基于Petri网语言的程序设计流程

本文采用了一种Petri网语言的同步合成的原理,提出了计算机复杂程序设计流程的一种新的设计思想。并且利用Petri网语言给出了子系统合成时的死锁分析和系统设计的效率分析以及整个设计流程。     

基于Petri网的通信虚拟服务流程优化

本文针对虚拟服务运营流程中存在的不合理的情况,借助Petri网对现有虚拟服务运营开通流程进行了建模,分析出其存在的指令冲突和冗余任务等问题,并进行了优化,阐述了基于Petri网进行虚拟服务流程优化的必要性和可行性。     

基于形状及空间关系的场景相似性检索

为解决空间数据检索效率低、准确性差的问题,本文提出由空间对象形状描述模型、空间关系描述模型、场景相似性自适应计算模型构成的场景相似性检索方法.空间对象形状描述模型精准检索满足样例对象形状约束的数据库对象,提高空间对象形状的识别精度.空间关系描述模型检索满足样例场景关系约束的数据库场景,提高空间关系的描述精度.场景相似性自适应计算模型对满足形状及关系约束的完全匹配、局部匹配场景进行打分、排序,增加检索结果相似性打分的合理性.模拟场景、真实场景的实验表明本场景相似性检索方法具有良好的检索性能.     

基于评分区间相似性的协同过滤推荐算法

研究协同过滤推荐系统处理大规模稀疏评价数据的精度问题,针对目前余弦相似性处理极稀疏的用户评价矩阵不能获取满意推荐质量,且处理大规模推荐数据时存在性能缺陷的情况,提出基于评分区间相似性的协同过滤推荐算法.将用户评价的数值范围进行定性划分,以项目在各评价区间上的得分建模项目质量,以用户在各评价区间内的评分建模用户评分取向.使用余弦相似性度量方法衡量用户和项目间的相似程度,进而确定最近邻居.此方法的实现过程降低了稀疏性对最近邻发现的影响,且算法具有快速处理大规模评价数据的能力.使用标准的MovieLens数据集,测试提出的推荐算法,实验结果表明,本算法相比传统的最近邻推荐算法具有更好的推荐精度.     

基于Jeffrey散度相似性度量的加权FCM聚类算法

针对模糊C均值(FCM)聚类算法在数据集下聚类效果差的情况,以及基于欧氏距离的相似性度量只考虑数据点之间的局部一致性问题,提出了基于Jeffery散度相似性度量加权FCM聚类算法(JW-FCM).引入源于Jeffery散度的相似性度量,首先,对于FCM算法进行特征加权,对数据的不同特征值赋予适当的权重,再将Jeffer...     

基于加权尖峰滤波器提高脉动流测量精度

为编码激励脉冲多普勒血流测速系统提出加权尖峰滤波压缩算法,与传统脉冲压缩滤波器不同,该算法对系统整体进行优化可得到更好的流速估计。脉动流计算机仿真结果表明：在一心动周期内的各种流速时刻,该算法的平均绝对误差和均方根误差均比逆滤波器、尖峰滤波器要低,其测量结果最为准确;加权尖峰滤波器的脉冲压缩效果不依赖于流速。     

网络运维流程管理与故障管理流程的关系

本文对网络运维流程管理与故障管理流程的关系进行了简单的分析和研究,希望可以进一步推动我国网络管理朝着高效管理方向发展的进程。     

相似性加权Δt直方图脉冲串去交错技术

电子情报数字化侦察接收机中,Δt直方图去交错方法在脉冲串数量较多和脉冲间隔抖动较大的复杂电磁环境下,不能得到满足数字化自动峰值处理的高度比.在分析一定纯净比下,以脉冲字参数向量相似性测度对间隔区间记数加权,建立加权复数直方图,对接收脉冲串进行去交错处理.经过仿真计算,加权复数直方图相比经典方法能明显提高去交错效果,更易于数字化自动峰值处理.     

不确定区域间方向关系的相似性度量方法

空间关系相似性在众领域中具有广泛应用,确定区域间方向关系相似性的研究已较完善,然而这些方法不能直接用于不确定区域间方向关系的相似性度量.本文以扩展的方向关系矩阵EDRM(Extended Direction Relation Matrix)为模型,提出了一种不确定区域间方向关系的相似性度量方法,据此实现了算法SA-EDRM;随后基于目标对象的位置和比例尺这两种基本的空间变化生成不同场景,对算法SA-EDRM进行测试,由实验结果验证了算法的有效性;最后以农业GIS中的具体应用实例说明本文工作的实用价值.     

基于模式相似性的图像修复算法

图像修复是一种去除图像中多余可视物体并用合理的纹理填充未知区域的技术。针对Criminisi等人提出的基于样本的图像修复算法在寻找匹配块时存在的一些不足,提出一种基于模式相似性的修复算法。该算法使用样本纹理的亮度变化和空域特性作为寻找匹配模块的约束条件。实验结果表明该方法在修复强结构纹理图像时有很好的效果。     

基于运动相似性的帧率提升算法

为提升低比特率通信接收端的视频帧率,解决快速运动中的图像模糊问题,提出了一种基于运动相似性的帧率提升算法,其三维递归搜索来减少运动估计的计算复杂度,利用自适应的判决窗口减少非相似运动对运动矢量预测的影响,提高运动估计的精度;同时构建运动相似因子,对不同的运动相似块进行不同的运动矢量细化操作,减小块效应;利用对应的相似运动窗口来进行重叠块补偿插值,提高插值的精度.实验结果表明,该算法在主客观方面有较好的性能提升.     

一种基于逻辑Petri网的过程挖掘方法

逻辑Petri网是抑制弧Petri网和高级Petri网的抽象和扩展,可在过程挖掘中简洁准确的表示活动之间复杂的业务逻辑关系.本文在传统Petri网挖掘方法的基础上,为了进一步提高复杂系统挖掘模型的简洁度和拟合度,尤其是对并行活动间存在复杂与或关系的系统,提出了一种基于逻辑Petri网的过程挖掘方法,并给出了逻辑Petri网中逻辑变迁的挖掘算法.它可以充分挖掘活动之间的业务逻辑,并且业务逻辑可用逻辑表达式表示.通过与相应Petri网模型的实例比较分析,例证了本文方法的正确性和有效性,且逻辑Petri网模型更加适合日志行为.     

一种改进的基于加权模型的概念相似度计算方法

分析了目前主流的概念相似度的运算形式,对概念相似度计算模型提出了改进.该计算模型在计算初始主流概念相似度的基础上,不仅引入了深度、密度因子,还考虑了有向边类型权重因子在计算相似度中所起的作用,完善了计算方法.通过试验结果可以看出,该方法对概念相似度的计算更准确地体现出了概念间的相似程度.     

基于数据加权策略的模糊聚类改进算法

该文提出了一种数据指数加权的模糊均值聚类策略,引入了指数权因子和影响指数,使得可以在聚类过程中差异化处理各个数据。新策略和现有的Gustafson-Kessel(G-K)算法相结合,提出了一种新的模糊聚类算法DWG-K用于提高聚类质量和挖掘离群点。数据试验表明DWG-K在提高聚类质量方面优于现有的G-K;在离群点挖掘方面,DWG-K对离群点的判定是全局的,离群点的物理意义清楚,且计算效率明显高于当前广泛采用的基于密度的离群点挖掘算法。     

基于ZigBee的加权改进Euclidean定位算法

针对基于RSSI的三角形质心定位算法会出现不能工作的情况,提出了基于ZigBee的加权改进Euclidean定位算法。此算法利用最小二乘法得到环境参数,然后利用加权改进Euclidean定位算法对未知节点进行定位。仿真和实验表明,该算法具有一定的实用价值。     

一种改进的基于路径的语义相似度计算算法

在概念之间的相似程度计算算法中,基于路径的语义相似度算法扮演着重要的角色.首先分析常用的几种基于路径的相似度计算算法,然后针对Wu和Palmer算法中存在的两个缺陷,提出了一种改进算法.从整体上来讲,这种算法的改进较为直观,容易实现,算法时间复杂度和Wu和Palmer算法类似.     

基于特征相似度的科技论文元数据提取算法研究

通过对论文元数据网页的分析发现论文摘要页面的各种元数据在长度、前置引导词、分隔符等方面都具有特定的规律,并据此提出了基于元数据特征的元数据抽取算法,归纳出了论文元数据的7个形式特征和2个语义特征,定义了确定特征和排除特征,描述了特征相似度算法的6个步骤,给出了分别采用正则表达式方法和特征相似度方法的试验结果,测试表明,采用特征相似度方法的提取成功率从68%提高到了95%,达到了实用水平.     

一种基于主题相关度的网页排序算法

针对现有基于链接结构的PageRank算法的不足,提出了基于网页主题相关度的改进PageRank算法.通过分析网页内容,提取出网页中的链接及其对应的锚文本,建立网页链接库,利用向量空间模型(VSM)计算链接锚文本和网页内容的相关度,在此基础上实现离线计算改进后的PageRank算法.理论分析和仿真实验表明,改进的PageRank算法使用户能方便地找到所需网页,提高了网页查询效率.     

基于遗传算法的宽带加权子空间拟合测向算法

宽带信号测向一直是信号处理领域研究的难点.本文把窄带情形下的加权子空间拟合测向算法推广到宽带情形,构造了一个目标函数,然后应用遗传算法进行非线性全局优化,即可得到波达方向估计值,同时避免了对入射方向进行预估计.把本文算法应用到均匀线阵上,仿真实验结果证明了算法的有效性.     

A New Word Clustering Algorithm Based on Word Similarity

Category-based statistic language model is an important method to solve the problem of sparse data in statistical language models. But there are two bottlenecks about this model: 1) The problem of word clustering, it is hard to find a suitable clustering method that has good performance and has not large amount of computation; 2) Class-based method always loses some prediction ability to adapt the text of different domain. In order to solve above problems, a novel definition of word similarity by utilizing mutual information was presented. Based on word similarity, the definition of word set similarity was given and a bottom-up hierarchical clustering algorithm was proposed. Experimental results show that the word clustering algorithm based on word similarity is better than conventional greedy clustering method in speed and performance, the perplexity is reduced from 283 to 207.8.