多点柔性墩连续顶推技术在梁桥中的应用

结合工程施工实践,介绍了多点柔性墩连续顶推施工技术.     

基于RBF网络的增量学习

提出了一种基于径向网络的增量学习算法 ,在对新样本进行学习时 ,通过恢复受干扰样本的方式来尽可能保持已有的知识不变 .模拟实验证明了本算法的正确性和有效性 .     

增量式模糊控制与模糊系统的稳定性

本文介绍了增量式模糊控制（ＩＦＣ）的原理与设计思想，指出ＩＦＣ是ＦＣ系统实现渐近稳定控制的有效方法。文中运用模糊增量、隶属度增量及模糊目标的可达性概念，给出一种模糊变量的动态描述，并且给出了能与传统李雅普诺夫稳定性定义相一致的ＦＣ系统稳定性的统一定义     

一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

离散Hopfield神经网络的动态行为分析

离散Hopfield神经网络的稳定性不仅本身有重要的理论意义，而且也是网络应用的基础。主要研究非对称离散Hopfield神经网络在并行演化模式下的动力学行为，得到了一些新的稳定性条件，所获结果进一步推广了一些已有的结论。     

大数据中心的数据备份策略及实现

对大数据中心的数据备份策略及设计进行了详细的阐述，提出了两种大数据中心的数据备份的解决方案。     

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上，并建立这些结点的索引表，然后寻找结点索引表的最后结点到根结点的全部路径，这些路径及路径的交集包含了用于挖掘关联规则的频繁集，该算法只需扫描事务数据库一次，由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少，该算法可以挖掘中短模式的海量数据，具有很好的伸缩性,同时该算法具有增量挖掘的功能，通过大量的实验数据进行比较。该算法的速度约是Apriori算法的10倍。     

超市消费行为分析中的增量挖掘系统原型

介绍了一个应用增量更新技术开发的超市消费分析系统原型，源数据库已有的分析模型，对新数据进行增量挖掘，减少了对数据库扫描的次数，提高运行效率，加快了系统的反映速度，符合CRISR-DM模型的要求，具有一个实用的数据挖掘系统的特征．     

动态的 SDN 网络流量模式增量学习算法

针对基于人工神经网络的流量统计特征学习算法在动态适应性和可扩展性等方面尚显不足.提出了一种基于增长型自组织映射(GSOM)的增量学习算法,对软件定义网络(SDN)数据平面交换机的流表统计信息进行持续学习,动态获取网络流量的GSOM神经网络模型.基于DARPA99数据集的实验结果表明:所提出的算法能够通过学习确认安全的SDN流量,获得稳定、可塑的流量模式,对异常流量也有较高的敏感度.     

绿色建筑增量成本影响因素分析

目前绿色建筑在我国的发展潜力巨大,而没有准确地把握绿色建筑的增量成本是制约绿色建筑发展的重要原因.对绿色建筑增量成本的影响因素进行分析,提出了技术措施、项目所在地域、项目定位及可行性研究开展的时间这四个影响因素,并在此基础上提出了减少绿色建筑增量成本的途径,为绿色建筑的发展提供了一定的理论依据.