基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

基于多维特征向量的网络社团划分方法

为了寻找大规模复杂网络中的社团结构,提出了基于多维特征向量的社团划分方法,即多维特征向量谱平分法.利用网络连接矩阵的多维特征向量划分网络社团,通过仿真实验分析关键参数对划分效果的影响,从而确定使得划分结果最优的参量值,并综合多维特征量阈值和社团数目两方面的因素决定被划分的社团数目.在具有代表性的局域世界网络演化模型中进行仿真,证明该方法在网络聚簇特征不是很明显的情况下,能够有效划分网络中存在的多个社团,适应具有各种聚集特征的网络,说明该算法在实际网络中具有较高的应用价值.     

近液相线半连续铸造中凝固组织的多尺度模拟

建立了描述连续铸造过程的温度场模型及相变模型,通过固相率变化将宏观和介观尺度上的模拟耦合起来.利用外推边界条件对Al-Cu合金在近液相线半连续铸造过程的稳态温度场进行了计算;根据连续铸造特点,提出了用液/固相变区域中元胞的平均过冷度作为形核计算的基本参数,避免了铸件中心区域的多余形核问题.对Al-(3.5~10)%Cu合金、铸造速度为2.0 mm/s的液相线铸造的凝固组织进行了模拟,并且ZL201合金的模拟结果与实验吻合.计算表明:合金成分对半固态合金组织的形成有较大影响,当合金质量分数在(8~10)%时可获得晶粒大小和分布良好的合金组织.     

浅谈网络环境下大学图书馆员的继续教育

通过对当前网络环境下大学图书馆员继续教育现状的剖析,指出了当前大学图书馆工作者继续教育存在的主要问题,并针对这些问题提出了应对措施。     

基于潜在语义分析的中文文本聚类方法研究

针对传统的向量空间模型在文本聚类中的局限性,提出了基于潜在语义分析模型的中文文本聚类系统,并引入WinSTAR作为聚类分析工具,用一个中文文本集作为实例进行验证。实验证明,该方法切实有效,可以提高文本聚类的准确度。     

大范围运动柔性梁的连续力法撞击动力学分析

该文研究了柔性梁作大范围旋转运动时的撞击动力学问题.采用子系统法建立了考虑"动力刚化"效应的系统刚柔耦合动力学方程,并采用假设模态法描述变形,将偏微分形式的动力学方程转化为常微分方程.采用Hertz接触理论和非线性阻尼理论建立接触-碰撞模型,导出柔性梁含碰撞的动力学方程.文中给出了算例,验证了该文方法,并对大范围旋转运动下的柔性梁的动力学进行了探讨.     

方家寨大桥简支结构转换连续结构的施工

预应力连续梁具有受力合理、施工方法灵活、适应性强、结构刚度大、整体性好、造价经济等优点,在当前得到了广泛应用.方家寨大桥采用先简支后连续的施工方法.通过逐次接长连续梁、逐次拆除临时支座来实现结构体系转换.     

基于动态聚类分析的空袭编队判断模型

空袭编队是由担负不同作战任务的飞机组成的战术机群,其分布是防空作战指挥员分析空袭企图和定下作战决心的重要依据。空袭编队具有数量多、分布范围大,空情分析要求实时性强的特点,依据空中目标的数据特征,首先建立了基于动态聚类法对空中目标群进行分类的方法和步骤,该算法具有较好地收敛性,能够满足防空指控系统的高实时性要求。在此基础上提出了目标群内和目标群间作战参数的计算方法,并依据空袭编队数量分布及航路捷径给出了主要来袭方向和攻击企图分析模型。最后给出了一个具体算例,其运行结果与指挥员的判断基本吻合。工程实际应用表明,该模型能对空中目标进行快速聚类,可为区域防空指挥员准确掌握空情和快速决策提供量化依据。     

基于 DBIRCH 算法的 Argo 剖面数据聚类

为解决实时分析处理的海洋 Argo 浮标剖面观测数据特有的数据密度较高、快速响应且需要识别任意形状簇等问题, 提出了一种可通过单次扫描数据集进行有效处理的低复杂度聚类算法 DBIRCH( Density-BasedBalanced Iterative Reducing and Clustering Using Hierarchies)。 该算法通过使用新引入的参数密度阈值修正因子,动态的更新限制 CF(Clustering Feature)树生长的约束系数子空间阈值, 同时结合密度关联思想在不同邻域内多次建立 CF 树且合并, 最终以核心 CF 树子节点为聚类结果输出, 避免了 BIRCH(Balanced Iterative Reducing and Clustering Using Hierarchies)算法对参数的过度依赖, 同时因能处理任意形状簇从而提升了数据处理的整体鲁棒性, 提高了处理 Argo 剖面监测数据的时效性和算法的整体吞吐速度。 为测试算法的综合性能, 使用真实 Argo浮标剖面实时监测数据集, 并根据不同的参数对算法做出多组对比实验, 同时使用不同评价指标对算法从运行时间和聚类准确率上进行综合评估, 从全局角度分析该算法在 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)、 BIRCH 及 DBIRCH 3 种不同算法中综合聚类性能最优。 实验结果表明, 在3 种算法中,BIRCH 算法运算速度最快, 但准确率最低; DBSCAN 算法聚类性能高于 BIRCH 算法, 但运算速度最慢; 改进的DBIRCH 算法运算效率略低于 BIRCH 算法, 但聚类准确率最高。     

基于差异演化的粒子群优化算法

针对粒子群优化算法由于缺乏种群多样性而导致早熟收敛的不利因素.提出了一种把差异演化算法中的后代产生机制引入粒子群优化算法的更新规则中以保持粒子群的种群多样性和加快收敛速度的算法.这种思想能有效改善摆脱极值点的能力.基于几个高维测试函数的试验结果显示,该算法在收敛速度快和精度方面都优于粒子群优化算法.