面向大规模数据集的贝叶斯网络参数学习算法

贝叶斯网络的学习可以分为结构学习和参数学习。期望最大化(EM)算法通常用于不完整数据的参数学习,但是由于EM算法计算相对复杂,存在收敛速度慢和容易局部最大化等问题,传统的EM算法难于处理大规模数据集。研究了EM算法的主要问题,采用划分数据块的方法将大规模数据集划分为小的样本集来处理,降低了EM算法的计算量,同时也提高了计算精度。实验证明,该改进的EM算法具有较高的性能。

低强度模拟锚固材料抗弯荷载-位移全过程曲线试验研究

在大比例尺的地质力学模型中,由于相似模型材料的脆性和低强度,很难测得其抗弯应力-应变或者荷载-位移全过程曲线。对抗弯试验的过程进行力学分析,通过对增加辅助弹性元件方案的假设推导得到弹性元件刚度设计原则。依据该设计原则,组装出一台试验原理样机,测到不同节理(均质、层状和块状)含不同角度锚杆的试件的抗弯荷载-位移全过程曲线。此外,由于相似材料的低强度重度大特性,试验中适当考虑试件的自重对实验结果的影响。试验研究表明,弹性元件的增加对抗弯荷载-位移全过程曲线下降段有着质的改善;当弹性元件与台架的复合刚度大于试件的最大刚度,即可测得抗弯荷载-位移全过程曲线;在抗弯试验中试件自重荷载可以等效为集中力荷载,对于550 mm的标准试件其等效荷载相当于其自身重力1/2的集中荷载,相当于试验中均质试件峰值荷载的9%。

基于先验概率模型的混合水下传感器网络部署

针对水下传感器网络,结合水声通信和光通信两种通信方式的优点,设计了新的水下传感器网络结构。根据水下目标分布的先验概率模型,提出了混合水下传感器网络部署算法,实现了水下数据的高速传输和水下目标区域的高效覆盖。仿真结果表明,算法能够较好地减少网络部署的节点数目、缩短数据传输延时,减少能量损耗,延长网络寿命。