用模糊聚类分析法建立神经网络岩土本构模型

针对岩土类材料本构关系复杂的情况 ,采用BP网络建立了其本构模型 ,并从神经网络隐层的本质特征出发 ,对样本数据 (应力和应变信息 )采用模糊聚类分析法进行特征抽取 ,以确定隐层节点数目 .算例结果表明 ,该方法是可行的 ,并具有较直观的物理意义 ,可为样本的选取提供指导作用 .     

温和条件下硒催化羰基化合成硫代氨基甲酸酯机理

通过具体的验证实验,并结合相关的文献报道,提出了室温、常压条件下硒催化芳香硝基化合物同硫醇的氧化还原羰基化合成硫代氨基甲酸酯的机理.     

好氧生物降解中烷烃单体稳定同位素分馏及其环境意义

通过气相色谱(GC-FID)监测了在好氧条件下微生物(石油降解菌GIM2.5和白腐菌Phanerochaete chrysosporium-1767)对正十二烷、正十五烷、正十六烷、姥姣烷、正十八烷以及正二十四烷烃等石油及其制品的常见组分以及原油样品的降解. 用色谱-同位素质谱(GC-IRMS)分析了降解过程中烷烃及原油中正烷烃组分(C₁₃ ~ C₂₅)的单体稳定碳、氢同位素组成. 结果发现, 在好氧微生物作用下, 上述烷烃的稳定碳 (δ ³C)、氢同位素(δ D)都较为稳定, 其同位素值变化基本上介于仪器的精确度以内, 尤其是nC₁₆以上正烷烃. 烷烃化合物δ ¹³C和δ D的稳定性和特定性可用于追索表生环境中石油类污染物的来源, 特别是当污染物风化严重, 常规的化学指纹技术难以明确判识时, 稳定同位素指纹(δ ¹³C和δ D)有望成为有效的环境污染源指示剂.     

肝癌患者顺铂治疗后癌细胞凋亡情况的观察

【目的】通过对肝癌患者使用顺铂治疗后,观察肝脏癌细胞凋亡情况,探讨对肝癌患者手术治疗前实施化疗的必要性.【方法】对手术切下的肝脏肿瘤组织制成细胞悬液进行荧光染色,用流式细胞仪进行细胞凋亡检测,运用统计学方法Satterthwaite近似法对这两组标本进行t检验.【结果】经顺铂治疗的病人较对照组的癌细胞细胞增殖指数显著降低,癌细胞凋亡率显著提高,而细胞增殖指数显著降低,提示诱导细胞凋亡发生是顺铂对肿瘤细胞抑制作用的主要方式.【结论】小剂量CDDP诱导治疗肝癌,作为综合治疗肝癌方法的一种是可行的,特别是在外科治疗（肿瘤切除或减低肿瘤负荷）前,作为辅助治疗能防治肿瘤的复发和转移.     

模糊限制语probably的类联接典型范式及其情态功能研究

基于美国当代英语语料库COCA的研究发现：1）与probably共现频数最高的动词、名词和形容词预见了模糊限制语probably最常用的语法构式为“be＋probably＋adj.＋n.”与“will/would＋probably＋v.”.2）模糊限制语probably有居中的句法位置趋向,主要发挥认知评价与缓和语气,调节人际关系的语用功能.3）模糊限制语probably的类联接典型范式具有精确话语信息、表达礼貌意义以及传达认知评价的主、客观情态取向的三重情态功能,其情态意义表达强度呈现强弱渐进的变化趋势.     

人造板挥发性有机物(VOCs)的研究

采用容积为0.0275m^3的环境气候箱对使用不同胶黏剂的麦秸刨花板、杨木刨花板以及添加了水溶性防腐剂硼酸铜的麦秸刨花板、杨木刨花板等进行挥发性有机物的气体采样,并利用气相色谱一质谱联用分析技术对人造板中挥发性有机物(VOCs)进行定性与定量研究,分析了刨花板有机挥发物的种类和浓度,通过22d浓度衰减试验分析了麦秸板挥发性有机物的散发趋势与规律。结果表明,原料、胶黏剂和防腐剂对挥发性有机物的种类和浓度有比较明显的影响;在一定环境条件(温度、湿度、装载度和换气量)下,麦秸板挥发性有机物的散发符合动态的气体散发规律。     

基于VC的单文档窗口分割

零文介绍了一种VC的单文档中对窗口视图任意分割方法。采取对单文档中框架类的视图分割,方法便捷可靠。最后用一个实例详细的说明编写程序的过程。     

第一类Dirichlet边界下空间四阶时间多项变阶分数阶慢扩散方程初边值问题的差分方法

研究求解第一类Dirichlet边界条件下空间四阶时间多项变阶分数阶慢扩散方程的差分方法.首先,应用降阶法将原方程转换为等价的低阶方程组.然后在特殊点处考虑此方程组,并对所得方程两端同时作用平均值算子.通过巧妙定义平均值算子,对边界条件进行处理,使所得差分格式全局上达到收敛阶O(τ2+h4),其中τ和h分别是时间步长和...     

云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。