长江三角洲地区集装箱生成量的可拓聚类预测

<正> 在酝酿新世纪的各国港口集装箱运输的持续发展中,各界普遍关注的热点问题是沿海集装箱深水港的建设,而对于内河集装箱运输没有得到应有的重视。内河集装箱运输是推动内河流域经济发展的原动力,无数国内外的水运与区域(城市)经济发展相互依存的实例证实了包括内河运输的水运对人类历史和经济发展的重要作用。     

集装箱生成量可拓聚类预测

分析了集装箱生成量可拓聚类预测的建模机制，构建出可拓聚类预测的物元模型，并用该模型对集装箱生成量进行了区间预测。     

双马来酰亚胺树脂溶液的研究及其在绝缘漆中的应用

对双马来酰亚胺树脂溶液的合成进行了研究，并简单地介绍了该树脂溶液在绝缘漆中的应用。     

巫奉高速滑坡危险性的灰色聚类评价

灰色聚类决策问题是根据若干指标将一些研究对象进行分类的问题。由于巫奉高速沿线地质条件复杂．造成沿线滑坡岩土体的结构与物理力学性质表现出不连续性和高度的非线性等特点。在危险性综合评估中，把公路沿线滑坡的地质环境条件作为一个灰色系统进行研究，找到对滑坡稳定性起主导作用的因素，用灰色聚类法进行危险性等级的评价。     

一种改进的基于密度和网格的高维聚类算法

提出了一种改进的基于密度和网格的高维聚类算法,并对算法有效性进行了验证.该算法通过减少样本点数量的方法达到减少稠密子空间数量.在发现高维稠密子空间时,对样本库进行精简.这些样本点的求得能有效减少求解最小聚类的时间复杂度.     

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。      

地聚物稳定再生沥青混合料力学性能研究

将地聚物应用于路面冷再生,通过替代常规胶结剂(水泥、沥青、二灰等)对再生沥青路面(RAP)材料进行稳定研究,并对地聚物稳定RAP材料的无侧限抗压强度和模量等力学性能进行研究。研究发现:地聚物作为新型胶结材料可以有效稳定RAP,满足基层强度的要求;地聚物稳定RAP强度不会随着碱液/粉煤灰比率的增加而持续增大,在比率为0.4时达到最大值;稳定后材料的单轴压缩模量与无侧限抗压强度具有很强的线性关系,并且线性关系的拟合趋势线通过原点;不同碱液/粉煤灰比率下的单轴压缩弹性模量与无侧限抗压强度的线性关系也很明显,比例系数可认为基本保持不变;地聚物稳定后的RAP回弹模量较未稳定的RAP有很大提高;回弹模量随围压的增大而增大,是由于稳定再生材料随着约束的增加而变得更致密;材料的偏应力变化比较剧烈,随着材料密度和强度的增加,偏应力对回弹模量的影响变得比较平缓;地聚物稳定RAP材料的回弹模量使用体应力模型和三参数模型进行拟合均有很好的效果,两者拟合效果相近,体应力模型形式更简单,并且使用三参数模型时数据分散度有限,因此推荐使用体应力模型。体应力模型在沥青老化程度较高适合使用,因为此时旧沥青混合料的性质更接近普通集料,使得地聚物稳定材料的剪应力和剪应变较小。     

铁路绿色施工节地与土地资源保护措施评价

为了更好地促进绿色铁路建设,进而促进国家实现建设资源节约型环境友好型社会的目标,必须对施工阶段铁路的节地与土地资源保护措施进行评价。通过研究相关技术标准及铁路施工特点,建立一套完善的铁路绿色施工节地与土地资源保护措施评价指标体系。然后,利用三角模糊数层次分析法确定各指标权重,应用灰色聚类法确定评价指标体系的综合绿色等级。最后,结合实例证明三角模糊数层次法与灰色聚类法结合可以对铁路绿色施工节地与土地资源保护措施进行很好的评价,并能找出铁路施工阶段节地与土地资源保护的不足之处并进行改进。     

一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型

为提高无监督异常检测系统的检测率、误报率和检测效率,将数据集划分为不同的服务集,然后对每个服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并比较训练结果,取其中训练性能较优的方法建立对该服务的检测模型。检测实验表明,本文模型的检测率达到99.21%,误报率降低到2.2%。与不加服务划分的模型相比,本文模型的训练时间和检测时间分别降低为相应模型的21.17%和21.98%。与其他检测算法的比较结果也表明,本文模型在检测率和误报率方面具有更优的性能。