公浅析学生英语阅读能力提高的方式

提高英语阅读技能对英语学习者的整体语言水平的提高至关重要英语阅读训练是英语学习的核心,大学英语阅读教学是培养学生成为能利用英语快速获取各种信息,并具有大学专业知识技能和外语交际能力人才的有效途径.本文在分析当前大学英语阅读教学现状的基础上,指出课程设置不合理,教学方法和阅读教学模式的落后,学生不良阅读习惯是其存在的主要问题,并针对这些问题就如何提高学生英语阅读能力提出了一些建议.     

玻璃幕墙铝合金立柱插芯节点抗震性能试验研究

为研究玻璃幕墙铝合金立柱插芯节点在地震作用下的破坏特征和抗震性能,设计了4组铝合金立柱插芯节点试件(立柱长度均为2 800 mm,插芯长度分为250 mm和300 mm两种),并进行了低周往复加载试验,得到了试件节点的破坏形态、滞回曲线和骨架曲线,分析了节点的破环机理和滞回耗能特性。基于试验结果,采用几何、材料与接触非线性有限元法对立柱插芯节点进行分析。结果表明：滞回曲线、骨架曲线的有限元结果与试验结果吻合较好,验证了有限元模拟节点抗震性能的有效性;两种插芯长度节点的破坏特征一致,均为鼓曲变形来耗散地震能量;两种插芯长度节点的滞回曲线呈现出明显的反Z字形,捏缩现象较明显;试验与有限元计算的包络曲线耗能比的范围为31.94%～39.72%,说明试件节点的耗散地震能力强;节点的抗震性能与插芯长度有明显的关系。     

标签分布熵正则的模糊C均值平衡聚类方法

许多应用场景要求每个类别的数量相对平衡,而传统模糊C均值(FCM)聚类算法无法实现此功能.为此,利用标签信息构造标签分布熵评价聚类的平衡度,然后将标签分布熵、模糊隶属度矩阵与标签矩阵之间的平方损失同时引入到传统FCM中,进而提出一种标签分布熵正则的模糊C均值平衡聚类方法 (FCMLDE).同时,利用迭代方法和增广拉格朗日乘数法设计该模型的优化算法.最后,利用6个真实数据集进行聚类实验,结果表明,所提方法在聚类性能和平衡性能上均具有很好的优势.     

分布熵惩罚的支持向量数据描述

针对支持向量数据描述（SVDD）对惩罚参数相当敏感的问题,提出一种新颖的异常检测方法,称为分布熵惩罚的支持向量数据描述（DEP-SVDD）。首先,将正常样本作为数据的全局分布,并在高斯核空间中定义每个样本点与正常样本分布中心的距离度量;然后,基于该距离设计评估样本点属于正常或异常样本的概率;最后,利用此概率构造基于分布熵的惩罚度以对相应的样本进行惩罚。在9个真实数据集上,将所提方法与SVDD、密度权的支持向量数据描述 （DW-SVDD）、位置正则的支持向量数据描述（P-SVDD）、K最近邻（KNN）和孤立森林（iForest）算法进行对比实验,结果表明DEP-SVDD在6个数据集上获得了最高的分类精度,可见相较于多种异常检测方法,DEP-SVDD在异常检测中具有更好的性能优势。