结合小波变换和K均值聚类的SAR舰船目标分割

对SAR舰船目标分割方法进行研究,给出一种基于小波变换与K均值聚类相结合的舰船目标分割方法。在该方法中,首先利用双密度双树复小波变换优秀的图像去噪能力,对SAR图像进行降噪处理,以减少相干噪声对分割结果的影响;然后通过改进的K均值聚类方法进行舰船分割。实验结果表明本文方法能有对SAT舰船目标进行有效区分。     

高性能水泥混凝土耐久性研究

现在土木工程行业对混凝土早期强度要求的日益提高,促进了高性能混凝土的发展,但同时也带来了人们对高性能混凝土耐久性的担忧。本文采用花岗岩作为粗骨料,考虑复掺粉煤灰硅灰,采用对比试验研究了C55高性能混凝土各部分用量对其耐久性的影响。实验表明,水泥用量的增加可以一定程度提高抗渗性,但是对干缩性有不利影响;硅灰的掺量对抗渗性有重要影响,单掺硅灰的干缩率在前期较大,复掺粉煤灰和硅灰的在7d以后变大;花岗岩相比于石灰岩用作粗骨料配置的试件耐久性更好。     

基于模糊C均值聚类的模拟电路故障诊断

介绍了模糊C均值聚类分析的理论,并将该理论应用于模拟电路故障诊断.在模拟电路故障仿真分析中引入有容差的各类数据样本,运用迭代优化的模糊聚类算法生成故障模式,然后,将故障模式应用于未知故障情形进行诊断,仿真表明,该方法高效准确.     

“小黄”换“鞋”记——长安铃木雨燕1．3MT炫彩型轮胎升级篇

轮胎改装是大部分驾车者对爱车改装的第一课,这一回我的"小黄"雨燕也进行了轮胎升级,赶上了编辑部换轮胎的潮流。最近在《汽车与运动》编辑部刮起了一股换轮胎的潮流,张灵犀和莽超都把自己车子的原配轮胎和轮圈升级成更大尺寸、更高性能的产品,想必大家在前几期杂志中都分享了他们的改装历程和感受。我作为编辑部的一员,当然也不落后,开始对我的雨燕1.3进行轮胎的升级。     

关于高性能沥青路面（Superpave）设计方法的探讨——（JT／T724—2008）《旋转压实仪》简介

旋转压实仪是高性能沥青路面（Superpave）设计中具有一定科技含量且生产工艺水平要求较高的实验室设备,在我国推广和普及的前景非常广阔。JT／T724—2008《旋转压实仪》的制定、发布和实施,规范了设备的生产厂家,为公路实验室及工程技术人员提供了标准及计量方面的技术支持。     

舰船电力推进电机性能剖析

介绍了综合电力推进的概念、研究发展动态以及舰船电力推进电机的特殊性能要求,剖析了先进感应电机、轴向磁通永磁电机、横向磁通永磁电机、高温超导电机等高性能推进电机的性能特点、拓扑结构及关键技术.在分析推进电机研究应用现状的基础上对其未来发展进行了展望.     

系统聚类分析中遥遗传算法

简要介绍了系统聚类法的各种常用方法,对Ｗａｒｄ方法进行了分析,说明爬山法一般得不到全局最优分类,因此提出结合Ｗａｒｄ方法,用遗传算法进行聚类,特别是对交叉操作进行了设计,从而将遗传算法用于聚类分析．最后的实例表明,遗传算法在处理多样本、多属性、多尖别的问题时,是一种有效的方法。     

高性能混凝土应力腐蚀评价指标

为全面系统地研究混凝土在应力与腐蚀介质耦合作用下的环境响应,利用专门设计的应力腐蚀加载试验装置,分析了高性能混凝土在三分点加荷与腐蚀溶液同时作用下的性能衰减规律,及各试验结果对应力腐蚀评价指标的敏感性。结果表明,在一定的试验周期内,受应力腐蚀高性能混凝土的抗折强度损失率在10％以上,而抗压强度及质量基本不变,因此在评价其应力腐蚀性能指标方面以抗折强度损失率最为敏感。     

低客流公交运营模式优化方法

为解决低客流传统公交线路运营效率低的问题,考虑低客流公交线路客流时空特性,提出了采用传统公交与需求响应公交(demand response transit, DRT)相结合的组合运营模式：全时段传统公交模式(M1)、分时段传统公交+DRT模式(M2)全时段DRT模式(M3)的优化思路。分析了不同运营模式的要素,考虑乘客空间、时间特征,构建基于三维时空聚类的站点规划模型;考虑车辆行驶成本、乘客时间成本,以总班次运营成本最小为目标,构建了带有时间窗的灵活型DRT线路与调度规划模型,运用遗传算法进行求解。以北京市某公交线路进行仿真实证,仿真结果表明：M2相比M1、M3分别降低了9.0%、23.0%的运营成本。研究可针对低客流公共交通服务的运营方案制定与优化提供技术参考。     

基于无监督聚类分析的激进换道行为识别方法

为有效指导驾驶人采取更安全的换道行为,本文提出基于改进的自组织映射神经网络(SOM-Kmeans)聚类分析的激进换道行为识别方法。通过模拟驾驶设备和眼动仪获取驾驶数据和眼动状态,运用变点检测算法结合方向盘转角和横向注视位置从多模态数据集中提取换道行为事件数据,进而提取驾驶人换道行为关键特征参数,运用SOM-Kmeans聚类分析识别激进换道行为。将SOM-Kmeans聚类方法分别与基于密度的聚类算法(DBSCAN)及模糊C均值聚类算法(FCM)比较,分析激进换道行为的识别效果。研究结果表明：SOM-Kmeans能够将激进换道行为划分为紧急换道和挤车换道两种类型,并建立相应的行为指标和阈值,当换道过程中加速度波动大于8.22 m·s^-3且方向盘转角大于0.83 (°)·s^-1,识别此次换道为激进换道行为;在激进换道行为的基础上,当换道间隙小于7.5 m且换道持续时间大于10.3 s时,识别此次换道为挤车换道,否则,为紧急换道行为。挤车换道行为多出现在拥堵较严重的强制换道中,紧急换道行为多出现在交通流环境较好的自由换道中。本文提出的识别方法的准确率...