一类基于贝叶斯信息准则的k均值聚类算法

典型k-均值算法中的聚类数k必须是事先给定的确定值,然而,实际应用中k很难被精确地确定。同时该算法对初始聚类中心的依赖性而导致聚类结果可能陷入局部极小,使得该算法对一些实际问题无效。采用基于密度聚类算法(DBSCAN),在筛选局部代表点时结合贝叶斯信息准则(BIC),得到少量精准反映局部数据分布的BIC核心点。然后,以BIC核心点为初始聚类中心,BIC核心点数量为类别数,对全局数据进行k-均值聚类。实验结果表明,优化的k-均值算法是一种有效可行的聚类算法。     

基于样本分析的试题难度系数修正算法

针对当前题库试题难度系数的确定和评价标准不明确,提出一种以考试结果为样本获得难度系数并自我修正的算法:将样本数据序列{dk}构造到希尔伯特空间上,利用空间的完备性,从理论上确保序列{dk}收敛于常量D。基于该算法构造机器学习模型,它具有快速收敛和对历史数据进行学习和修正的特点。     

GA在Beta样条曲线光顺中的应用

将GA应用到Beta样条曲线中,采用样条曲线的光顺能量作为适应度函数,从而得到更为光顺的插值Beta样条曲线.实例证明,该方法可行,具有一定的使用价值.     

关于数列收敛的又一判定定理

对已有的数列收敛的判定定理进行扩充,从而更加丰富读者的知识面,为读者学习和研究多提供一份材料.通过对这个定理进行严格的证明,并在局部证明过程中运用两种方法.从而得到所要证明的定理.     

谈Anna.Wierzbicka的语用认知观

以Wierzbicka对语用学和语义学界限问题所持基本观点、与"普遍主义语用学"存在的不同见解以及民族语用学研究内容和方式为研究路向,考察并揭示Wierzbicka独特的语用认知观,以期克服当前语用学研究中存在的民族中心主义、使用科技术语以及循环释义等弊端。     

压力敏感性材料球形孔洞动态扩展问题

为进一步研究岩土材料爆炸场的特点,采用椭圆型屈服准则和自相似假设,并结合Hopkins三区模型,研究幂硬化材料球形孔洞动态扩展问题.通过对弹性区的研究得出弹性区应力的分布和弹塑性交界处的连续条件;然后在塑性区给出一个求解动态扩展问题的非线性微分方程组;最后通过打靶法数值求解该非线性微分方程组,给出满足边界条件的数值解,并讨论材料参数对场量的影响.结果表明,椭圆型屈服准则能很好地描述压力敏感性材料中孔洞的动态扩展.     

一种汽轮机组排汽焓和最优初压在线计算方法

通过对已往的汽轮机变工况计算方法的分析,提出了以汽轮机末级抽汽或次末级抽汽(过热蒸汽状态)为计算起点的汽轮机顺序变工况核算方法。根据初始假定的末级流量和现场实际的末级前热力状态和背压,用汽轮机变工况流型判别准则,判别级的流型,然后从末级前参数开始顺序进行一次级的变工况核算,得到新的排汽焓,最后算得机组热耗率和排汽焓。以此方法为变工况计算的基础,并利用系统分析方法,建立了在线确定单元机组最优运行初压的数学模型。为火电机组的优化运行提出了一种新思路。     

室内可见光通信中的分数间隔均衡技术

本文对室内可见光通信的分数间隔均衡技术进行研究,研究表明,均衡技术对室内可见光通信中"多径效应"对通信质量的干扰有较好的抑制效果。     

Construction of highly nonlinear resilient Boolean functions satisfying strict avalanche criterion

Boolean functions with high nonlinearity, high resiliency and strict avalanche criterion （SAC） play an important role in the designs of conventional cryptographic systems. In this paper, a method is proposed to construct resilient Boolean functions on n variables （n even） satisfying SAC with nonlinearity 〉 2n-1 -2n/2. A large class of cryptographic Boolean functions that were not known earlier were obtained.     

有埋深无体积质量的黏性土地基极限承载力的直接求解

对于有埋深无体积质量黏性土地基极限承载力的求解,目前大多数土力学的书籍中都是先假定滑移面然后用静力平衡的方法求解,这样的求解过程是不精确的.利用Coulomb-Mohr屈服准则,基于R.希尔调和挤出图,采用了塑性力学滑移线的方法求解,得到了相同的结论,但是推导过程却大为简化.