摘要：液化石油气等液态燃料在运输过程中受运载工具运动状态变化的影响易产生晃动,液舱晃动引起的流体冲击载荷将威胁运载船舶及车辆的安全性,严重时会发生倾覆。运用运动模拟平台进行液舱晃动试验是目前的重要研究手段,文中基于等效机械模型方法对液舱-运动模拟装置的动力学进行了研究。首先,建立了在纵荡激励下矩形充液液舱的等效机械模型,并通过试验及仿真对等效机械模型进行验证。基于矩形液舱等效机械模型,联合Stewart并联机构,建立了液舱-运动模拟平台系统的动力学模型。通过与等质量无晃动系统进行对比,分析了晃动产生的流体载荷对运动模拟平台受载的影响。结果表明:激励频率对运动模拟平台受载有显著影响,在接近液舱固有频率的情况下,运动模拟平台所受载荷明显增大。该研究可为晃动模拟平台的承载能力校核、设计及控制提供参考。

摘要：该文针对聚类问题上缺乏骨架研究成果的现状,分析了聚类问题的近似骨架特征,设计并实现了近似骨架导向的归约聚类算法。该算法的基本思想是:首先利用现有的启发式聚类算法得到同一聚类实例的多个局部最优解,通过对局部最优解求交得到近似骨架,将近似骨架固定得到规模更小的搜索空间,最后在新空间上求解。在26个仿真数据集和3个实际数据集上的实验结果表明,骨架理论对提高聚类质量、降低初始解影响及加快算法收敛速度等方面均十分有效。

摘要：以等宽或随机宽度网格密度单元为基础的高维聚类算法不能保证复杂数据集中的聚类结果的质量。该文在核密度估计和空间统计理论的基础上,给出一种基于局部显著单元的高维聚类算法来处理复杂数据的高维聚类问题。该方法以局部核密度估计和空间统计理论为基础定义了局部显著单元结构来捕获局部数据分布;设计了能快速发现覆盖数据分布的局部显著区域的贪婪算法;对具有相同属性子集的局部显著单元执行Single-linkage算法发现其中的聚类结果。实验结果表明,以局部显著单元为基础的高维聚类算法能够发现复杂数据集中隐含的高质量聚类结果。

摘要：启发式聚类算法采用局部搜索策略发现使得目标函数取极小值的聚类结果,即局部最优聚类结果。算法虽然具有收敛速度快等优点,但是初始解敏感问题严重地影响了聚类结果的质量。利用多个局部最优聚类结果中的共有信息设计启发式聚类算法。首先给出共有信息的定义及其发现算法FCI_G;然后利用共有信息设计启发式聚类算法CIGC;最后在多组仿真和实际数据集上考察了CIGC算法的性能。实验结果表明,共有信息对提高聚类算法质量有着显著的作用。

摘要：K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果。骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义。给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇。利用骨架簇构造骨架初始解及新的搜索空间。最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果。在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力。

摘要：统一建模语言UML(Unify Modeling Language)是面向对象软件建模的国际标准,但是UML中缺乏对过程的可视化静态建模部分。抽象逻辑结构图ALSD(Abstract Logical Structure Diagrams)是过程建模的有效表示工具。本文以程序代码的生成为目标,以UML的静态类图和ALSD为基础,结合UML的静态类图与ALSD,探讨了有关的代码生成机制,设计和实现了一个软件开发环境。它填补了类图中方法的可视化描述,实现建模和编码的有机统一,使整个程序的设计完全可视化。

摘要：CLARANS是一种有效且广泛应用于空间数据挖掘的聚类算法,非常适合发现多边形的聚类结果.CLARANS的实质是随机重启搜索优化算法.由于搜索空间的表面粗糙不平,布满了局部最优解的"陷阱",因此CLARANS算法易受局部最优解的影响.空间平滑技术允许启发式搜索有效地避开局部最优解的"陷阱".本文给出了基于空间平滑搜索的CLARANS算法(CLARANS algorithm based on Search Space Smoothing-CLARANS-SSS),设计合理的噪声法空间平滑策略能够移除搜索空间中大部分的局部最优解.实验结果表明空间平滑搜索对于CLARANS算法非常有效.

摘要：不确定数据聚类是传统数据挖掘的扩展,面对不确定数据聚类,研究者们经常把聚类问题描述成组合优化问题,并设计启发式聚类算法进行求解.现有的启发式聚类算法,如UK-means和UK-Medoids具有容易理解和实现简单等优点,但初始解敏感问题严重影响了聚类质量.本文在近似骨架理论的基础上,提出了一种近似骨架启发式聚类算法APPGCU(Approximate backbone guided heuristic clustering algorithm for uncertain data).该算法首先对原数据集完成P次采样,在采样后的规模较小的P个数据集上分别执行UK-Medoids算法得到P个局部最优解;然后通过对P个局部最优解求交得到近似骨架,并从中提取初始簇心;最后从初始簇心开始,启发式搜索出聚类结果.在仿真和实际数据集中的实验结果表明,算法APPGCU的聚类结果明显高于实验对比的启发式聚类算法,提高了聚类质量.

摘要：利用魔芋精粉、黄原胶和卡拉胶等亲水胶体改善低脂鸡肉丸的硬度和感官品质,采用单因素筛选和正交试验设计,筛选复配亲水胶的最适添加量和复配比例.结果表明,魔芋精粉、黄原胶、卡拉胶三种亲水胶复配能够有效改善低脂白羽鸡肉丸产品的硬度和感官品质,其中魔芋精粉、黄原胶、卡拉胶的添加量分别为0.3%、0.3%、0.3%,添加比例为1∶1∶1时效果最佳.

摘要：考风是高校校风、学生学风的一种体现,备受高校重视。分析学生考试作弊现象产生的心理原因和学校方面存在的客观因素,针对高校考风建设方面存在的问题和不足,结合应用型本科高校的发展目标,提出相应的建设办法和措施。