针对知识推送的因果分析方法研究

因果分析是技术创新过程中一种确定问题产生根源的方法,针对当前产品研发人员主要依靠个人经验和知识进行因果分析的现状,提出了一种基于知识推送的因果分析方法.首先,分析了因果分析过程中的知识需求及知识的表述方式.其次,提出了需求驱动的知识推送流程,并确定知识推送过程中知识匹配的方法.然后,基于知识推送方法和因果分析过程的研究,提出基于知识推送的因果分析流程.最后,以除雾器叶片堵塞为例,在知识主动推送服务的基础上完成因果分析,验证了分析方法的合理性和可行性.     

两串联排队系统逗留时间的泛函重对数律

本文考虑了两服务台串联排队系统,证明了重话务条件下逗留时间的泛函重对数率。逗留时间指的是一个顾客从到达系统到离开系统的时间,泛函重对数率基于更新过程的强逼近。     

基于微博用户兴趣话题的相似用户挖掘

相似用户挖掘是提高社交网络服务质量的重要途径，在面向大数据的社交网络时代，准确的相似用户挖掘对于用户和互联网企业等都有重要的意义，而根据用户自己的兴趣话题挖掘的相似用户更符合相似用户的要求。提出了一种基于用户兴趣话题进行相似用户挖掘的方法。该方法首先使用TextRank话题提取方法对用户进行兴趣话题提取，再对用户发表内容进行训练，计算出所有词之间的相似度。提出CP（Corresponding Position similarity）、CPW（Corresponding Position Weighted similarity）、AP（All Position similarity）、APW（All Position Weighted similarity）四种用户兴趣话题词相似度计算方法，通过用户和相似用户间关注、粉丝重合率验证相似用户挖掘效果，APW similarity的相似用户的关注/粉丝重合百分比为1.687%，优于提出的其他三种算法，分别提高了26.3%、2.8%、12.4%，并且比传统的文本相似度方法Jaccard相似度、编辑距离算法、余弦相似度分别提高了20.4%、21.2%、45.0%。因此APW方法可以更加有效地挖掘出用户的相似用户。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。     

水锤涌浪联合试验的变态模型相似律

该文详细推导了在同一个物理模型中同时模拟调压室涌浪和压力钢管中的水锤时应满足的变态模型相似律，结果应用于电站模型试验中。     

滑坡相似材料试验结果优化分析研究

在运用模糊综合评判确定的滑坡相似材料试验配合比隶属度基础上，利用方差分析确定各因素的数学优化区间，结合变量有上下界的改进单纯形法，获得技术，经济上的最佳配合比，克服了统计优化理论不能在连续区间寻优的缺点，这对从事滑坡相似材料试验研究具有一定的实际意义。     

增益模糊修正和自适应律

本文给出了一种兼顾系统鲁棒性和暂态特性的自适应律，我们称之为增益模糊修正自适应律，分析及仿真表明，它除保持了死区修正方案相对于有界扰动的鲁棒性之外，又克服了死区修正方案及原始的积分式自适应律方案暂态品质差的问题，尤其是对一类严重欠阻尼的二阶对象，与死区修正适应方案或积分式自适应方案相比，它显著地提高了系统的暂态品质。     

基于分层加权的多边形图形匹配

提出了一种适用凸凹多边形匹配的分层加权测度方法，在此方法中，对凹多边形、首先进行基于提取凸多边形的模式分解，对凹多边形添加辅助线，形成新的外接凸多边形、通过依次抽取外接凸多边形，将凹多边形表达为仅由凸多边形组成的多层拓扑结构，然后，利用预先定义的互为模板的相似度量准则和分层加权测度模型，计算得到多边形的相似度系数，从而实现凹多边形的匹配和检索。