移动计算环境下远程用户体验数据挖掘方法研究

在移动计算环境下,通过对远程用户的体验数据优化挖掘,满足远程用户的个性化需求,提高对远程用户QoS服务质量。传统的数据挖掘方法采用显著特征关联信息提取算法,当远程用户体验数据之间的差异性特征不明显时,挖掘的准确性不好。提出一种基于关联用户自适应链路跟踪补偿的移动计算环境下远程用户体验数据挖掘模型,进行远程用户体验数据挖掘模型的总体设计和数据结构特征分析,对采集的远程用户体验数据进行非线性时间序列分解,对数据序列通过自相关特征匹配和特征压缩实现挖掘数据的指向性信息优化提取,采用关联用户自适应链路跟踪补偿方法实现对数据挖掘误差的控制和补偿,提高了数据挖掘的准确性和有效性。仿真结果表明,采用该挖掘方法进行移动计算环境下远程用户体验数据挖掘的准确度高,实时性较好,满足了移动远程用户的个性化需求,提高了对用户服务的针对性。     

冷热电联产CCHP综合评价模型的研究

为了科学评价冷热电联产系统,本文提出了一种考虑工程多方面属性的综合评价方法—混合灰色关联多层次综合评价法。该方法综合了几种常用评价方法的优点,建立评价冷热电联产系统的综合评判模型,采用层次分析和灰色关联相结合的方法进行数据分析,并用模糊隶属关系将定性指标定量化,从而提高了优选方案的准确性。     

社交网络中热点话题深度挖掘方法及实验测试

互联网大数据时代,社交网络数据交互具有实时性、社会性、复杂性。多元架构数据信息中会存在热点话题数据。传统社交网络热点话题挖掘方法存在热点词条检索速度慢、话题词条层浅、断层数据无法挖掘等一系列问题,如何将社交网络中的热点话题数据进行挖掘,针对这一问题提出大数据信息词条特征比对提取方法,对社交网络中的大数据数据信息词条进行特征显化处理,采用饼图对比方式对特征化词条数据进行网络互交频率展现,采用多维数据获取法,解决社交网络热点话题挖掘中出现的数据阻滞现象,满足社交网络中热点话题深度挖掘的要求。通过仿真实验对提出方法进行效率、准确度、速度测试,实验结果表明,提出方法对社交网络中的热点话题挖掘快捷、高效、实用性强。     

基于深度特征的快速人脸图像检索方法

针对计算机视觉领域的人脸图像检索问题,提出了一种基于深度特征的快速人脸图像检索方法。该方法首先使用人脸图像训练集对深度卷积神经网络模型进行人脸分类训练;在此基础上采用三元组损失方法对已训练好的人脸分类网络模型进行微调,使得网络能够更加有效地提取人脸特征构建高效的特征向量进行人脸检索初步过滤;最后,为了进一步提高系统检索性能,提出一阶段查询扩展方法对待检索人脸图像特征向量进行融合加强。在两个公用人脸数据集(CASIA-3DFaceV1和Labeled Faces in the Wild dataset)上进行详尽的实验验证,结果表明,基于深度特征的人脸图像检索方法不仅能够显著提高检索结果的准确率,而且该方法简单可靠,能够快速地实现人脸检索任务。     

基于改进T-S模型的航空发动机振动值监控方法

针对T-S模型在规则库建立过程中存在的重复学习、效率低下等问题,采用模糊关联规则挖掘的方法对T-S模型进行改进;首先采用基于矩阵的模糊关联规则挖掘算法,深入分析和利用频繁项集的性质,减少数据库扫描次数以及挖掘过程中产生的中间结果,提高规则挖掘效率;其次,从挖掘结果中选取模糊规则,对其处理后建立T-S模型规则库;最后,将改进的T-S模型应用于航空发动机振动值监控中;实验结果表明,改进的T-S模型能够有效实现发动机振动监控。     

无人机数据库中海量飞行数据快速检索模型设计

对无人机数据库中海量飞行数据进行快速准确的检索,能够为无人机的安全飞行提供可靠的保障。传统的数据检索方法进行海量飞行数据检索的过程中,没有考虑飞行数据之间的联系,在检索的过程中需要频繁扫描数据库,降低了挖掘效率。提出一种基于模糊粗糙集算法的无人机数据库中海量飞行数据检索方法。该算法在充分考虑到飞行数据之间的联系的前提下,利用自动标引技术对数据库中的实时飞行数据进行分析,再利用特征向量进行飞行数据的内部描述,计算飞行数据检索的模糊表示的上、下近似集,建立海量飞行数据检索模型,根据模型的输出结果利用布尔逻辑进行模糊匹配,最终检索出与查询的关键词近似的飞行数据,并将检索结果按照相似度进行排序。实验结果表明,该算法能够提高检索的效率,效果令人满意。     

数学建模中的高维数据挖掘技术优化研究

高维数据挖掘由于特征空间占用开销较大,挖掘的复杂度较高,挖掘精度不高,为了提高对高维数据挖掘的准确性能,提出一种基于相空间重构和K-L变换特征压缩的高维数据挖掘数学建模方法。采用集成学习技术,对高维数据信息流进行相空间重构处理,考虑类间的数据不平衡性,求得高维数据的关联维特征参量,根据数据的链距离进行稀疏性融合,计算高维数据流模型的最大Lyapunove指数谱,根据谱分析方法实现数据聚类,对聚类后的数据采用K-L特征压缩方法进行降维处理,降低数据挖掘的内存及计算开销。仿真结果表明,采用该方法进行高维数据挖掘,数据挖掘的准确概率较高,占用内存消耗较少,计算开销较小。     

一种混合入侵检测模型

为了提高入侵检测模型的准确率,提出一种基于K-均值算法、朴素贝叶斯分类算法和反向传播神经网络的混合入侵检测模型。首先,采用基于分区、无监督式聚类分析的K-均值算法进行数据的聚类处理,得到易于被机器处理和学习的数据集。为了进一步获取必要的数据属性,将聚类处理的结果输入到贝叶斯分类器进行分类。然后,具有较短学习周期的反向传播神经网络负责训练数据分类样本。最后,基于KDD CUP99数据集,对混合入侵检测模型进行了仿真实验,实验结果表明,通过混合入侵检测模型,DoS、U2R、R2L和Probe等入侵数据被精准地检测出。相比其它入侵检测模型,混合入侵检测模型取得了较高的准确率和召回率,以及较低的误报率,具有一定的实用价值。     

随机森林结合CatBoost的近红外光谱药品鉴别

药品质量关乎人民健康和国家命脉,随着社会经济的飞速发展对药品质量的快速、有效鉴别具有极其重要的作用。光谱分析技术具有较高的准确性、较快的分析速度且对样品不存在污染等突出优点,广泛应用在化工、石油以及医药等重要的领域。为了解决传统药品鉴别模型存在的鉴别精度低、鉴别速度不能满足实际需求且鉴别模型稳定性差的问题,采用光谱仪采集药品的近红外光谱数据达到对药品无污染鉴别的目的。结合随机森林和CatBoost对药品进行分类鉴别,以实现快速且准确的鉴别。首先采用随机森林（RF）对光谱仪采集的光谱数据进行有效特征波长的筛选,从而将药品光谱数据中的无关波长去除、筛选出最能表征样品属性的特征波长,然后以极限学习机（ELM）作为CatBoost的弱分类器分析筛选的特征波长对药品的属性鉴别。由于ELM仅只含有一个隐含层且无需多次迭代寻优保证了鉴别模型运行速度更快,CatBoost通过集成弱分类器以改善模型鉴别准确性。为对所提出的药品鉴别模型性能进行有效评估,采用随机抽取训练集的方式构造不同规模药品光谱数据并分别上进行独立实验且以10次运行结果的均值作为其最终结果,并通过与CatBoost、持向量机（SVM）、反向传播网络（BP）、ELM、波形叠加极限学习机（SWELM）和Boosting进行对比,进一步对模型的性能进行评估。从不同规模训练集的分类结果可看出,随着训练集样本的增加分类精度最高为100%且预测标准偏差趋于0。实验结果表明,所建立RF-CatBoost鉴别模型在不同规模的药品数据集上较对比方法具有更高的分类准确率、更快的速度且其鲁棒性更强,能够广泛应用于药品类别的准确鉴别,从而实现药品质量的有效监督。     

ADS-B时间延迟对ADS-B/WAM数据关联的影响研究

针对广播式自动相关监视(ADS-B)报文的时间延迟对ADS-B/广域多点相关(WAM)数据关联跟踪精度的影响问题,在ADS-B时间延迟条件下对最近邻数据关联(NNDA)和概率数据关联(PDA)两种经典的数据关联方法的跟踪性能进行比较分析。采用MATLAB仿真计算存在ADS-B时间延迟时,ADS-B报告位置与跟踪预测值的平均马氏距离及关联结果的位置误差均方根,对比两种数据关联方法在上述两个统计平均值的关系。分析结果表明：存在ADS-B时间延迟时,PDA方法在跟踪误差和稳健性上优于NNDA方法,同时ADS-B时间延迟会增加跟踪测量误差。     

基于数据挖掘的高校管理信息系统设计与实现

高校事务信息的数据规模较大,更新速度较快,复杂度较高,需要设计有效的高校管理信息系统,提高信息管理能力。传统的高校管理信息系统设计采用嵌入式Visual Basic的信息管理系统构架方法,系统的信息再植入能力和多线程处理性能不好,提出一种基于多元特征数据挖掘和嵌入式Linux内核的高校管理信息系统设计方法。首先在嵌入式Linux的核单元中进行高校管理信息系统总体设计和文件配置,进行系统的功能模块分析和技术指标描述。设计基于相空间重构和关联特征提取的数据挖掘算法,进行高校管理信息的有用特征挖掘和提取。以数据挖掘结果进行程序加载和引导,进行高校管理信息系统的软件开发和设计,主要包括程序加载模块、数据存储模块、交叉编译模块以及网络通信模块的设计,实现基于数据挖掘的高校管理信息系统的改进设计。实验结果表明,采用该系统进行高校管理信息的挖掘和存取调度,具有较好的可靠性和人机交互性,系统的吞吐性能和执行时间开销等指标具有优越性。     

Hybrid finite element method applied to supersonic flutter of an empty or partially liquid-filled truncated conical shell

In this study, aeroelastic analysis of a truncated conical shell subjected to the external supersonic airflow is carried out. The structural model is based on a combination of linear Sanders thin shell theory and the classic finite element method. Linearized first-order potential (piston) theory with the curvature correction term is coupled with the structural model to account for pressure loading. The influence of stress stiffening due to internal or external pressure and axial compression is also taken into account. The fluid-filled effect is considered as a velocity potential variable at each node of the shell elements at the fluid-structure interface in terms of nodal elastic displacements. Aeroelastic equations using the hybrid finite element formulation are derived and solved numerically. The results are validated using numerical and theoretical data available in the literature. The analysis is accomplished for conical shells of different boundary conditions and cone angles. In all cases the conical shell loses its stability through coupled-mode flutter. This proposed hybrid finite element method can be used efficiently for design and analysis of conical shells employed in high speed aircraft structures.     

A comparison of noise models in a hybrid reference spectrum and principal components analysis algorithm for Raman spectroscopy

Raman spectroscopy exploits the Raman scattering effect to analyze chemical compounds with the use of laser light. Raman spectra are most commonly analyzed using the ordinary least squares (LS) method. However, LS is known to be sensitive to variability in the spectra of the analyte and background materials. In a previous paper, we addressed this problem by proposing a novel algorithm that models expected variations in the analyte as well as background signals. The method was called the hybrid LS and principal component analysis (HLP) algorithm and used an unweighted Gaussian distribution to model the noise in the measured spectra. In this paper, we show that the noise in fact follows a Poisson distribution and improve the noise model of our hybrid algorithm accordingly. We also approximate the Poisson noise model by a weighted Gaussian noise model, which enables the use of a more efficient solver algorithm. To reflect the generalization of the noise model, we from hereon call the method the hybrid reference spectrum and principal components analysis (HRP) algorithm. We compare the performance of LS and HRP with the unweighted Gaussian (HRP‐G), Poisson (HRP‐P), and weighted Gaussian (HRP‐WG) noise models. Our experiments use both simulated data and experimental data acquired from a serial dilution of Raman‐enhanced gold‐silica nanoparticles placed on an excised pig colon. When the only signal variability was zero‐mean random noise (as examined using simulated data), HRP‐P consistently outperformed HRP‐G and HRP‐WG, with the latter coming in as a close second. Note that in this scenario, LS and HRP‐G were equivalent. In the presence of random noise as well as variations in the mean component spectra, the three HRP algorithms significantly outperformed LS, but performed similarly among themselves. This indicates that, in the presence of significant variations in the mean component spectra, modeling such variations is more important than optimizing the noise model. It also suggests that for real data, HRP‐WG provides a desirable trade‐off between noise model accuracy and computational speed. Copyright © 2013 John Wiley & Sons, Ltd.     

混合动力电动汽车发动机转速智能控制系统设计

发动机是混合动力电动汽车动力设备的心脏,为了保证混合动力电动汽车可以快速稳定地运行,需要对其转速智能控制系统进行设计。使用当前控制系统智能控制混合动力电动汽车发动机转速时,无法快速检测到发动机转速,难以达到最佳的智能控制结果。为此,本文提出一种基于软切换的Bang Bang－神经网络PID的混合动力电动汽车发动机转速智能控制系统设计方法。混合动力电动汽车发动机转速智能控制系统以Mcs一51系列8751单片机为核心系统,检测混合动力电动汽车发动机转速的数字信号,同时控制D/A模拟信号的输出,并在LED显示器上显示发动机转速数字信号,以PWM调制器放大混合动力电动汽车启动时发动机产生的PWM波,将放大后的PWM波供给电力发动机,再以分频填充脉冲装置测量混合动力电动汽车发动机转速,通过Bang Bang－神经网络PID算法计算出混合动力电动汽车发动机转速误差,达到实时控制混合动力电动汽车发动机转速的效果。实验仿真证明,所提设计方法保证了发动机转速的快速性和平稳性。     

C波段机载合成孔径雷达海面风场反演新方法

针对基于散射计地球物理模型函数的机载合成孔径雷达(SAR)海面风场反演中存在的风向获取依赖于图像风条纹或数值预报、 散射计数据和浮标等背景场资料, 风向与SAR图像时空分辨率不匹配, 进而影响机载SAR海面风场反演精度等问题, 本文根据机载SAR对海探测特点, 研究一种适用于C波段机载SAR的海面风场反演新方法. 利用SAR图像距离向不同入射角的后向散射系数, 依据地球物理模型构造最小代价函数, 通过代价函数的求解直接从机载SAR数据同时反演出海面风速和风向. 利用论文提出的海面风场反演方法分别对仿真SAR数据和实测C波段机载SAR数据进行风向、 风速的反演误差分析及试验验证.研究结果表明, 该方法适用于机载SAR海面风场反演, 可不依赖背景风向直接反演出精度较高的风速和风向; 雷达后向散射系数误差是决定海面风速、风向反演精度的关键因素, 辐射定标精度越高则反演误差越小; 海面风速反演误差随着风速的提高而增大, 当海面风速大于18 m/s时, 风速反演误差显著增加, 而海面风向的反演误差与风速无明显关系. 关键词： 机载合成孔径雷达 海面风场 多入射角     

基于线指数特征的海量恒星光谱聚类分析研究

聚类分析是数据挖掘中用以发现数据分布和隐含模式的一种重要算法,能简单有效地研究大样本、多参量和类别未知的光谱数据。以线指数作为光谱数据的特征值能够在尽可能多的保留光谱物理特征的同时,有效解决高维光谱数据聚类分析中运算复杂度较高的问题。本文提出了基于线指数特征的海量恒星光谱数据聚类分析的方法,提取恒星光谱中的Lick线指数作为海量巡天光谱数据的特征,使用k均值聚类算法完成对光谱数据的聚类,然后对聚类结果进行有效的分析。实验结果证明该方法能够快速有效地将具有相似物理特征的恒星光谱数据聚集到一起,该方法可以应用到巡天数据的研究中。     

南海北部负跃层环境下海底参数声学反演

利用2015年南海北部声学实验的实验数据,对海底声学参数进行反演。在综合分析声速起伏及海底模型对海底反演影响的基础上,通过选择等效的海水声速剖面和海底模型,改进了多参量联合地声反演方法,使得其不仅能解决反演中的多值性问题,还能适用于负跃层起伏环境下的声学反演。即当用匹配场反演海底声速和用传播损失反演海底衰减时,如果温跃层内有内波等随机起伏,可使用传播路径上平均声速剖面和单层等效海底进行声场计算。反演得到的海底声速和密度结果与海底采样测量符合较好,拟合给出了海底衰减系数随频率的非线性经验关系式。反演结果可为南海北部声传播规律研究与应用提供海底参数。