城市发展的动力维研究

通过对城市发展的动力维研究,着重分析了城市发展的潜在动力及可持续发展承载力,从而得出结论城市规模的有限是相对的,而发展是绝对的.城市规划从渠道建设着手更利于实现其科学化目标.可持续发展的目标是人的全面发展,实质是人的各种社会关系的全面发展.城市的本质是渠道的节点,表现为各种社会关系的总和.     

CAD技术在型钢孔型设计中的应用

主要介绍了CAD技术在型钢孔型设计中的应用,以及应用CAD技术进行孔型设计系统开发的基本思路和设计方法.对计算机辅助孔型设计系统开发环境进行了比较,列举了该系统的功能,并以实例加以说明.     

基于粒计算与粗糙集的人工鱼群聚类算法

针对标准鱼群算法易受到初始鱼群随机性的影响,后期收敛速度减慢,处理边界数据能力低,聚类精度低等缺点,提出了基于粒计算与粗糙集的人工鱼群聚类算法。算法引入粒计算理论,并依据粒密度和最大最小距离积法选择初始化人工鱼群避免算法易受随机性的影响;通过结合粗糙集的决策系统和属性约简,提高算法解决边界数据的能力;采用类内紧致性和类间分离度的原则设计适应度函数,并将其作为算法的终止判断条件。实验结果表明：该算法提高了聚类精度,增强了获取全局极值的能力,具有良好的聚类效果。     

基于Apriori图挖掘算法的优化及其在3D构造解析的应用

基于Apriori的图挖掘(Apriori-based Graph Mining,AGM)算法结构简单,以递归统计为基础,但在面临庞大图数据集时,由于存在子图同构问题,在生成候选子图时容易产生很多冗余子图,增大了计算时间的开销。因此在AGM算法基础上提出一种改进方法,通过增加约束来减少候选子图生成数量,同时引入三次元坐标对图的顶点间的距离进行计算,并归结到边的标识当中,以处理三维图结构数据。通过改进算法对化学化合物进行分析,描述其三维化学结构以及生理活性上的相互关系,并测试了不同条件下改进方法的时间开销,实验结果表明在边标识数较多的情况下改进算法比原算法缩短了计算时间,提高了效率。     

改进混沌PSO算法的电力系统最优潮流计算

电力工业的市场化改革对最优潮流（Optimal Power Flow,OPF）的计算精度和速度提出了更高的要求。在分析最优潮流理论及其算法的基础上,对比一些经典解算法,引入粒子群优化算法（PSO）来计算发电厂成本耗费问题。考虑到传统PSO算法处理OPF约束条件时,对随机粒子个体的质量和速度的选取不能保证,且收敛速度慢,并容易陷入局部最优解,提出改进的混沌粒子群算法,即利用混沌运动特性来改进粒子群算法。利用该算法与其他算法对IEEE5节点算例进行分析比较,结果表明改进的混沌微粒群优化算法可较好处理最优潮流约束条件,有效提高了PSO算法的全局收敛能力和计算精度。在处理最优潮流问题上具有一定的有效性和优越性。     

最终库结构文件和用程序建立数据库的方法

通过分析Ｆｏｘｐｒｏ 的库结构文件,提出了最终库结构文件的概念,从而提出了可以在程序中使用Ｆｏｘｐｒｏ的低级文件操作等命令直接建立数据库,并编制了建立最终库结构文件的程序．     

一种自适应惯性权重的并行粒子群聚类算法

针对K-means聚类算法和基于遗传（GA）的聚类算法的一些缺点,及求解实优化问题时粒子群算法优于遗传算法这一事实,提出了一种自适应惯性权重的并行粒子群聚类算法。理论分析和实验表明,该算法在收敛速度和收敛精度方面明显优于基于遗传算法的聚类方法。     

数据挖掘及其发展研究

讨论了数据挖掘的产生、定义、操作对象和分类方法,论述了数据挖掘可以挖掘的模式及其兴趣度,简要介绍了几种流行的数据挖掘系统。最后提出了数据挖掘研究今后的若干发展趋势。     

基于Logistic映射的图像加密安全风险研究

通过分析Logistic映射所产生序列的随机特性,发现当Logistic映射用于图像加密时存在一些安全风险,即使Logistic映射的参数μ∈(3.569 9…,4]时,此映射所产生的序列也并不总是呈现混沌状态,仍然存在一些周期窗口.为了避免当Logistic映射用于图像加密时的安全风险,提出了一些安全保障规则.     

改进的基于遗传算法的粗糙聚类方法

传统的聚类算法都是使用硬计算来对数据对象进行划分,然而现实中不同类之间对象通常没有明确的界限。粗糙集理论提供了一种处理边界对象不确定的方法。因此将粗糙理论与k-均值方法相结合。同时,传统的k-均值聚类方法必须事先给定聚类数k,但实际情况下k很难确定;另外虽然传统k-均值算法局部搜索能力强,但容易陷入局部最优。遗传算法能得到全局最优解,但收敛过快。鉴于此,提出了一种改进的基于遗传算法的的粗糙聚类方法。该算法能动态地生成k-均值聚类数,采用最大最小原则生成初始聚类中心,同时结合粗糙集理论的上近似和下近似处理边界对象。最后,用UCI的Iris数据集分别对算法进行实际验证。实验结果表明,该算法具有较高的正确率,综合性能更加稳定。