PushoVer方法与循环往复加载分析的研究

在进行非对称结构的 pushover分析时 ,从两个相反的方向加载所得到的分析结果将有所差异 ,文章通过两个非对称结构的算例证实了这一点 ,并提出了循环往复的加载方式。在此基础上 ,文章提出将一次循环加载过程近似看作是一次地震作用过程 ,通过地震前后结构周期的改变来建立结构损伤模型。     

基于规则的神经网络在模式分类中的应用

针对模式分类任务,提出一种基于粗糙集规则的神经网络构造方法.首先,利用粗糙集理论和遗传算法约简输入特征,在尽量保持分类能力不变的情况下降低条件属性维数,并推导出简练的分类规则集合.然后,以规则集为基础构造BP神经网络结构、确定网络层数、输入输出节点数等,并计算规则的条件属性重要度和依赖度2个参数对连接权值进行初始化.最后,通过一个实例验证了方法的有效性,结果表明该方法能有效解决传统神经网络构造难、解释难、过拟合等问题,提高了分类精度,降低了训练时间.此外,初步探讨了网络训练时对知识提炼的影响.     

气液两相段塞流的PSD和PDF特征分析

在气液两相段塞流理论基础上,通过大量实验,利用LabVIEW平台进行数据采集和处理,并引进数字信号理论和统计学分析方法,得出了段塞流在不同时期、不同形态的概率密度函数(PDF)特征和功率谱密度函数(PSD)特征.段塞流的压力概率密度函数呈现单峰、双峰、多峰分布,尤以双峰分布最为普遍;段塞流的压差概率密度函数分布符合正态分布,呈现单峰分布;段塞流的功率谱在整个频率范围内随着频率增大而缓慢下降,频率范围内出现两个幅度比较明显的特征峰.利用PSD和PDF特征分析可以进行气液两相流的流型识别,为研究流型和管道系统设计提供帮助.     

战略并购的风险规避与控制

战略并购和财务并购在并购的直接目标、并购行为的性质等方面有显著差异。本文采取逻辑推理和案例分析相结合的方法，从产业关联度和整合模式两方面入手对战略并购展开分析，结合企业所处产业的性质，遴选出便于实施风险规避与控制的并购方案。     

一种基于约束边界模式的超分辨率图像重构算法

超分辨率图像重构是利用多帧低分辨率图像重构出一幅具有更高分辨率图像.一般的凸集投影算法在放大倍数上升时存在两个问题: 一是计算复杂性急剧上升, 二是边缘振荡效应的加剧导致成像质量迅速恶化.本文针对凸集投影算法, 提出了一种基于约束边界模式的算法.实验结果表明, 新算法能够在有效抑制边缘振荡效应的同时, 较大地提高了重构速度.     

渐进式序列模式挖掘算法IMSP分析

序列模式挖掘是数据挖掘中最重要的研究课题之一。基于记录频繁集各元素的Ctid表的基础上，有研究者提出一种渐进式序列模式挖掘算法IMSP，目的是支持度保持不变，而数据库变化不大时，如何利用前次的结果和中间结果，以加速本次挖掘过程。笔者深入分析了算法IMSP结构，指出该算法在时间复杂度，挖掘规则的完备性上的不足，同时也指出利用该算法所可能得到的错误结果。     

基于单片机的数字信号传输性能分析仪的设计

本设计由数字信号发生及伪随机信号发生模块、低通滤波电路、数字信号分析电路等模块构成,通过MSP430单片机及DDS电路产生数字信号,由10M的有源晶振和移位寄存器产生伪随机信号。通过三个截止频率不同的低通滤波器对数字信号进行模拟干扰。伪随机信号发生器输出信号V3的幅度在100mV～TTL内可调。数字信号采用曼彻斯特编码,使其在分析电路中可以在很低的信噪比下从V2a中提取同步时钟信号,利用所提取的同步时钟信号作为示波器的触发脉冲,在示波器上显示出眼图,通过眼图幅度分析数字信号的传输性能。     

基于不完美发送端信道状态信息的多输入多输出系统线性预编码传输方案

空时分组码和线性预编码可显著提高多输入多输出系统的性能,但空时分组码性能易受天线相关性的影响,线性预编码性能易受发送端信道状态信息(CSIT)误差的影响.提出一种空时分组码与线性预编码级联的方案,可在相关天线组和不完美的CSIT条件下,获得良好的性能增益.     

一种基于MIMO-OFDM技术四发射天线多接收系统的设计

MIMO-OFDM技术不仅能够实现很高的传输速率而且通过分集实现很好的可靠性.设计了基于MIMO-OFDM技术四发多收天线的系统,针对随着收发天线数量增多接收机编码和译码算法复杂度随之提高的问题,选择适合多天线技术且具有低复杂度的正交空时分组码技术,接收端采用最大似然译码,调制采用多进制相移键控。通过仿真验证了该方案设计正确,证明了系统具有良好的差错性能和较高的频谱利用率。     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.