基于连通图动态分裂的聚类算法

当前大部分的聚类算法都难以处理任意形状和大小、存在孤立点和噪音以及密度多变的簇,为此,文中提出了一种基于连通图动态分裂的聚类算法.首先构造数据集的l-连通图,然后采用动态分裂策略对l-连通图进行分割,把数据集分成多个互不相连的连通图子集,每个连通图子集为一类.实验结果表明,所提出的算法能够有效地解决任意形状和大小、存在孤立点和噪音以及密度多变的簇的聚类问题,具有广泛的适用性.     

钢梁柱弱轴顶底角钢半刚性连接的抗弯特性

为了解顶底角钢半刚性连接的抗弯特性,利用简化的斜率-位移方程推导了半刚性连接初始刚度的计算公式,根据角钢的塑性特性计算了半刚性连接的极限弯矩,进行了两类柱弱轴顶底角钢半刚性连接的抗弯试验,并利用三参数幂函数模型模拟了所研究的半刚性连接的弯矩-转角曲线.结果表明,模拟结果与试验结果吻合很好,文中提出的新型连接形式具有很好的抗弯能力.     

一种基于免疫抗体聚类算法的复杂函数寻优

通过在克隆选择过程中引入抗体聚类机制,提出了一种用于复杂多模函数优化的新算法.通过聚类将抗体群分成多个子种群来实现其克隆选择策略,加速克隆扩增,从而提高抗体成熟力及亲和性.采用了混合超变异算子,使其能快速获取全局及局部最优.实验仿真结果表明:该算法对复杂函数寻优的过程是相当有效的,具备良好的全局和局部收敛可靠性.     

计数标准型水泥搅拌桩质量抽检方案

针对水泥搅拌桩的质检特性,基于数理统计理论,提出了计数标准型水泥搅拌桩抽检方案.利用OC曲线对现有百分比抽检方案和计数标准型抽检方案进行了评价.根据水泥搅拌桩上部结构重要程度提出了3种不同的水泥搅拌桩抽检级别,并给出了不合格率、最大不合格率、生产方风险、使用方风险等抽检参数的取值,构建了水泥搅拌桩抽检流程.结果表明,计...     

气相内标-标准曲线法测定DLPC中亚油酸

通过大豆醇溶性磷脂与亚油酸在1,3-特异脂肪酶TLIM催化下的酸解反应,制备二亚油酰磷脂酰胆碱(DLPC),衍生化处理后,气相色谱定量分析.为满足实际需求,建立了气相色谱准确定量分析DLPC中亚油酸含量的方法——内标标准曲线法.方法的相对标准偏差(RSD)2.15%,平均回收率在92.7%～105%之间,线性相关系数0.9991,线性范围在2～40mg/mL之间.     

利用模拟飞行辅助类精密进近训练可行性研究

基于类精密进近这一具有突出优势和广泛应用前景的进近方式和X-PLANE模拟飞行软件,对采用模拟飞行软件进行类精密进近辅助教学的可行性和应用前景进行探索,目的在于探索模拟飞行教学的新模式,提升飞行技术专业相关课程的教学效果,激发学生的学习兴趣,提高学生的学习效率.     

基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征,深度学习在场景分类中具有突出的语义特征提取能力,近年来得到了广泛的研究。然而,现有的基于深度学习的方法大多没有精细描绘场景几何形状,而是利用固定大小的滑动窗口来对影像分类,这些窗口可能由多种场景类型的混合像元组成,导致场景识别的可分离性低,细节粗糙,分类精度低。针对这一问题,将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合,实现场景斑块的精确分类,进一步提高场景变化检测的准确性。首先基于SLIC算法,考虑强度分布的相关性,将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征,并基于softmax分类器计算概率,从而判别场景斑块的类别;最后,基于场景分类的结果提取地物的变化信息。实验结果表明,该方法能够适应不同尺度的场景识别,达到利用窗口网格检测方法的最高水平,提高了场景变化检测的精度和效率。     

基于低秩稀疏表示的子空间学习研究综述

以基于低秩稀疏表示的子空间学习为研究对象,对近几年的相关研究工作进行了归纳总结.首先,阐述了子空间学习及低秩稀疏表示的概念;然后,根据迭代更新的方法,将基于低秩稀疏表示的子空间学习分为基于矩阵分解的子空间学习和基于谱聚类的子空间学习两大类;其次,对它们各自算法的核心思想进行了详细介绍,并对这些算法的优缺点进行了对比分析...     

学术共同体:教育类期刊的品质发展路径 ——《江苏教育研究》的行与思

马克思主义哲学的共同体理论的当代价值之一,是为新时代学术共同体构建提供了科学的理论依据.中国特色社会主义建设进入新时代,强化学术共同体建设是构建中国特色哲学社会科学的内在要求.在教育发展与课程改革进程中,教育类期刊履行服务决策、创新理论、指导实践、引导舆论的基本职能,肩负着传播教育思想、引领学术热点、涵育学术人才等使命...     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。