BP神经网络在边坡锚杆优化设计中的应用

人工神经网络具有自学习、自组织、强容错性等优点，应用MATLAB语言，建立了边坡工程锚杆优化设计的BP神经网络模型。应用有限元法对不同锚杆布置倾角下的边坡模型进行计算，并以模拟计算结果作为训练样本及预测样本对网络进行训练，验证了迫坡锚杆优化设计BP神经网络模型的有效性，确定了边坡工程中锚杆的最优布置倾角，为边坡锚杆优化设计研究提供了一条新途径。     

建立新型消防勤务机制探索

随着经济社会的快速发展,消防部队的职能也正在由过去的单一灭火向多元化灭火救援发展,这就给消防勤务工作提出了研究的新课题,揭示了目前消防部队在勤务机制中遇到的警力严重不足、灭火救援骨干队伍薄弱、灭火救援训练效率不高、适应现代灭火救援作战的观念意识不强等突出问题,论证了消防勤务机制改革势在必行,并提出了应采取的四个方面的改革措施。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

基于支持向量机的遥感图像分析与处理

支持向量机是一种新的机器学习方法。本文结合遥感图像和支持向量机的特性，重点分析了支持向量机在遥感图像分类、遥感图像压缩、遥感图像特征提取等方面的应用。并对支持向量机在遥感图像分析与处理中的应用趋势及有待进一步研究的问题进行了探讨。     

新军工巨鳄跃出水面——评美国NORTHROP GRUMMAN并购TRW公司

军工企业是美国军事技术和武器装备发展的“摇篮”。为了拥有和保持军事技术、装备上的优势地位,美国国会和国防部一直密切关注国防工业的发展,宏观上制定政策引导其调整、改革,微观上插手军工企业的重组、兼并。20世纪80年代和90年代曾出现过两轮并购浪潮,形成了洛克希德·马丁公司和波音公司两强对峙的格局。进入21世纪,正当人们普遍认为美国国防工业的两强格局将保持较长时间,很难再出现     

数学建模竞赛的几点启示

结合我院参加数学建模竞赛的实际情况,指出参加数学建模竞赛应注意的几个问题及应对策略,为今后成功地参加该项竞赛提供一些借鉴.     

《计算机与信息技术基础》课程分类分层次教学模式的研究与实践--以新疆艺术学院为例

在艺术类入校新生计算机应用能力水平偏低但存在差异的背景下，为提高计算机应用能力水平、信息素养和计算思维能力，进行《计算机与信息技术基础》课程分层教学模式研究，通过调查研究、课程建设等，建立教学目标分层，教学内容分层和教学评价分层，改变传统快慢班或讲授不同课程内容的分层方式，对教学内容进行整合，并进行分层递进教学。     

装备维修性增长及其基本过程研究

为了解决当前装备的维修性问题，揭示维修性发展的一般规律，进行了维修性增长的研究。首先阐明了装备维修性形成与演变的一般规律，继而提出了维修性增长的概念，重点研究了维修性增长的内涵与增长的一般过程，最后对解决增长问题所需的模型进行了分类，为增长技术的深入研究奠定了基础。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。