AN EFFICIENT PROCESSING TECHNIQUE FOR MULTIPARAMETER RADAR MEASUREMENTS

本文重点讨论根据（双偏振）天气雷达测量数据估计相差比Ｋｄｐ和线性去（偏振比ＬＤＲ本征值的信号处理技术。）从雷达测量的距离曲线提取有效数据段对参数的估计质量起着关键作用，尤其是对于由多个离散分布的小云团组成的暴雨结构，这更为重要。首先对原始数据的距离曲线进行适当的低通滤波，然后再对预处理过的数据应用自适应滤波。这个技术成功地应用于对风暴结构的精确分析和对降雨量的准确估计。     

海水腐蚀梁抗剪强度及其智能分析

为了确定海水腐蚀钢筋混凝土梁斜截面承载力特性，用人工海水对15根钢筋混凝土梁进行加速腐蚀试验，得到海水腐蚀下钢筋混凝土梁斜截面受剪承栽力．随着腐蚀循环次数增加，承载力与构件参数及循环次数之间存在非线性关系，而采用常规的方法建立它们之间的关系，难以用数学公式来表达．利用神经网络方法，建立3层BP网络模型，以拟合不同条件下海水腐蚀钢筋混凝土梁受剪承载力的变化规律．根据试验训练样本数据，对该模型进行训练，建立BP网络模型系统．结果表明，基于模型系统的拟合曲线与试验曲线符合较好，能够反映承载力和腐蚀循环因素之间非线性变化关系，为腐蚀钢筋混凝土梁的抗剪强度预测提供参考．     

粗糙集和模糊聚类理论在煤炭企业绩效评价中的应用

本文首先指出煤炭企业绩效评价的必要性,在建立评价指标体系的基础上,利用模糊聚类方法将不同置信水平上的评价对象论域进行分类,并由粗糙集中的互信息熵确定指标权重,最后给予相应算例.     

影响LiNbO3波导型F-P滤波器性能的因素

分析了影响LiNbO3波导型F P滤波器性能的3个因素:传输损耗、端面缺陷、温度变化.推导了在考虑波导损耗时的功率传输函数表达式,制作的质子交换LiNbO3光波导的传输损耗为0.35 dB/cm左右,指出在F P腔长较短(0.5~1.0 mm或更短)时,传输损耗不是影响滤波器性能的主要因素.引入端面缺陷因子来分析缺陷对滤波器功率传输函数和精细度的影响,经分析表明要使滤波器保持良好的性能,其缺陷因子不应远大于20 nm.最后分析了温度对滤波器性能的影响,指出温度变化使F P腔的中心波长发生漂移,但对峰值功率传输系数和精细度无影响.     

偏微分方程非线性脉冲波的研究

阐述了利用偏微分方程研究非线性脉冲波的历史背景和研究现状，说明了偏微分方程非线性脉冲波研究中有待于解决的问题，以引起更多学者关注这一问题的研究。     

空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

基于智能聚类的内容分类方法与应用

直接依靠人的理解判断对内容进行分类,需花费大量的时间与精力,为了解决文本内容的自动聚类问题,该文在信息系统理论与自组织神经网络理论的指导下,利用智能技术得出了内容的分类结构。提出了基于智能聚类的内容分类方法,利用自组织神经网络的学习算法进行内容的聚类,并根据所提出的方法设计了基于智能聚类的内容分类示范系统,进行了应用研究,验证了该方法的有效性。     

*EI 拓扑分子格在聚类分析中的应用

本文在引入AFS代数和AFS结构的基础上,通过对AFS代数上拓扑分子格结构的讨论,给出了EM中,由一些模糊概念生成的拓扑分子格所诱导出的X上拓扑的几点性质,并利用这些性质,对一个实际例子构造了隶属函数进行聚类分析,说明了这些性质在聚类分析中的应用。     

水轮发电机组故障诊断模糊专家系统研究

针对水轮发电机组故障原因与症兆之间的复杂关系,充分利用综合监测数据和领域专家的经验知识,采用数据驱动和基于知识的目标驱动控制的正反向推理方法进行诊断.研究了基于数据库管理系统的模糊知识库设计,为知识库的建立、维护、扩充和完善提供了一种实用方法.研究了模糊推理算法,以加权模糊推理进行多种信息的融合,解决了故障诊断中不确定性问题的求解.建立了水轮发电机组故障诊断模糊专家系统.诊断实例结果表明,该系统推理效率高,可信度好,满足了水轮机组故障诊断的有效性和实用性要求.     

Combined Density-based and Constraint-based Algorithm for Clustering

We propose a new clustering algorithm that assists the researchers to quickly and accurately analyze data. We call this algorithm Combined Density-based and Constraint-based Algorithm （CDC）. CDC consists of two phases. In the first phase, CDC employs the idea of density-based clustering algorithm to split the original data into a number of fragmented clusters. At the same time, CDC cuts off the noises and outliers. In the second phase, CDC employs the concept of K-means clustering algorithm to select a greater cluster to be the center. Then, the greater cluster merges some smaller clusters which satisfy some constraint rules.Due to the merged clusters around the center cluster, the clustering results show high accu racy. Moreover, CDC reduces the calculations and speeds up the clustering process. In this paper, the accuracy of CDC is evaluated and compared with those of K-means, hierarchical clustering, and the genetic clustering algorithm （GCA）proposed in 2004. Experimental results show that CDC has better performance.