一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

非受格动词及非作格动词研究

在“直接宾语限制”和“动词行为一致性”两个假设的基础上,利用致使型结果结构作为一种测试手段来区分现代汉语中的三种动词：非受格动词、非作格动词和及物动词,从而证明普尔马特曾提出的“非受格动词假设”在现代汉语中同样成立.     

基于区域背景的人机联作多井解释软件系统

为了避免单井解释与宏观地质背景脱节的弊端,采用面向对象技术对测井资料多井评价系统进行了分析。在开发基本构件类的基础上,建立了在区域背景下以求解井筒解释参数为主要目标的多井交互解释系统。在大庆、胜利、新疆等油田诸多区块的初步应用结果表明,该系统具有较好的实用性。     

岭南乡村“海绵”措施的宏观归纳分析

以广东省历史文化名村名镇及传统村落为着眼点, 分析并归纳岭南乡村传统海绵措施的类型及特征。首先提取各个村落与海绵措施相关的五大特征信息: 基于Google Earth航拍图, 记录各个村落的聚落形态和水系分布; 基于广东省30 m精度的DEM, 在ArcGIS中提取广东省的地形与河网、各个村落的高程并进行淹没分析; 基于地区降雨水平, 判断村落所在区位的降雨强度。然后, 对特征信息赋予特征编码, 将5个特征编码输入SPSS进行聚类分析, 对174个村子进行分层分类, 归纳每一类的特点和防洪优势, 总结得到岭南乡村常见的借势、缓蓄、利导、强排4种海绵措施。根据研究结果, 对未来岭南地区的防洪建设和设计提出建议。     

敏度分层过滤策略克服连续体拓扑优化荷载病态问题

针对工程结构中所承受载荷幅值之间相差多个数量级,使用传统拓扑优化方法所得结果中较小载荷传递路径消失的荷载病态现象,提出一种简单有效的敏度分层过滤策略.将各载荷以幅值大小进行分层,并计算各载荷对结构对应的应变能数值.在此基础上,引入比较判断系数和放大应变能影响系数,将各灵敏度以大小进行分层,对不同层次灵敏度进行不同的过滤以取得多载荷作用下最佳材料布局.本文敏度分层过滤策略是在Solid Isotropic Material with Penahiation(SIMP)框架下提出的,并使用Optimality Criteria(OC)方法进行求解.使用二维和三维算例验证了所提策略的有效性,表明该策略可以有效克服荷载病态现象,为结构设计中得到完整传力结构布局提供重要指导.     

论看守所管理体制改革——以比例原则为视角

比例原则是现代公法学中的“帝王条款”,比例原则应贯穿于看守所管理的整个过程,针对目前看守所管理中存在的有违比例原则的现象,建立看守所管理的分级管理和处遏制度是十分必要的,本文试图从比例原则的角度探讨看守所管理改革的若干思路.     

顿范畴中的强Gorenstein投射对象

介绍了顿范畴(F,B ),并依据A和B中的强Gorenstein投射对象,给出了(F,B )中强Gorenstein投射对象的等价刻画。     

基于收益率的股票相关性计量分析

针对股票间相关性，通过相关分析、系统聚类分析、网络构建等多种方法，以收益率为对象，建立股票间相关性度量指标模型，运用软件 Excel、Matlab 得出股票相关系数矩阵，并设置合适的阈值，利用软件Netdraw 构建出基于最佳阈值和相关系数所对应的股票网络。然后从所建网络出发，对中国股票市场中的板块进行聚类分析，最终建立起一个以收益率为指标来研究股票相关性的模型，为研究股票相关性提供了一个相对比较完善的方案。     

海堤非稳定渗流场渗透参数反演分析

针对受到快速涨落潮位作用的海堤进行非稳定渗流有限元分析,在此基础上结合实测渗压序列构建目标函数对海堤的渗透参数进行反演研究.反演中采用分层搜索技术,先由逐步扫描法确定出渗透参数一个合理的小区间,再用一阶梯度优化方法在该小区间上进行迭代优化以获得合适的渗透参数.以反演得到的渗透参数进行海堤非稳定渗流数值模拟,算例表明,计算及反演步骤合理可行,模拟计算得到的渗压结果与实测序列在数值和动态变化规律上都取得了理想的拟合效果.     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。