聚丙烯腈纤维混凝土性能试验研究

以河北丰宁抽水蓄能电站上、下库C30W12F400面板纤维混凝土为例,探讨了不同石粉含量、掺加聚丙烯腈纤维对混凝土力学性能影响,得出:沙中石粉含量对混凝土用水量、强度等性能影响极大,建议石粉含量控制在(10±2)%;聚丙烯腈纤维使用得当能够提高混凝土抗裂性,也可使混凝土的抗压强度和劈裂抗拉强度明显增大。     

软土地区旧桩拔除技术和新建桩基础调整方案及施工措施

结合天津南开区某地块定向经济适用房项目,介绍其在基础施工中遇到旧预制方桩时,采用全套管高压喷气、射水振动沉管施工工艺清孔拔桩,并对该工艺进行分析得出:该拔桩施工工艺适用于软土地区旧桩拔除项目;并针对旧桩孔无法回填压实、部分新建桩基础与拔除旧桩孔距离较近等原因导致钻孔倾斜、串孔等问题,提出远离旧桩位置或调整至旧桩桩心位置等方法调整桩位,并采用加大桩径、增设承台等调整方案承担因调整桩位而产生的上部偏心荷载;采用拌和白灰、分层压实、回填静置等措施提高回填土的密实度,采用保证垂直度和调节泥浆配合比等措施,以改善不良施工条件,得出适当增加混凝土充盈系数保证成桩质量等施工经验,为后续类似工程提供借鉴。     

基于随机子空间的多标签类属特征提取算法

目前多标签学习已广泛应用到很多场景中,在此类学习问题中,一个样本往往可以同时拥有多个类别标签。由于类别标签可能带有的特有属性（即类属属性）将更有助于标签分类,所以已经出现了一些基于类属属性的多标签学习算法。针对类属属性构造会导致属性空间存在冗余的问题,本文提出了一种多标签类属特征提取算法LIFT_RSM。该方法基于类属属性空间通过综合利用随机子空间模型及成对约束降维思想提取有效的特征信息,以达到提升分类性能的目的。在多个数据集上的实验结果表明：与若干经典的多标签算法相比,提出的LIFT_RSM算法能得到更好的分类效果。     

基于宽带时频图的多路摩尔斯信号自动检测

针对现有算法没有涉及的宽带环境下多路摩尔斯信号自动检测问题,提出一种基于宽带时频图和集成学习分类器的算法.首先,通过提出一种基于宽带时频图的信号快速窄带滤波方法,实现噪声背景中各类型信号窄带时频图的快速获取;然后,为从上述窄带时频图中识别出多路摩尔斯信号,提出3个新特征与局部二值模式特征构成特征向量;最后,采用集成学习算法设计分类器实现摩尔斯信号的自动检测.与现有算法对比实验结果表明:针对多组实际数据,该算法的正确率均可达95%以上,同时误检率低于10%,具有良好的鲁棒性和应用价值.     

用于文本情感极性分析的动态卷积神经网络超限学习算法

为改善动态卷积神经网络在文本情感分类方法中的泛化能力,提出了一种动态卷积超限学习算法.对动态卷积神经网络的输出层加以改进,使用浅层随机神经网络替代全连接层,利用参数随机生成的扰动性能,降低分类端对训练样本的依赖,避免过拟合,提升分类性能.在公共数据集上的实验证明:相对改进前的动态卷积学习算法以及超限学习机,所提出的方法在准确率、F1测度等多个标准指标上均体现了更优的分类性能.     

fMRI数据的有监督特征提取方法综述

近年来,机器学习技术广泛用于从功能磁共振成像（functional magnetic resonance imaging,fMRI）数据中解码视觉信息、精神状态、情绪和其它感兴趣的大脑感知和认知功能。然而,由于fMRI数据样本维数高,样本量少,一般需要利用特征提取方法去除多余的预测变量和实验噪声等信息,避免机器学习模型出现过拟合问题,提高模型的预测准确率和泛化能力。介绍和讨论了常用fMRI数据有监督特征提取方法的一般原理和研究现状,并着重分析其性能和可能改进方向,最后对特征提取方法在fMRI中的研究方向进行了展望。     

山顶点提取及其参数选择的适宜性研究

对地形属性信息多尺度综合提取方法进行了改进,根据分析区域的地形起伏,采用基于地形信息定量刻画效应曲线的方法来选择适宜的分析尺度和山顶隶属度阈值,给出了权数确定的依据。实验表明,通过该方法能够合理地解决适宜性选择问题,有效地减少了伪山顶点,所提取山顶点的空间分布结果合理,符合传统地貌认知和地形形态特征。     

不同含水率下滑带土的力学特性研究

通过中剪试验和侧限压缩试验,研究同一干密度、不同含水率条件下滑带土的抗剪强度、内聚力、摩擦系数和侧限压缩试验中孔隙比、压缩系数、压缩模量的变化规律等。结果表明:随着含水率的增加,抗剪强度呈线性减小,内聚力和摩擦系数减小,可用对数方程表示。孔隙比、压缩系数和压缩模量变化显著,但敏感性有所不同。     

一种改进的短文本层次聚类算法

互联网上存在着海量蕴含丰富信息的短文本数据,由于短文本存在特征稀疏、用语不规范的特点,使用传统的聚类算法效果较差。提出了一种使用词向量表示特征并结合关键词提取的短文本聚类算法:定义特征权重计算公式,计算类簇中特征的权重,得到类簇的关键词;使用Skip gram模型训练得到的词向量计算关键词之间的语义相似度进而得到类簇的相似度实现聚类。在4个数据集上进行的实验结果表明文章的方法效果优于传统的聚类算法,宏平均较次优结果分别提高了22.3%、24.9%、2.9%和34.4%。     

基于树修剪和多特征融合的场景文本检测

为了解决最大稳定极值区（MSER）提取过程中产生的大量重复文本区域和非文本区域难以被剔除影响算法精度的问题,提出了一种基于树修剪和多特征融合的场景文本检测方法。首先提取出边缘叠加的MSER作为文本候选区域;其次设计了一种MSER树修剪算法剔除重复文本区域;然后采用贝叶斯分类器融合多特征剔除非文本区域;最后设定了一系列相似性标准合并文本区域。ICDAR 2011数据集（f=76.8%）上的实验结果低于目前最好的算法\[19\],但算法在速度上具有明显的优势。