基于K中心点的文档聚类算法

K中心点算法是一个常用的聚类算法,它的主要缺陷是容易陷入局部极值,计算代价太高.本文先构造一个运用余弦相似度的K中心点文档聚类算法,然后提出一个改进算法,该算法不增加计算的复杂性,显著改进文档的聚类结果.最后,将该改进算法作为局部搜索过程嵌入到迭代局部搜索结构中,构造一个基于K中心点的迭代局部搜索文档聚类算法,进一步改进了文档聚类结果.试验结果表明该算法显著改进了文档聚类结果.     

具有非局部竞争的Holling-Tanner捕食模型的稳定性分析

非局部项代表食饵种群密度的空间加权平均,其描述了食饵之间的竞争不仅依赖于某一个位置的种群密度,而且还依赖于该位置附近的种群密度。本文构建了一类具有非局部食饵竞争的Holling-Tanner捕食模型,并探究了非局部食饵竞争模型的平衡点存在性。与此同时,在共存平衡点存在的条件下,给出了对于非局部食饵竞争模型的共存平衡点稳定性条件。此外,通过数值模拟对相关理论结果进行了验证和补充。结果表明,与局部食饵竞争相比,非局部食饵竞争会使共存平衡点失稳。     

具非局部源退化抛物方程组解全局存在和爆破

本文讨论了下列非局部退化抛物方程组ut=uT(△u ∫Ω f(v)dx),vt=(△v ∫Ωg(v)dx),(x,t)∈Ω×(0,∞)的爆破性质.在一定条件下,方程组解在有限时刻爆破且爆破点集是整个区域.     

基于最小哈希的网络单信道重复数据剔除算法

剔除重复数据是保证网络高效运行不可缺少的步骤,但该过程易受信号强度、网络装置、路由器性能等问题的干扰。为此,提出基于最小哈希的网络单信道重复数据剔除算法。首先利用哈希算法中的散列函数对网络单信道数据实行聚类处理,然后采用带有监督判别的投影算法对聚类后的数据进行降维处理,最后采用代数签名预估数据,保证数据之间的计算开销最小,再构造最小哈希树生成校验值,在更新去重标签的同时,通过双层剔除机制完全剔除单信道中的重复数据。实验结果表明,该算法的执行时间短,且计算和存储开销较小。     

边界条件对附于软基体上压电薄膜的局部屈曲的影响

本文研究了附于预拉伸弹性软基体上的压电薄膜的局部屈曲行为,弹性软基体和刚性支座之间为滑动边界。通过比较弹性软基体和刚性支座之间为固支情况下附于基体上压电薄膜的局部屈曲行为,讨论边界条件对于压电薄膜的局部屈曲的影响。     

具有非局部条件的脉冲拟线性积-微分方程适度解的存在性

利用不动点理论和算子变换的方法,给出了Banach空间中具有非局部条件的脉冲拟线性积-微分方程适度解的存在 性.所用的方法可对f是连续紧算子和f是Lipschitz连续的情形进行统一处理.     

局部受载工况下的轮胎受力分析

轮胎属于汽车唯一与地面接触的部件。轮胎性能的好坏,对汽车行驶的安全性有着极大影响。以175/70/R14轮胎为研究基础,通过有限元分析软件分析了轮胎在6种不同局部受载工况下的变形、应力、应变情况。分析表明,与正常静载工况相比,轮胎应力、应变和整体变形情况较复杂,且呈不对称性。与异物接触的胎体区域变形较大,胎侧部位和三角胶部位变形较小;应变较大区域主要集中在异物突起部,其它部位应变较为稳定。此分析结果为纠正非正常泊车,降低轮胎受损情况,消除汽车安全隐患有实用性参考价值。     

基于随机矩阵理论的局部放电脉冲快速检测方法

局部放电(partial discharge, PD)的检测是开展电力设备状态评估的重要手段之一。由于现场背景噪声及干扰信号影响,采集到的局部放电信号往往淹没在噪声中。噪声抑制算法是提高局部放电脉冲检测的有效方法,但这些噪声抑制算法往往需要针对所有采集的数据展开,当数据量特别大的时候将严重影响其实时性。因此,提出了一种基于随机矩阵谱分布理论的局部放电脉冲快速检测新方法。利用特高频传感器接收到的PD时间序列构造高维随机矩阵,再根据随机矩阵理论下时间序列模型的经验谱分布理论,提出了基于滑动时间窗的局部放电脉冲快速检测方法。仿真及实验室测试结果表明,所提方法能快速地识别出时间窗数据中的PD脉冲。     

信鸽外纹体神经元对习得性目标认知的响应特性

习得性认知是生物通过后天学习,将外部目标与自身行为进行强化训练,形成一种条件反射的认知过程,信鸽外纹体神经元在认知前后响应如何变化尚不清楚。通过训练信鸽识别特定目标,同步记录外纹体神经元集群信号,从动作电位发放率、局部场电位伽马子频带能量、神经元间互信息等角度,分析信鸽在不同认知阶段外纹体神经元响应特征的变化规律,结果表明:习得目标认知建立前后,其神经元的响应从集中在目标呈现阶段调整到决策阶段;不同试次神经元响应间的同步性随着习得性目标认知的建立逐渐增强,表现出更稳定可靠的响应特征;神经元集群间的互信息显著弱于认知前,表明习得性目标认知减弱了神经元集群的冗余信息,提高了编码效率。     

利用图论设计图像压缩中的向量量化聚类算法

向量量化是图像压缩中的重要内容,而码书生成是向量量化的关键.提出了一个全新的、简单的码书生成算法,其基本思想是以向量量化聚类性质为基础,应用图论建立数据之间的离散关联设计算法.该算法与传统的算法相比,优势在于不需要初始码书,不需要在实际应用中几乎不可能知道的高维向量集合的概率分布,不需要Voronoi划分,同时它避免了一般算法局部最优问题.