一种基于距离的增量聚类算法

为了加快传统聚类方法的计算速度,提高实际工作的效率,在传统层次聚类算法基础上,探讨了一种基于距离的增量聚类算法,并应用于粮食智能决策支持系统中。算法在保持层次聚类优点的基础上,利用旧的聚类结果提高聚类速度,根据用户需要在聚类精度和聚类速度方面选取一个适当的平衡点,有效地提高了聚类分析的效率。由此得出结论：可以利用旧的历史数据提高分析效率,缩短实际业务中的统计计算时间。     

基于增量动力分析方法的单层球壳结构强震损伤分析

为研究地震作用下空间网格结构的倒塌过程及其破坏行为,进而揭示结构的倒塌机理,基于增量动力分析方法(dynamic analysis method, IDA),以单层球面网壳结构为研究对象,考虑材料损伤累积效应,模拟网壳结构在地震作用下的倒塌过程,并分析不同杆件截面尺寸、矢跨比、初始几何缺陷、支座约束数量等参数对结构抗倒塌能力的影响。结果表明:强震作用下,考虑损伤后网壳结构的动力极限承载力比未考虑损伤时其极限承载力下降了20%左右,塑性单元比例上升10%左右;其他参数一定时,加强杆件截面以及矢跨比的减小,均能提高网壳的动力极限承载力,网壳对初始几何缺陷十分敏感,缺陷为跨度的1/100时其极限承载力比完整结构降低30%左右,支座约束减半后,损伤累积效应使结构的地震承载力降低10%左右。因此在结构设计之初,应考虑材料损伤累积效应的影响。     

基于频繁模式挖掘知识库的增量式更新算法的研究

利用FP-tree算法产生的知识库,对关联规则的增量式更新问题提出了IUA_FPKB新算法.该算法可以有效地利用知识数据库中保留的频繁模式树,减少了对原挖掘数据库和更新后的数据库的扫描次数,提高了算法的运行效率.     

一种研究脂肪酮溶解度和辛醇/水分配系数的拓扑新方法

利用杂原子与相邻碳原子价层电子数比值的一半作为两顶点的距离,在脂肪酮的邻接矩阵和距离矩阵的基础上,定义了新拓扑指数M并计算16种脂肪酮的拓扑指数值M.运用SPSS13.0将M与脂肪酮的辛醇/水分配系数和溶解度进行逐步回归,取得了较好的相关性(R>0.99).比直接利用相邻两原子间真实距离与C-C真实距离之比的方法更简便.由于拓扑指数M能够较好地表征脂肪酮分子结构,因而可以较好地预测其有关性质.     

基于深度残差网络和双向GRU的图像语义分割

在图像语义分割领域中,大多数方法是基于CNN网络构建的,由于CNN很难对全局上下依赖关系进行建模,从而影响语义分割的结果。为此,本研究提出基于深度残差网络和双向GRU的图像语义分割模型ResNet-BiGRU,该模型充分利用CNN局部特征学习的能力和双向GRU全局建模的优势,在Weizmann Horse数据集上进行试验,得到分辨率高、边界清晰的语义分割结果。     

融合注意力机制的淡水鱼类识别方法

针对多数淡水鱼类识别方法特征的提取进程复杂,在自然外部场景下很难进行高效识别问题,构造了残差模型及注意力机制相融合的ResNet50-SE-Fish网络对不同发育程度的8种淡水鱼类进行识别,并测试构造的网络识别性能.研究在原残差块内添加SE模块,增加所关注特征数据权重,减小外部场景噪声以及背景无关特征数据权重,并使用迁移学习来对不同发育程度幼鱼、成鱼特征数据进行识别.通过Grad-CAM方法对ResNet50-SE-Fish网络每个残差块提到的淡水鱼类特征数据可视化以解释注意力表示作用,并与7种常用网络所提到的热力图比较,以评估网络对淡水鱼类特征数据提取能力.结果表明,ResNet50-SE-Fish网络对不同发育程度淡水鱼类有很高的识别精度,验证时准确率高达95.53%,测试时准确率达90.16%,相较于AlexNet、VGG16、ResNet18、GoogleNet、VGG19、ResNet34、ResNet50,测试时准确率依次增大14.93%、6.32%、2.51%、3.55%、3.69%、2.14%、1.73%,注意力机制利用调节通道关注程度能够提高模型淡水鱼类特征的提取效果...     

不同预制构件对装配式建筑造价影响研究

针对装配式建筑造价居高不下的现状,为了降低土建工程中PC构件的成本,研究了预制构件种类、组合方案、工期等因素对装配式造价的影响.以主体结构中不同预制构件为研究对象,通过对比预制构件比例、成本增量、工日比等经济指标,结合工程实例对装配式建筑进行了优化造价分析.结果表明,双叶叠合墙构件成本造价最低,可大大降低装配式造价的成本增量,而叠合板的成本造价最高,应当避免;采用多个预制构件且优先增大竖向构件的预制比例的组合方案可满足提高装配率和有效控制造价的要求.     

PMSM电流鲁棒性增量预测控制

为解决传统的永磁同步电机无差拍电流预测控制严重依赖电机参数,导致当电机参数发生变化时,控制性能严重下降,出现电流跟随不上,谐波含量增大等问题,文中提出一种基于龙伯格观测器的增量模型的无差拍电流预测控制方法,解决了传统无差拍电流预测控制中无法抵抗参数扰动问题.首先在原有无差拍电流预测控制模型的基础上推导出增量模型,消除电流预测控制中磁链变化的影响;其次为了消除电感变化对电流预测控制效果的影响,引入龙伯格观测器,建立带有龙伯格观测器的增量模型;最后通过simulink仿真和实验验证了所提出方法的有效性.     

结合轮廓信息递归融合的显著性检测

针对当前显著性检测算法在检测图像目标边界时,由于轮廓信息不能够及时有效地被利用,导致检测目标效果差的问题,提出一种结合轮廓特征信息的显著性检测算法。该算法以深度残差网络的编解码结构为基础,在自下而上的路径中,首先引用一种融合方式交换轮廓特征与显著特征之间信息的单元模块,然后采用递归结构加强融合进行优化,提升轮廓信息的利用率。最后在此基础上,通过特征提取模块从分阶段的网络模型中提取出最有价值的上层特征,并且与真值图进行监督学习,以生成最优的边界预测。在DUT-OMRON、ECSSD等公开数据集上进行实验,结果表明,相对ITSD、F3Net等算法,该算法能够明显提高检测目标边界的精准度。     

岭估计中参数选择的一种新方法

对岭估计中的参数K的选择进行了研究。讨论了MSE和MSR作为选择K的缺陷。给出选择K的一种比较理想的方法。证明在此准则下得到估计量是最优的。