基于遗传算法和神经网络的色谱重叠峰解析

提出了一个新的色谱重叠峰解析方法———基于遗传算法(GA)和EMG模型的径向基函数神经网络(EMG-RBFNN)的色谱重叠峰解析。为了使EMG-RBFNN具有结构重组能力,用于色谱重叠峰解析的EMG-RBFNN采用了遗传算法。遗传算法具有鲁棒性和全局优化能力,若种群过小,则陷于局部极值点的概率将增高,而EMG模型是一个低效模型,选用过大的种群,必然使解析过程加长。为了提高算法效率,文中提出先用高效色谱峰近似模型———标准高斯模型进行繁衍,而后再用EMG模型的快速算法。     

分裂节点法分析虚拟社会网络中的重叠社区

虚拟社会网络分析,尤其是将复杂网络按照连接关联的紧密程度划分为多个集群,是数据挖掘领域的一个研究热点。基于现实社会中成员一般与多个团体相关联这一事实,旨在提出带有重叠集群的抽象网络分割模型及其算法,主要讨论由这一数学模型引出的新问题及基于层次聚类算法提出的解决方案,并且阐述分裂节点法的理论基础、复杂度分析,对比传统算法来证明该方法的优势与不足,及在其他领域的应用价值。     

基于行车声音端点检测的交通量统计

基于传统特征的行车声音端点检测法存在重叠有车段识别率低、双门限阈值较难确定的问题,针对这两个问题,探索性地将梅尔频率倒谱系数(Mel frequency cepstral coefficients,MFCC)倒谱距离特征和短时能量特征进行了融合并应用于交通量检测。首先选取了周围环境较为安静的一个双车道路段,并采集了该路段上包含重叠有车段的行车声音;其次提取了行车声音的短时能量特征和MFCC倒谱距离特征,并对它们在端点检测中的优劣进行了分析对比;再次提出了一种融合短时能量特征和MFCC倒谱距离特征的新特征,并基于新特征将传统的双门限判决思路改进成了单门限判决思路;最后利用新特征对有车段进行端点检测并统计交通量。实验结果表明:基于融合特征的端点检测方法能有效解决重叠有车段识别率低和双门限阈值较难确定的问题。     

Boltzmann叠加原理在聚合物粘弹性理论中的应用

将Boltzmann叠加原理应用于聚合物粘弹性理论,由此可以把几种粘弹性行为互相联系起来,由1种力学行为推算另1种力学行为,而无需诸如弹簧和粘壶这一类模型.利用拉普拉斯变换推出蠕变柔量和应力松弛模量间的关系,因此可以把动态力学实验看成无数个应力为Δiσ的蠕变和回复实验的总效应,从而推出了动态力学实验和静态力学实验间的关系.     

因子分析法用于紫外活性混合氨基酸体系分析

本文用因子分析法测定了混合氨基酸体系中的物种数及各物种的含量,得到了较好的结果,并就测定波段及波长间隔等问题进行了讨论.     

《左传》叙事文学价值论略

《左传》既是历史著作 ,又是文学著作 ,具有双重性质和双重功能。文章从历史写作和叙事文学存在着部分交叠关系入手 ,就写作材料、材料的加工方式、作品成就、社会功能等方面 ,对《左传》叙事文学的特点和成就作了深入剖析 ,高度肯定了《左传》在叙事文学历史中的地位和价值     

距离偏差控制系统的分散次优控制

讨论具有重叠结构的距离偏差控制问题．利用包含原理，提出一种分散LQG控制的设计方法．并给出利用该方法对距离偏差控制进行设计的仿真结果．     

轴心受压复合方箍短柱正截面承载力的计算

通过实验数据的分析，提出了轴心受压复合方箍短柱正截面承载力的计算公式并给出了配箍特征值与箍筋间距的关系，具有一定的实用价值。     

高低刃脚异形钢围堰水力作用数值研究

建造桥梁深水桥墩多采用围堰施工,作用于围堰的水荷载是控制围堰结构设计及其下沉施工安全性和稳定性的关键因素,当前设计规范对围堰水力作用的考虑十分粗略。为探明某桥墩高低刃脚异形钢围堰施工过程中的水荷载特征,采用计算流体动力学方法分析围堰绕流流场,基于河道横断面地形资料足尺构建三维流体域,运用重叠网格技术高效建模模拟钢围堰下沉过程。研究结果表明,围堰两侧存在局部流动加速且呈不对称分布,围堰深水侧水流速度相对更大,围堰下方下游侧流速随河流深度增加呈降低趋势;围堰外表面压强除迎流侧为正压外,其余大部分均为负压,各区域负压随着下沉深度增加而逐步增大;下沉初期绕流场受围堰及护筒双重影响,随着围堰逐渐下沉至河床底,护筒影响逐步消失;流场各区域湍流强度随着下沉深度的增加整体呈现出先增大后减小的变化规律,最终最大湍流强度区域稳定于堰尾。围堰阻力系数及侧向力系数几乎不受来流流速影响,进一步验证了其无量纲性;阻力及侧向力随来流流速增大而增大;阻力随入水深度增大而增大,侧向力也整体表现出类似规律,但在入水深度8 m处受围堰异形区段三维流动效应影响,出现侧向力局部极小值的反常现象。     

基于交叉变异操作的连续域蚁群算法研究

研究一种基于交叉变异操作的连续域蚁群算法,该算法对解的每一分量的可能取值组成一个动态的候选组,并记录候选组中的每一个可能取值的信息量.在蚁群算法的每一次迭代中,首先根据信息量选择解分量的初值,然后使用交叉、变异操作来确定全局最优解的值,通过相应算法设计,对于来自相对适应度较大的解的分量值, 其变异的区域较小,成为局部搜索,反之,变异的区域较大,则构成全局搜索.同时,随着迭代次数的增多,分量值的变异幅度逐渐变小,这样可使收敛过程在迭代次数较多时得到适当的控制,以加速收敛.最后通过仿真实验,把交叉变异操作的连续域蚁群算法与遗传算法性能进行比较,证明了交叉变异操作的连续域蚁群算法具有较高的搜索较优解的能力,大大节约了计算时间.