基于主成分分析的密度聚类算法

密度聚类算法可以描述任意形状的聚类,可以有效地处理异常数据,适合处理大数据集,但不适用于高维数据集的聚类,因此提出了基于主成分分析的密度聚类算法,将DBSCAN算法应用于PCA的k个主成分张成的子空间,解决了DBSCAN算法用于高维数据集的问题.运用气象数据进行实验,结果表明：主成分个数k值的选择严重影响聚类效果,故提出k的基本选择方法,正确选择k值情况下,该算法具有较好的聚类效果.     

建筑类院校“电工学”课程的改革与实践

天津城市建设学院电工电子教学实验中心从建筑类院校的性质和特色出发,面向各专业后续课程学习以及学生就业和从业的需要,对"电工学"课程进行了深入的改革,改革的具体内容涵盖了课程设置,理论课程内容,实践课程内容等。新的"电工学"课程更加突出学院特色,迎合专业需要,利于培养学生的创新能力。经过实践,已初步取得较好的教学效果。     

用于工程训练的多相流实验系统设计与实现

针对大学生工程教育中工程能力的培养,为满足创新实验的要求,设计一套用于本科生工程训练的小型油气水多相流实验系统．详细介绍了系统的组成及功能,控制方案选择和软硬件设计及系统的调试运行结果．     

基于神经网络的建筑结构损伤识别方法

建筑结构损伤识别是对建筑结构进行损伤检测的重要一步。针对建筑结构损伤识别中的损伤位置和损伤程度识别难的问题,依据损伤前后的建筑结构固有频率发生变化理论,提出了基于BP神经网络的建筑结构损伤识别的方法。以一幢14层框架结构为研究对象,通过仿真计算建筑结构损伤前后各阶固有频率,提取其固有频率变化量作为BP神经网络的输入参数来训练、测试网络,对建筑结构进行损伤识别。实验结果表明,该方法能够很好的识别建筑结构的损伤位置和程度,可以将损伤位置定位到所在楼层,对构件损伤程度识别的相对误差可控制在3%以内。该方法的提出可为复杂建筑结构的在线监测和损伤识别、预测提供参考依据,也为进一步实现实际建筑结构中通过频率测试对建筑结构的健康状况进行评测奠定理论和方法基础。     

基于SVM分类可信度的暴雨/冰雹分类模型

为提高支持向量机(support vector machine,SVM)暴雨/冰雹分类准确率,研究了暴雨/冰雹样本到分类超平面的距离、样本邻域以及训练样本的过程信息对SVM分类可信度的影响,提出了采用距离系数、邻域系数和过程系数综合确定SVM分类可信度的方法,设计了基于SVM分类可信度的暴雨/冰雹分类模型,对暴雨和冰雹进行区分.结果表明:采用距离系数、邻域系数和过程系数可有效确定SVM分类可信度,基于SVM分类可信度的暴雨/冰雹分类模型有利于提高冰雹识别的击中率并降低其误报率.