为研究不同结构参数下预应力对拉式挡土墙的力学行为,设计制作室内模型试验装置,通过研究其力学机理,开展不同预应力水平、不同锚杆布设位置的模型试验。研究结果表明,由于锚杆(索)对墙体的侧向约束作用,在侧向预应力作用下,墙身向填料方向移动,并随着锚杆预应力的增加,墙体由T模式逐渐演化为T+RB模式,墙背土压力逐渐增大,且呈抛物线型分布特征,峰值位于锚杆处。依据试验结果,推荐了最优锚固位置,提出锚杆预应力施加范围及最佳预应力。研究成果可用于指导预应力对拉式挡土墙的设计计算。
论文主要介绍了山东大学机器人研究中心研发的液压驱动四足仿生机器人。目的是设计能够适应复杂地形环境,具有高动态、高负载能力的液压驱动四足机器人。基于骡／马的生物仿生,构造了具有被动结构、基于液压驱动的四足机器人腿关节结构,满足了机器人稳定控制和高负载能力的需要。基于四足机器人的运动学和逆运动学模型,规划了机器人稳定的对角小跑动步态。实际液压驱动四足机器人平台的实验验证表明了机器人结构设计的合理性和步态规划的有效性。
提出了构建基于HowNet和SentiWordNet的中文情感词典方法。将词语自动分解为多个义元后计算其情感倾向强度,并且使用词典校对方法对词语情感倾向强度进行优化。将所构建词典应用到文本情感分析任务中,使用支持向量机构建文本情感分类器进行实验。实验结果表明,该词典优于一般极性情感词典,为情感分析研究提供了有效的词典资源。
为提高木材缺陷识别率,提出一种基于卷积神经网络算法的识别方法。采用渐近式学习方法来确定训练样本数目,给出了对应的网络结构,降低了算法消耗的时间。试验结果表明,该方法无需对图像进行复杂的预处理,能识别多种木材缺陷,精度较高且复杂度较小,具有很好的鲁棒性,也克服传统算法的诸多固有缺点。
超高强度钢板热冲压技术是将板料热加工和淬火工艺相结合的一项较新的复杂成形技术。它使超高强度钢板具有较小的变形抗力、塑性好、成形极限高,而且成形零件的精度和强度较高。该技术生产的零件使汽车轻量化后仍能满足碰撞安全性能。介绍了超高强度钢板的种类及相应热冲压技术的关键技术,概述了热冲压技术实验研究及数值模拟研究的主要内容及其现状,并对热冲压技术存在的问题进行了评述,对未来发展的内容和重点研究方向进行了展望。
针对现有特征选择方法计算量大、速度慢的缺点,提出了一种基于SVM的快速特征选择算法。该算法使用SVM作为分类器,并利用粒子群优化算法进行搜索。通过利用SVM线性核与多项式核函数的特性,减少了在特征选择中训练分类器的次数,降低了计算复杂度。实验结果表明在不损失分类精度的情况下,能显著提高特征选择的速度。
沥青混合料疲劳极限的存在是永久路面结构设计的主要理论依据,因此掌握沥青层底应变的分布和应变行为规律是永久路面设计的关键.通过现场实测数据,分析了永久路面试验路的交通组成、轴载谱及路面温度分布规律.通过轴载控制检测,分析了动态应变脉冲的特征,建立了最大纵向应变与温度、轴载的回归模型.根据轴载谱、温度分布及应变回归模型,对不同路面结构全年的最大应变分布进行了分析.根据疲劳极限理论,提出永久路面疲劳寿命的累积损伤分析法,并用累积损伤法对试验路的疲劳寿命进行了计算分析.
摘要：图像超分辨率是指利用一幅或多幅低分辨率图像,运用相应的算法来获得一幅清晰的高分辨率图像.然而,传统的基于插值和重建的方法已很难获得进一步的突破.近年来出现的基于学习的方法为超分辨率的发展重新注入了活力.通过回顾插值、重建和学习这3个层面的超分辨率算法,分析了超分辨率技术的以往研究和最新进展,着重讨论了各算法在还原质量、通用能力等方面所存在的问题,并对未来超分辨率技术的发展作了一些展望.
提出复杂环境下基于特征融合的日常动作、突发异常(摔倒)行为检测方法. 利用人的姿态、姿态变化速率特征、人的位置变化特征表征人的运动状态,通过合成简单的姿态事件并结合特征来表达具有复杂时空关系的运动事件. 该方法计算复杂度小,对目标大小的变化具有较好的鲁棒性,在智能交互、服务机器人自主服务系统中具有实用价值.
异常检测旨在检测出不符合期望行为的数据,因而适合应用于故障诊断、入侵和欺诈检测以及数据预处理等多个领域.针对目前众多的专用和通用异常检测方法,本文侧重对基于统计的主流异常检测方法进行了回顾,力图提供一个新的结构化的异常检测方法的认识框架,并依据其监督和无监督学习算法的原理进行了简单分类,特别对部分异常检测方法间的等价性进行了深入探讨.
Affinity propagation(AP)聚类算法中的一个重要参数-收敛系数(damping factor)对算法的运行效率有较大影响,而传统的AP算法中收敛系数常作为固定参数在算法运行中保持不变,因此AP算法的收敛性能对收敛系数初始值的选择比较敏感,针对这一问题提出了一种新的AP聚类算法:F-AP,该算法在传统AP聚类算法基础上引入收缩因子调节收敛系数,使其值能够随算法进程动态调整,以加速AP算法的收敛过程。在3个不同容量模拟数据集上进行了实验,结果表明,新算法能够有效加速收敛过程,并且能够保证与原算法相同的聚类结果;在标准数据集Iris上的聚类结果也表明了新算法具有较好的收敛性能。
利用紫外可见分光光度计和红外光谱测量系统,在室温下分别测量了本征和掺氮6H—SiC单晶的可见和近红外透射光谱。由光谱分析可知,6H—SiC单晶在可见及近红外区是透明的,而掺氮导致SiC单晶在可见和近红外区都有吸收,掺杂还使得带隙变窄。利用透射光谱,得到6H—SiC单晶在可见和近红外区的色散关系曲线和色散方程。此外,对掺氮SiC晶体透射光谱的分析表明,在625nm处的吸收对应自由电子从氮原子引入的导带尾的低能级到更高能级的跃迁,在2500nm附近的透射率下降是由自由载流子吸收引起的。
对现有变调方法作了分类分析,分析了3种典型方法的变调原理和特点,即基于时域同步叠加固定合成变调法(synchronized overlap-add fixed synthesis,SOLA-FS)、频域插值法和基于相位声码器法,重点给出改进的时域SOLA-FS实现方法;通过仿真实验对比3种变调方法的效果:3种变调方法均能在保持音频播放时间不变的前提下,实现音调的改变,但在语音自然度的感知上有差别;通过主观测听实验评估了各种变调方法的音效。结果表明:不论对语音音高的提升还是降低,在相同变调系数下,时域SOLA-FS方法均具有最好的变调效果。
谱聚类能识别出在原空间中线性不可分的聚类, 且其效果优于传统聚类算法.谱聚类要想获得好的效果必须选择一个合适的尺度参数,本文在传统谱聚类算法的基础上引入类似核选取的技巧,提出了一个能自动选取该尺度参数的自适应谱聚类算法.将该算法和现有的谱聚类参数选择算法作了比较,在人工数据集和UCI数据集上的实验表明,自适应谱聚类算法在很多情况下优于其它参数选择算法.
Web spam是指采用某些技术手段,使得网页在搜索引擎检索结果中的排名高于其应得排名的行为,它严重影响搜索结果的质量。考虑到Web spam数据集的严重不平衡情况,本研究提出先使用SMOTE过抽样方法平衡数据集,再利用随机森林算法训练分类器。通过对常见的单分类器和集成学习分类器的对比实验,发现SMOTE+RF方法表现较为突出,并根据实验结果优化了方法中的重要参数,对使用SMOTE方法后AUC值提高的原因进行了分析。在WEBSPAM UK2007数据集上的实验证明,该方法可以显著提高分类器的分类效果,其AUC值已经超过了Web Spam Challenge 2008上的最好成绩。
针对当前基于统计方法构造模糊隶属函数中存在的不足,提出一种基于区间数的方法来确定模糊隶属函数。采用区间数描述“青年人”的概念;基于区间数和模糊数的知识,将区间数据转化成有界闭模糊数;经过加权计算得到一个正态模糊数的α-水平截集,并扩展成模糊隶属函数。试验结果表明:该方法简单、精度高,基于该方法确定的隶属函数曲线更连续、客观,更符合人的主观意识。
在基于矩阵分解的协同过滤算法中,新用户和新项目的冷启动问题是所面临的难点问题之一。通过运用基于K近邻的属性——特征映射的算法得到新用户和新项目的特征向量,解决了该类协同过滤算法所面临的冷启动问题。在真实的实验数据集上验证了该算法的有效性。
针对无监督的主题模型无法对图像主题进行类别标记、有监督主题模型中类别信息的标记繁琐且受主观因素影响的问题,提出了一种半监督主题模型。提取图像中与位置无关的局部特征,用尺度不变特征变换对特征进行描述,用词袋模型将人脸图像表示成一组视觉单词的集合;在基于隐含狄利克雷分配(latent Dirichlet allocation, LDA)方法中的主题-单词层分布上引入少量的类别标记指导未标记样本的分类的基础上提出半监督隐含狄利克雷分配方法。在多姿态人脸判别任务上的测试结果表明该算法比无监督LDA算法分类率高9.0％～24.7％;对于部分遮挡人脸图像、未对齐的人脸图像的分类率比多姿态主成分分析法分别提高8.8％和21.5％～39.8％。结果表明该方法在少量样本标记的情况下,性能逼近有监督的隐含狄利克雷分配方法,且适用于其它图像分类问题。
在研究了国内外近几十年岩土工程中常用的相似材料的研究现状,并分析了它们优缺点的基础上.通过试验测定不同水灰比和橡胶粉取代率时,改性水泥砂浆的表观密度、抗压强度、弹性模量和劈拉强度等物理力学性能的变化情况,总结这些物理参数随橡胶粉取代率、水灰比的变化规律，获得一种新型岩石相似材料.结果证明,这种新型岩石相似材料能很好地满足相似材料的选材要求,是一种比较理想的岩石相似材料,值得在其他模型试验中推广.
摘要：提出一种散乱点云边界特征的快速提取算法,该算法采用R*-tree建立散乱点云空间索引结构,基于该结构快速准确获取局部型面参考点集,建立该点集的基准平面,计算点集内各点到基准平面的距离并将该距离与目标点到基准平面的距离进行比较,识别点云边界特征.实例证明该算法可快速、准确地提取散乱点云的边界特征.
界面强度对纤维复合材料破坏及力学性能的影响
界面作为复合材料中的重要组成部分对其宏观力学性能及破坏模式有着不可忽视的影响. 本文采用自组装薄膜技术对玻璃纤维表面改性, 得到不同表面性质的玻璃纤维, 与环氧树脂基体复合得到不同界面强度的复合材料. 利用带偏光显微镜的拉伸仪, 研究在不同界面强度下玻璃纤维/环氧树脂基复合材料的破坏过程及力学性能. 结果表明, 复合材料在强界面情况下发生脆性破坏, 在弱界面情况下发生韧性破坏, 且增强纤维对复合材料性能的增强效果与界面强度有关.
针对传统人体姿态解算算法中存在的稳定性差和解算精度低等问题,提出一种基于多传感器信息融合的姿态解算算法。利用四元数计算人体的姿态变化,将惯性测量模块的姿态测量值与观测值之间的偏差通过PI调节进行控制;采用互补滤波对多传感器数据进行融合,求取人体实时姿态。实验表明,该算法能够实现稳定地输出高精度姿态数据。
目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。
经典蔡氏电路由于电感元件的存在,使得蔡氏电路误差较大,设计精度很难提高。针对这一缺陷设计出没有电感器的、与经典蔡氏电路输出完全相同的混沌电路。设计方法是深入分析蔡氏二极管的静态特性曲线,借鉴并且结合CNN(cellular neural networks)技术,找出相应的静态电路结构——限幅非线性电路,最终设计出由纯运算放大器构成的蔡氏电路,同时给出了另外2种应用于蔡氏电路的静态非线性电路。仿真与物理实验结果证明,该设计完全实现了设计目标。通过比较得出用限幅非线性电路实现蔡氏电路是最优化设计方法的结论。
为有效实现海量数据的非线性聚类,提出基于GraphLab的分布式流式近邻传播算法——GStrAP(GraphLab based stream affinity propagation)。该算法将数据抽象为有向无环图模型,采用“Gather-Apply-Scatter”的模式完成数据同步和算法迭代。在人工合成流形数据3D Clusters、Aggregation、Flame和Pathbased数据集上分别采用不同数据规模以及与传统K-means的聚类性能做对比,实验表明:基于GraphLab的近邻传播算法对数据规模具有良好的拓展性,在保持算法聚类效果的同时,有效降低时间复杂度。
为实现农作物秸秆资源化,解决印染废水难处理问题,将麦草秸秆经过化学改性后制备成一种有效吸附染料的吸附剂,通过静态实验,研究了吸附剂对不同质量浓度、温度和振荡速度下对活性艳红的吸附动力学特性,并考察了在不同pH值、麦草投加量下,改性麦草秸秆对活性艳红吸附效果的影响。分别用伪一级动力学方程、伪二级动力学方程、Elovich方程和颗粒内扩散方程进行拟合。结果表明:改性麦草秸秆对活性艳红的吸附动力学过程可以用伪二级动力学模型进行很好地描述,颗粒内扩散模型表明,颗粒内扩散为主要速率控制步骤。吸附活化能为17.21kJ／mol,说明该吸附过程以物理吸附为主。
在基于机器学习方法的网络流量分类系统中,特征产生及特征选择将直接影响到分类的速度及精度。针对这种情况,在特征产生方面,结合Packet-Level和Flow-Level上的信息,对报文属性(大小、个数、时间、标志位)、流的属性(时间)进行分析和研究,产生了37个网络流量统计特征。在特征选择方面,提出一种结合Filter模型和Wrapper模型的网络流量特征选择方法,实现了降维作用。实验表明,提出的方法提高了分类的精度。
Lin-Kernighan算法被认为是求解旅行商问题效率最高的启发式算法之一,而初始解构造策略是影响Lin-Kernighan算法路径改进效率重要环节。以往的研究中通常采用某一种启发式策略构造初始解,但目前尚无相关研究对不同启发式构造策略在Lin-Kernighan算法中的性能给出对比。以经典的旅行商问题为对象,分析了8种常用启发式构造策略解的生成情况,得出其中最远插入法,最近插入法,最邻近法和节约算法适用于Lin-Kernighan算法的初始解构造。通过对TSPLIP中6个经典TSP实例仿真,进一步验证了这4种启发式构造策略均可以在保证解具有较高质量的情况下,显著缩小搜索空间和计算时间,提高寻优效率。此外,实验结果表明节约算法由于初始解构造效果较好,较其他启发式构造策略具有更快的收敛速度,而最近插入法在寻优率方面优于其他策略。
Bone-like nanograde hydroxyapatite(HAP)spicula were synthesized in simulated body fluid(SBF)by increasing the concentration of Ca and P in the SBF by a biomimetic method. The mass phase composition, chemical composition, micromorphology, thermal stability, bioactivity and high temperature during stability at different sintering temperature 500～1300℃ of the obtained HAP were studied by X-ray diffraction, Fourier transform infrared spectroscopy, scanning electron microscope, differential thermal analysis and atomic absorption spectrometry. The results indicated that the synthesized HAP had a pin-like shape close to natural bone with a 70～80nm length and 10～20nm width. Though the degree of crystallization of HAP is better and better with temperature increasing, the HAP could be decomposed when the sintering temperature is above 1000℃.The synthesized HAP powders have good ability for inducing the deposition of Ca and P.
When the 2-D ESPRIT algorithm is used to treat two-dimensional signals, there is a great deal of redundancy in the arrays. A new 2-D improved ESPRIT algorithm was proposed. This algorithm used the geometries characteristic of a double linear array to construct a mixed matix, and then the signal subspace was obtained via the singular value decomposition of the matix in the 2D-ESPRIT method. This method could estimate the signal with less work, and get good estimation results. It could estimate both coherent signals and non-coherent signals by the spatial smoothing method.
文本分类面临的一个主要问题就是如何降低文本巨大的特征维数,并且保持分类精度甚至提高分类精度。针对该问题,提出了一种基于信息论的特征再提取方法,旨在删除稀疏分布的特征、保留有利于分类的特征。使用该方法时配合特征选择方法,可进一步降低特征维数。实验结果表明,该方法能将特征维数降低到几百维,而且能提高分类器的性能。
山东大学
扫一扫，加关注
