摘要：海域场地工程特性是海洋重大工程设计、建造、运维的重要基础,也是岩土地震工程的研究热点。收集了日本相模湾海域2000~2018年间6个海底台站的强地震动记录,筛选、前处理后采用Horizontal-to-vertical spectral ratio(HVSR)方法计算了各条记录的傅里叶振幅谱比值。通过动态聚类学习结合最优化分类,获取了相模湾海底台站的最优场地特性。结果表明,动态聚类学习方法针对时序型数据的聚类性能及鲁棒性强,可满足局部及全局分辨率;相模湾海区中台站场地环境可宏观分为海底峡谷区及海洋盆地区,其中峡谷区场地卓越周期显著小于盆地区,且高频衰减较缓;通过局部场地地形坡度,给出了海洋场地工程特性。研究成果可为海域地震动模拟、海洋工程建设等提供参考。

摘要：为了优化具有空间渐变几何特点的梯度点阵结构,促使有限材料在宏观结构中实现合理分布,提出结合动态聚类的两尺度并发拓扑优化方法。在整个优化过程中,微结构分区方式可以通过K-means聚类方法基于当前的宏观单元应变能进行聚类更新,获得比静态分区更为合理的微结构分布方式;并引入微结构转角变量,根据结构主应力方向来布置微结构转角,获得更为合理的宏观结构传力路径。数值算例表明,相较于传统指定材料区域的静态分区方法,该方法可以更为有效地进行材料分布,充分利用材料的各向异性,提升结构性能。

摘要：通过分析现有客户聚类存在的不足,面向大批量定制设计提出了根据功能结构模型进行客户动态聚类划分的新方法。采用面向对象的技术,将功能作为产品族的特征属性与产品族结构封装,建立了产品族功能结构模型;应用蚂蚁自我聚集行为的聚类原理,以产品族功能结构模型为分类模式,以动态定制客户集为模式样本,提出了基于功能结构蚂蚁树的定制客户动态聚类算法。在自行开发的工程机械产品定制服务平台上,以摊铺机定制客户的聚类划分为例进行了实验验证。

摘要：经典物流配送模型的目标、约束条件不够全面,在实际应用中存在一定缺陷,对此,构建了时间窗和油耗取送一体化的物流配送路径优化模型(PDVRPTF).设计了一种基于k-medoids动态聚类混合拓扑结构粒子群算法,解决了经典粒子群算法在求解此类模型时容易陷入局部最优解的问题.仿真结果表明,改进型粒子群算法能很好地跳出局部最优解,并快速收敛于全局最优解,且该算法可有效求解物流配送路径优化的问题.

摘要：提出一种基于免疫原理的动态聚类算法,它能在噪声环境下得到任意形状的聚类,并能有效地实现动态聚类操作.算法包括3个步骤:首先基于生物免疫机制得到一个反映当前数据分布特征的抗体集合;然后使用最小生成树方法得到聚类的初始结构;最后针对数据库的更新设计了动态聚类算法.仿真结果表明了该算法实现动态聚类的有效性.

摘要：应用数理统计方法和计算机技术对多点肥料效应函数的结果进行动态聚类分析,并以其聚类结果作为试验地区推荐施肥的依据。

摘要：为了合理地进行信号相位的设计,运用图论中的染色理论方法求解了信号相位数目的最优值,另外采用有序样本动态聚类的方法,研究建立信号相位相序的组合优化模型。通过南京市太平北路-珠江路交叉口作为研究实例,计算验证了文中的方法和模型,并就交通流与信号相位相序的关系进行了分析,为信号交叉口的信号设计,特别是信号相位相序优化研究提供了新思路和新方法。

摘要：在分析定制客户需求特点和产品族模型构成的基础上,提出了一种根据功能结构模型进行定制客户动态聚类划分的新方法。采用面向对象的技术,将功能作为产品族的特征属性与产品族结构封装,建立了产品族功能结构模型;应用蚂蚁聚集行为的聚类方法,以产品族功能结构模型为分类模式,设计了基于功能蚁树的客户动态聚类算法。并以多功能沥青混凝土摊铺机产品的定制客户聚类划分为例,进行聚类分析,聚类结果能直观地反映各功能结构模块动态需求变化。

摘要：针对相干型多波束测深数据的特点,提出了一种基于动态聚类的单声脉冲多波束测深数据实时滤波算法。利用地形的连续性特性,将测深数据的异常值检测问题转化为真实地形的聚类问题,通过不断地聚类提取真实的地形数据,对异常值进行剔除。在聚类过程中,由于数据量很大,对聚类集合进行划分后采用动态聚类的方式,同时引入地形趋势变化调节因子,选定地形特征域,对聚类的方向进行判断,最后利用改进后的k均值法进行聚类目标输出。对GeoSwath多波束测深系统的真实海上试验数据的处理结果表明,该算法对地形特征具有较强的适应能力,且实现简单,可用于多波束的在线滤波以及测深数据的后处理。

摘要：为了改善量子行为粒子群优化算法的收敛性能,避免粒子早熟问题,提出了一种基于完全学习策略的量子行为粒子群优化算法。由此设计了一种新的数据聚类算法,新的聚类算法通过特殊的粒子编码方式在聚类过程中能够自动确定最佳的聚类数目。在五个测试数据集上与其他两种动态聚类算法进行聚类实验比较,实验结果表明,基于完全学习策略的量子行为粒子群优化动态聚类算法能够获得较好的聚类结果,有着良好的应用前景。