预应力储备状况。研究结果表明：实测箱梁跨中8根正弯矩束中,有3根钢束有效预应力实测值小于设计值13.36%～23.7%,墩顶4根负弯矩束实测值较设计值大16.86%～24.59%,由此说明,PC箱梁预应力损失较严重,主梁刚度有所下降。     

弹性薄壳大变形分析的杂交应力法

本文基于增量余能原理,导出了用于板壳几何非线性分析的假定应力杂交模型。根据单元体边界和内部位移的协调内插以及满足单元体内应力平衡的应力分布假定,列出了有限元的公式,而最后的矩阵公式中只包含节点的未知位移。由此我们建立了3节点、15个自由度的三角形扁壳单元。考虑到计算量的原因,我们对这种单元的应力平衡条件进行了简化处理,仅采用部分满足应力平衡方程的非一致模式。有关公式都是在当前的拉格朗日坐标系统中建立的。数值计算结果表明,用杂交应力模式来分析板壳结构的大变形是很有效的。     

一种改进的关联规则增量更新算法

数据挖掘技术引起了数据库和人工智能等领域的专家和学者的广泛关注。关联规则的挖掘是数据挖掘研究的一个重要领域,本文分析了经典的增量更新算法FUP的不足,提出了一种改进的增量更新算法EFUP,详细论述算法思想,并与FUP算法比较分析,表明了该算法的优越性。