基于经典控制理论的控制系统计算机辅助设计软件

频率法和根轨迹法是经典控制理论的两个基本的控制系统设计与分析方法。本文主要介绍的两个计算机辅助设计（ＣＡＤ）软件，分别建立在频率法和根轨迹法的基础上。通过这两个ＣＡＮ软件，可以根据给定的单输入单输出（ＳＩＳＯ）控制系统数学模型，进行各种计算，从而得到我们所需要的结果．     

一种基于LSH的时间子序列匹配查询算法

提出了一种基于LSH（locality sensitive hashing,局部敏感散列）算法处理时间子序列匹配问题的方法LSHSM。不同于FRM和DualMatch方法,该方法不需要对时间序列做DFT、DWT等特征变换,而是直接把序列看成高维数据点,利用LSH能处理高维数据的特性来查找相似时间子序列。实验采用3种不同的时间序列数据集,通过与线性扫描算法比较,验证了算法的有效性,性能有很大的提高。     

基于合并的DTN订阅查询传输协议

DTN是从自组织无线网络中抽象出来的网络模型,它不要求网络的全连通,因此更适合实际自组网的需求。大部分DTN传输协议研究的是如何把数据高效、无区分地传给汇聚点。本文提出的基于合并的DTN订阅查询传输协议(如SMR),充分利用DTN节点自身的处理能力,能够在有限的时间内利用节点间的每一次相遇机会尽可能多且有效地传输有用信息。实验结果显示,随着传输时间的延长,SMR在DTN广播式订阅查询系统和洪泛式订阅查询系统中都显示了良好的性能,增强了DTN订阅查询系统的实时性需求。     

延迟容忍网络中基于邻居信息精确度的查询算法

与传统网络不同,延迟容忍网络(DTN)具有节点移动性、网络间歇连通性,并且能够容忍适当的延迟。随着移动设备的普及,如何在延迟容忍网络中充分利用这些移动设备进行数据查询及信息分享成为值得研究的问题。一般网络可以采用泛洪的方法进行信息的查询,然而这类方法会消耗较多的网络通信资源及移动设备电池能量。针对这一问题,模仿社会网络中人的自然行为特点,充分利用信息精确度(IA)机制提高网络查询成功率。实验结果表明,基于IA的方法具有高效性和稳定性。     

一种高维大数据全k近邻查询算法

全k近邻(all k-nearest neighbor,AkNN)查询,是k近邻查询的一个变型,旨在在一个查询过程中为给定数据集的每个对象确定k个最近邻.提出了一种在Hadoop分布式平台下处理高维大数据的AkNN查询算法.首先使用行条化思想结合p-stable LSH算法将高维数据对象降维,然后结合空间填充曲线Z-order的优良特性,把降维后的数据嵌入一维空间中,接着进行范围查询.整个过程使用MapReduce框架分布式并行处理.实验结果表明,所提出的算法可以高效处理高维大数据的AkNN查询.     

基于LSH的高维大数据k近邻搜索算法

局部敏感哈希(LSH)及其变体是解决高维数据k近邻(kNN)搜索的有效算法.但是,随着数据规模的日趋庞大,传统的集中式LSH算法结构已经不能够满足大数据时代的需求.本文分析传统LSH方案的不足之处,拓展AND-OR结构,提出通过索引而不比较原始数据直接实现高维大数据k近邻搜索算法C2SLSH.理论分析和实验证明,C2SLSH在分布式平台下具有稳定的可扩展性,在保证同等精确率的情况下,处理速度大约是现有方法的3倍.