共查询到2条相似文献，搜索用时 46 毫秒
1.
在粘聚元或者粘聚域模型中,能够预测混合失效模式（mixed mode）的粘聚律是通过关联界面的法向分离和切向分离来建立的．考虑完全剪切失效机制的Xu-Needleman粘聚律是目前文献中应用最多的关联粘聚律之一．基于该文提出的粘聚律一致关联准则,采用界面分离功分析法,证明了考虑剪切失效机制的Xu-Needleman粘聚律在混合失效模式下,属于非一致关联粘聚律．理论分析证明,考虑剪切失效的Xu-Needleman粘聚律仅在界面的法向分离功与切向分离功相等的情况下能够正确刻画混合失效模式．基于粘聚律一致关联准则,在考虑剪切失效的Xu-Needleman粘聚律的基础上,进行修正提出一种一致关联粘聚律（CCC）．分析证明,这种修正的一致关联粘聚律克服了原有Xu-Needleman粘聚律非一致关联的弊端,能够更好刻画混合失效模式下的破坏行为． 相似文献
2.
采用统计检验和机器学习的方法来研究SNP或基因与疾病(可测性状)的关联性.先对SNP选择合适的数值编码方式,并设计了相应的统计检验流程,随后通过P值初步筛选出了与疾病或性状相关联的位点.在此基础上,对筛选出的位点,采用随机森林,XGBoost等机器学习方法,从样本外预测的角度判断SNP与疾病或性状的关联度.相关结果,显示发现运用该分析框架能较好地筛选出与疾病或性状关联的SNP(基因).并且框架由于考虑了多种分类模型,有着稳健性高,计算开销较小以及可以交叉比对等优势.框架未来在还可在金融,社交网络等方面发挥作用. 相似文献