小浪底3号灌浆洞辐射灌浆孔的成孔技术

辐射灌浆孔是基岩防渗灌浆处理中的一种特殊设计,一般因应特殊部位而设计,技术设计复杂,施工难度大,尤其是其成孔施工难度.小浪底3号灌浆洞辐射灌浆孔是为解决水工建筑物建成后,对可能存在的渗漏通道进行封堵而设计的,其不同角度和深度对成孔技术要求提出了新的课题.     

浅谈导线点缺失的补救措施

在公路、铁路、井下建设施工中以导线布设形式 ,做为施工测量控制点是最常见的形式。文中针对导线点缺失或其它原因造成导线点间不通视的补救措施 ,及其精度做以简要分析     

陶瓷隧道窑节油技术的选用及燃烧系统的优化

前言在我国的陶瓷工业生产中,隧道窑是烧成的主要设备,而重油是其主要燃料之一。隧道窑的热效率虽比倒焰窑等其它形式的窑炉要高得多,但根据热平衡计算和热工测定,隧道窑的热效率仅为10～20%(其中,坯釉发生一系列物理化学变化所耗热量约占3～4%);窑体、窑具等的蓄热和散热损失与烟气带走的热量约占总热量的80～90%;燃油不完全燃烧所造成的热损失亦不容忽略,约占10～15%。     

汶川地震中上海高层建筑动力反应分析

对同济大学强震监测台在汶川地震中测得的地震记录进行频谱特性分析,以同济大学教学科研综合楼为研究对象,应用通用有限元软件建立计算模型,分析了该结构在这一实测地震记录作用下的响应特点,并将其与调幅后的El Centro波、Taft波和上海人工波作用下的计算结果进行了对比分析,同时探讨了远震对深覆盖场地上高层建筑的影响。结果表明：尽管汶川地震同济波的峰值加速度很小,但是2～3．5s的长周期分量卓越性却十分突出,共振效应造成长周期的高层建筑地震反应明显。     

引入迁移学习的癫痫EEG信号自适应识别

在脑电图( EEG)信号识别中,EEG信号的采样环境、病人状态的多样性导致分类器训练所用的源域与分类器测试所用的目标域不匹配,分类器在目标域上表现不佳。为此,引入邻域适应策略,提出一种基于子空间相似度的改进主成分分析特征提取方法( SSM-PCA),在选择主成分时,考虑源域和目标域数据的几何和统计特性,并结合迁移学习分类器大间隔投射迁移支持向量机( LMPROJ),给出以SSM-PCA为基础的LMPROJ分类识别方法。实验结果表明,与结合PCA特征抽取技术和K近邻分类器实现的识别方法相比,该方法在识别正确率方面得到较大提升。     

基于ISE 的核密度估计和随机置换的单一或协同特征的选择方法

针对数据的特征存在单一和协同特征的选择问题,基于平方误差标准核密度估计和随机置换理论,首先提出一种针对单一特征的特征选择方法(FSKDE-RP);然后,针对协同特征的情况,通过拓展随机置换理论,提出多维协同特征选择算法(SFSKDE-MRP),并利用核神经网络(KNN)分类器的分类精度选择最优特征子集.在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.     

电力通信网络的故障问题及解决对策

因为电力系统的建设为人们的生活带来了便利的条件,电力系统运行的稳定性和安全性也逐渐被人们所重视,在电力通信网络运行的过程中,由于其影响因素较多,很容易造成通信网络故障的发生,所以就会降低电量的传输效率,并对人们的生活和工作造成严重的负面影响。基于此,电力企业应加强对电力通信网络运行安全的管理力度,做到及时地发现故障原因,及时制定有效的解决措施,以提升通信网络运行的安全性和可靠性,为我国电力系统的正常运行奠定基础。     

基于SMS远程监控系统

SMS远程监控系统利用GSM网络的SMS(手机短信业务)和低成本的硬件电路构建家居设备的远程监控。在GSM覆盖的地域里,用户可以发送短消息来控制连接到系统的家电设备的开关状态。同样,系统也可以向用户告知其工作状态。用户可以设定特殊短信来监视家中是否发生了特定事件。将GSM/GPRS MODEM主控系统与无线模块相结合,系统构建了一个一主多从的控制网络,从而实现智能化家居监控网络。     

多代表点自约束的模糊迁移聚类

以往建立在模糊C均值(fuzzyC-means, FCM)框架下利用源域虚拟簇中心作为迁移知识的迁移聚类算法容易受到离群点和噪声的干扰,且单个簇中心不足以描述簇结构。针对此问题,提出多代表点自约束的模糊迁移聚类算法,该算法引入样本代表权重机制为簇中每个样本分配代表权重来刻画簇结构,这种机制能更好的刻画簇结构,对离群点和噪声有较好的抑制作用;同时利用源域样本,重构目标域簇结构,并以此作为迁移知识进行目标域样本聚类,相对于利用单中心作为迁移知识来说,整体重构后的目标域簇结构所包含的迁移知识量更为丰富。试验结果表明。在人工数据集和真实数据集上,所提出的聚类算法相比对比算法, NMI和ARI最高提升了0.674 5和0.608 4。说明在迁移环境下,以代表点自约束作为知识迁移规则,所提出的聚类算法具有一定的聚类效果。     

v-软间隔罗杰斯特回归分类机

坐标下降(Coordinate Descent, CD)方法是求解大规模数据分类问题的有效方法,具有简单操作流程和快速收敛速率。为了提高罗杰斯特回归分类器(Logistic Regression Classifier, LRC)的泛化性能,受v-软间隔支持向量机的启发,该文提出一种v-软间隔罗杰斯特回归分类机(v-Soft Margin Logistic Regression Classifier, v-SMLRC),证明了v-SMLRC对偶为一等式约束对偶坐标下降CDdual并由此提出了适合于大规模数据的v-SMLRC-CDdual。所提出的v-SMLRC-CDdual既能最大化类间间隔,又能有效提高LRC的泛化性能。大规模文本数据集实验表明,v-SMLRC-CDdual分类性能优于或等同于相关方法。