超大跨斜拉桥地震行波效应分析

对多点激励下的振型方程进行了推导,简化成类似于一致激励下的振型方程形式,导出多点激励下的振型参与系数和振型等效地震波,从而可由反应谱判断多点激励对结构振动的影响.以一座试设计的主跨1 400m斜拉桥为例,采用振型分析法分析了考虑行波效应的超大跨斜拉桥振动机理。通过拟静力法分析了行波效应引起的各支承点地震动位移的差异对超大跨斜拉桥结构变形的影响,同时,利用位移输入法,对超大跨斜拉桥进行了地震时程分析,研究了行波效应对超大跨斜拉桥顺桥向耗能体系地震损伤的影响.研究结果表明:行波效应减小了耗能辅助墩的耗能作用,增大了桥塔的地震损伤,对超大跨斜拉桥顺桥向耗能体系地震反应的影响是不利的.视波速为1 000~3 000m·s-1范围内的长周期地震动作用下行波效应的影响尤为显著,因此在超大跨斜拉桥地震反应分析时必须考虑.     

鲁棒主元分析和稀疏表示方法在模拟电路错误检测中的应用

模拟电路错误检测问题,即重点是检测出模拟电路芯片存在错误后确定错误元件或参数的问题,对于进一步明确错误产生原因,在设计或制造中加以改进,有重要的意义.经典做法是通过预先设置错误,并仿真得到其对应的响应数据,构造"错误字典",然后将测试信号与错误字典进行比对,识别其属于哪一类错误类型.本文提出一种基于数据稀疏表示方法来进行错误类型识别的新方法,它计算属于不同错误类型的数据在所有类型的数据构成的空间中的展开向量,根据得到的稀疏向量来判断其所属错误类型.对于稀疏表示方法无法进行准确分类识别的情况,采用SVM作为二级分类器进行修正.存在某些错误类型,其响应数据构成的空间之间线性相关性较强,对于稀疏表示后属于其中之一类型的数据,采用传统的SVM方法来加以辅助分类.在两个实验例子中,与SVM,Ada Boost以及没有加SVM辅助分类的单纯稀疏表示方法相比较,本文方法有更高的错误类型识别正确率.     

基于LWSFLA-SVM的人脸识别算法*

目的用线性调整惯性权重的蛙跳算法(linear decreasing inertia weight shuffled frog leaping algorithm,LWSFLA)训练支持向量机(support vectors machines,SVM),解决人脸识别中SVM在训练样本数较多且维数较高时,识别效果不理想的缺陷。方法该算法先用反向学习法产生初始群体提高初始解的质量,再修改最差青蛙的更新策略,并引入线性递减的惯性权重,最后应用于人脸识别中。结果与结论 ORL和CAS-PEAL-R1人脸库的仿真实验表明,LWSFLA-SVM方法的人脸识别时间短,识别率高,在训练样本不足时,识别效果良好。     

证据理论和支持向量机相融合的教学质量评价

为了解决当前教学质量评价方式和结果的科学性可靠性不高的问题,提出了一种证据理论和支持向量机相融合的教学质量评价模型(DS-SVM).从信息融合的思想出发,首先构建评价指标体系,并采用支持向量机分别建立基于学生、同行、督导团的教学质量评价模型,然后利用支持向量机输出确定各模型的信度函数值,最后通过DS证据理论融合各信度函数值得到教学质量评价结果.仿真试验结果表明该教学质量评价模型的输出值与真实值间吻合度高,评价效果较好.     

基于故障区分度DAGSVM的模拟电路故障诊断

为了提高模拟电路故障诊断的精度,针对现有DAG-SVM用于解决多类分类问题固有的不稳定性结构以及"误差累积"的特点,提出了一种基于故障区分度构建DAG-SVM的新方法。根据从不同测试点获取的故障数据信息,定义故障区分度,并以此为依据优化DAG-SVM的拓扑结构,从而消除DAG-SVM结构固有的不稳定性,获得稳定而较高的诊断精度。实验结果表明,与现有的"1vs 1"SVM、DAG-SVM及其改进方法相比,该方法在诊断精度上有明显提高,对于模拟电路的故障诊断具有很好的借鉴意义。     

基于几何直观和工程应用的向量空间启发式教学研究

对工科线性代数的教学,围绕向量空间及其相关概念,以学生为中心,从几何直观、实际应用的角度讲解抽象知识点的教学模式进行了探讨.提出借助几何图形、工程应用问题来引导学生理解抽象知识点的想法,并给出了若干教学案例,希望藉此提高学生的学习兴趣,培养他们利用数学解决实际问题的能力.     

改进的基于线性支持向量机回归的近红外光谱分析方法

以近红外光谱信号为研究对象,把线性支持向量机回归方法应用于近红外光谱分析中,为 了提高算法的分析精度,提出了先对光谱数据进行中心化预处理,再建立线性支持向量机回归模 型,然后根据回归模型中的回归系数构建变量重要度的评价指标并采用网格搜索法得出满意的变 量集,再利用选出的变量集重新构建回归模型的分析方法.最后,采用业界认可的标准数据对该方 法进行了测试和分析,结果表明了该方法的有效性.     

人工神经网络和支持向量机性能比较及其在DMD疾病识别中的应用

对人工神经网络(ANN)和支持向量机(SVM)这两种机器学习方法进行了分析与比较,并分别利用两种算法对神经肌肉罕见病DMD的磁共振图像(MRI)数据进行建模、分类预测.经对比后得出结论:两种算法结果均表明,DMD的两类MRI(T1和T2)中,T1更具特征性,故此类患者的MRI检查可仅进行T1扫描;若能选择合适的模型参数,则两种算法模型均具有极好的分类预测效果,其灵敏度、特异度和准确率分别高达98.5%,97.3%,97.9%和96.9%,97.3%,97.1%;利用机器学习方法对DMD患者的MRI进行分析处理可作为该病无创检测的技术探索,有望为临床提供客观有效的辅助诊断手段.     

基于支持向量机的互联网金融客户信用风险研究

在分析支持向量机原理的基础上提出了利用Clementine软件预测和分析互联网金融客户信用状况的方法.利用RBF核函数、poly核函数、Sigmoid核函数和line核函数分别对信贷历史样本数据进行建模分析,研究结果显示:在运用支持向量机(SVM)方法对互联网金融客户的信用状况进行评估的实践中,RBF核函数与poly核函数在预测信用状况分类方面相较其他两种核函数具有更高的准确率.为互联网金融机构评估客户信用状况,进行相关风险管理提供了理论参考依据.     

基于向量式有限元的大跨度钢结构施工力学分析方法

针对大跨度钢结构施工容易产生刚体位移等强烈非线性过程的特点,采用向量式有限元分析方法进行施工过程模拟.基于向量式有限元的基本理论,引入张拉索单元,通过控制张拉索单元的原长,实现大跨度预应力钢结构张拉全过程模拟;引入千斤顶单元,实现大跨度钢结构的脱架模拟.在此基础上,利用MATLAB语言编制了基于向量式有限元理论的施工过程分析程序,并通过悬臂梁拼装、索桁架张拉成形以及大跨度张弦桁架的张拉施工过程模拟分析,与传统分析方法进行比较,验证理论推导和自编程序的正确性与有效性.结果表明,采用基于向量式有限元的施工力学分析方法能够准确模拟结构拼装、预应力张拉成形和结构脱架等施工过程.