基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

基于Web的含无关项卡诺图自动化简系统

为学生能在网络上随时随地学习卡诺图化简,提高自主学习的质量,在ASP.NET环境下,利用rapheal框架实现了卡诺图自动化简逻辑函数系统.系统能够对任意输入的三至五变量的逻辑表达式及指定的无关项使用卡诺图化简法进行化简,并且在网页上按步骤展示其化简过程.输入表达式的语法验证采用改进的算法优先分析法,化简过程采用广度优先搜索模仿人工搜索卡诺圈的过程,网页作图由rapheal框架实现.测试结果表明,系统可在常用浏览器下正常运行,可正确的按步骤展示卡诺图化简逻辑函数的过程.     

基于修正斜压场的RC框架边节点剪切性能分析

为研究钢筋屈服强度和混凝土抗压强度对钢筋混凝土(RC)框架边节点剪切性能的影响规律,基于修正斜压场理论(MCFT),对某框架边节点的剪切应力-应变骨架曲线进行数值模拟,并与试验结果进行对比.在验证MCFT算法的精度后,研究钢筋屈服强度和混凝土抗压强度两个参数变化对RC框架边节点剪切应力-应变骨架曲线和峰值剪切应力的影响规律.结果表明:基于MCFT可以较好地模拟RC框架边节点的剪切应力-应变关系曲线; RC框架边节点的峰值剪切应力对混凝土抗压强度的变化更为敏感,但当试件的钢筋(HRB400)屈服应力下降幅度超过16.45%时,对钢筋屈服应力的变化更为敏感;当试件的钢筋(HRB400)屈服应力下降幅度超过10%时,节点发生钢筋滑移破坏,此时峰值剪切应力会大幅下降.     

基于Dempster-Shafer证据理论的矿山遥感分类

本文分析了矿山用地的特点,利用Dempster-Shafter证据理论用信任区间表示判决结果的特点,计算地类不确定性分布图,以CBV为最大划分像元归属类别原则对遥感图像上的矿山用地进行分类.实验结果表明,D-S证据理论用于矿山用地分类的精度高于最大似然方法的精度.     

单自由度状态下SMA-KBF耗能减震能力研究

SMA和隅撑支撑(KBF)分别为近些年发现的有超弹性力学性能的一种金属材料和新型结构框架,并被国内外学者广泛关注,应用在了很多的工程试验中。以此为基础该文的主要研究在地震荷载下,通过实验模拟SMA阻尼器隅撑构件的耗能以达到结构减震的目的。     

黄冈公铁两用长江大桥维修通道施工

维修通道专为桥梁竣工后接收管养单位而设。本文以黄冈桥维修通道为例,从下部基础到上部主体框架乃至附属,全面地叙述了各部位的施工情况及工序控制要点,为以后类似施工提供一定经验。     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

西方通谷小说:特征、界定与模式

西方通俗小说具有流行、畅销、消遣等多重属性，但究其本质，它是一类颇受欢迎的文学模式，这种文学模式是一系列特定的文化形式与相对稳定的艺术框架的有机结合。“模式”不但决定通俗小说的艺术构成和艺术品位，还决定了它的发展和衍变。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．