基于二维奇异值分解的多元时间序列相似匹配方法

多元时间序列(Multivariate Time Series, MTS)广泛应用于医学、经济、多媒体等领域。针对其相似模式匹配问题,该文提出一种基于2维奇异值分解(Two-Dimensional Singular Value Decomposition, 2DSVD)的匹配方法。2DSVD是经典奇异值分解的扩展,能准确地描述MTS的本质特征。首先对MTS进行2DSVD分解;然后将MTS按行、列组成的协方差矩阵的主特征向量结合原MTS矩阵组成其模式表示矩阵,并借助Euclid范数来度量两个特征模式矩阵之间的相似程度,进而进行多元时间序列的模式匹配。最后通过与直接欧氏距离法、主成分分析、趋势距离、基于点分布特征4种相似匹配方法对3种不同数据规模的数据集进行对比实验,验证了所提方法刻画多种数据规模的多元时间序列特征的有效性和高效性。     

利用重要度评价矩阵确定复杂网络关键节点

为了对复杂网络节点重要度进行评估,针对节点删除法、节点收缩法和介数法的不足,通过定义节点效率和节点重要度评价矩阵, 提出了一种利用重要度评价矩阵来确定复杂网络关键节点的方法.该方法综合考虑了节点效率、节点度值和相邻节点的重要度贡献,用节点度值和效率值来表征其对相邻节点的重要度贡献,其优化算法的时间复杂度为O(Rn²). 实验分析表明该方法可行有效,对于大型复杂网络可以获得理想的计算能力.     

电子系统未发现故障研究综述

电子系统的复杂度日渐增加,工艺水平日益提升,未发现故障(NFF)事件频发,对电子设备产生很大的影响,常导致不必要的重复停机、过度修理和零备件大量损耗等问题,影响设备的战备完好性。主要从NFF事件的基本概念和相关术语、NFF事件原因如故障因素和非故障因素、间歇故障引起NFF事件的机理等方面对NFF 事件进行系统论述,并指出了NFF事件的危害及其应对/预防措施,列举了相关实例,以期给相关工程和研究人员以借鉴,促进对NFF事件的研究。