弦支双曲扁网壳结构的鲁棒构型分析及试验研究

针对不良拓扑布置导致的结构鲁棒性不佳问题，以系统传递函数的H₂范数为基础，建立结构鲁棒性定量评价指标和鲁棒构型求解方法。以单元相对密度为设计变量，采用变密度模型描述材料的刚度，将结构的鲁棒设计转化为连续体拓扑优化，并对大爆炸算法进行二级搜索的改进，进而求解连续体拓扑优化模型。以四点支承的弦支双曲扁网壳结构为例，分析不同荷载作用下的鲁棒构型，探索不同参数的大爆炸算法优化效果，通过静力试验和冲击试验，对优化后模型和未优化模型进行对比分析。结果表明，二级搜索的大爆炸算法可以有效地应用于弦支结构的鲁棒设计中，改进的大爆炸算法加快了收敛速度，依据鲁棒构型进行杆件布置，可显著提高结构的力学性能和抗干扰能力。     

概率积分法参数辨识的多尺度核偏最小二乘回归方法

 针对传统的偏最小二乘回归(PLS)、人工神经网络(ANN)、支持向量机(SVM)等非线性建模方法在概率积分法参数辨识中存在着预测效果差的不足,提出概率积分法参数辨识的多尺度核偏最小二乘回归(multi-scale KPLS)方法。首先,构建满足容许条件的多尺度高斯核函数;然后,对学习样本进行模糊聚类,以最优分类个数作为多尺度高斯核函数的尺度个数,并采用10次10折交叉验证按照网格搜索方法确定核函数的宽度;最后,详细论述multi-scale KPLS的建模过程。通过实例将multi-scale KPLS的预测结果与3种传统的PLS方法、径向基神经网络(RBF-NN)和SVM模型进行对比分析。结果表明：multi-scale KPLS顾及建模样本的多尺度特性,其预测精度明显高于其他预测模型;multi-scale KPLS有效地克服了各影响因素之间的多重共线性对预测结果的不利影响,具有较强的稳健性;multi-scale KPLS适用于多个因变量对多个自变量的概率积分法参数辨识问题,其建模参数均可自适应确定,在建模效率上优于RBF-NN和SVM。     

杨赤中滤波与最小二乘推估法核函数的自动建立

本文介绍了能够有效地揭示复合变量的随机性变化和规律性变化的相关性及其空间变化特征的杨赤中滤波，通过对复合变量的观测序列的逐遍杨赤中滤波，可自动建立起估值核函数，以实现对未知域的最小二乘推估。这一建模方法适用于各个领域。     

应用混合核PSO-KELM模型预测边坡位移

针对边坡位移预报的复杂性,提出一种预测边坡位移的混合核PSO-KELM模型:将极限学习机(ELM)方法用于对边坡位移时序预测的研究,按多核学习的思想,构造由径向基核函数和多项式核函数经加权而成的混合核函数,对新构成的混合核函数,综合了径向基核函数和多项式核函数的优点,并通过粒子群算法(PSO)对模型的参数进行优选,避免了人工操作的繁琐性。工程应用表明,在单步滚动预报时混合核PSO-KELM模型所得结果远优于标准SVM模型,较混合核PSO-LSSVM模型也有一定的提升;在多步滚动预报时,混合核PSO-KELM模型也可得到较满意的精度。     

POI大数据背景下的城市高校集聚区功能识别研究 ——以长沙岳麓区为例

高校集聚区是影响城市发展的重要因素,为快速精准识别城市高校集聚区功能,以长沙市岳麓区为例,基于GB 50137-2011《城市用地分类与规划建设用地标准》对POI数据进行重新分类,并选取建筑一般面积和公众认知度作为POI数据的权重因子进行加权赋值.建立GIS空间网格,通过核密度估计及频数密度、类型比例2个指标定量识别长...     

一种改进的核二维主成分分析人脸识别算法

结合二维主成分分析(two-dimensional principal component analysis,2DPCA)、核二维主成分分析(kernel two-dimensional principal component analysis,K2DPCA)、二维最佳判别式(two-dimensional Linear Discriminant Analysis,2DLDA)的特点,本文提出了一种改进的核二维主成分分析人脸识别算法,可以巧妙地将图像同时映射到最佳投影空间和最优判别空间。首先通过标准的K2DPCA算法在图像的行方向上去相关性;其次在K2DPCA空间通过2DLDA算法对图像做进一步投影;最后利用最近邻准则分类器计算相似度进行判别。在标准人脸库ORL和Yale进行验证,结果表明,所提出算法可以获得更高的识别率。     

基于 GMM—WSUM 的多生物特征二级融合识别方法

结合基于密度估计和归一化两种融合方法的优点,在匹配分数层级提出了一种基于高斯混合模型（GMM,Guassian mixture model）和加权和（WSUM,Weighted sums）的多生物特征二级融合识别方法.利用 GMM 对匹配分数建模后,采用 N-P 准则作为第一级融合策略;第二级融合采用基于加权和的归一化方法,较好的解决了分数归一化融合方法在单模识别算法识别率相差较大时融合识别性能差的问题.在ORL、AR 人脸数据库和 FVC2004组成的人脸-指纹多模数据库上进行了实验,结果表明,该方法有效的提升了识别性能.     

大坝变形非线性智能组合预测方法研究

为同时利用不同大坝变形预测方法的特征信息,改进预测质量,提出了一种基于微粒群优化一支持向量机(PSO-SVM)的大坝变形非线性智能组合预测模型.选取几种不同原理的建模方法建立预测模型并预测,利用其预测结果建立组合预测模型,组合函数的拟合采用混合核函数支持向量回归算法.为提高SVM的学习、泛化能力,采用混合核函数,并用具有并行性和分布式特点的PSO算法优化选择SVM模型参数.实例分析表明,该模型较好地整合了不同建模方法的特征信息,避免了单一方法的偶然性,较单一预测模型、加权组合预测模型具有更高的预测精度和更小的峰值误差,为更准确地进行大坝安全监控提供了一种新的途径.     

基于手机数据识别上海中心城的城市空间结构

以上海中心城为例,提出了利用手机定位数据识别城市空间结构的方法。首先,使用移动通讯基站地理位置数据和手机信令数据,依据基站汇总所连接用户数量,采用核密度分析法生成手机用户密度图,分别计算了上海中心城内工作日10点和23点、休息日15点和23点的多日平均用户密度图。随后,对工作日10点、休息日15点的手机用户密度空间分布进行空间聚类和密度分级,用于识别城市公共中心的等级和职能类型。最后,对工作日、休息日昼夜手机用户密度比值、夜间手机用户密度进行比较,用于识别就业、游憩、居住功能区及其混合程度。     

基于核方法的单球体系穆勒矩阵建模

偏振光检测方法是皮肤、心血管和癌症等早期检测的重要方法之一。了解偏振光在散射介质中的传播行为可以有效解释偏振光成像结果和发展新的偏振成像方法。因为生物组织的微观结构十分复杂,所以尚未有成熟的解析理论公式的描述。本文不再局限于光学理论的因果性,而是集中在各个光学变量之间的相关性上。从粒子半径等输入变量和穆勒矩阵各个元素的相关系数入手探究穆勒图像与散射介质物理参数之间的线性和非线性联系。借助蒙特卡罗模拟程序,使用线性回归方法和非线性的核方法对单球体系穆勒矩阵做回归分析。对比线性主元回归和线性偏最小二乘法的结果,核方法的预测精度较高。将现代机器学习方法引入偏振光学理论的研究之中,拓展了偏振光学理论的研究方法。