基于前缀树的数据流容错概要结构构造

应用于数据流环境的数据挖掘算法应首要考虑算法的时空复杂性,而要实现消耗巨大计算资源的容错模式挖掘则更要专注于算法的效率.容错模式挖掘是为了从被噪声干扰的真实世界数据中获取允许一定程度错配的、更加泛化的有用知识.提出一种新的单遍历、高压缩的容错前缀树形概要结构DSFT-tree(Data Stream Fault-Tolerant Frequent Pattern Tree),用来捕捉最近到达的数据流中的数据元素,并且能够高效移除过期数据,实现最大限度地降低计算资源消耗.利用滑动窗指针和位向量表达法实现容错树形概要结构的高效重构,并进一步基于滑动窗口技术实现了数据流环境下的容错频繁项挖掘.实验采用IBM数据发生器产生事务数据,在合理时间内最终挖掘频繁项的数量为FP-stream算法的1.5倍.      

数据流频繁闭集的在线挖掘

基于算法LossyCounting,提出了数据流频繁闭集的在线挖掘算法LC_Closed(LossyCounting_Closed).设计了基于前缀树的频繁闭集压缩存储结构CI-forest(ClosedItemsets-forest),利用该数据结构可以快速的插入和查询闭集模式,且在处理新的事务数据时能够快速定位相关的历史闭集模式.该算法采用在线的处理方式,提高了算法的实时性.实验的结果证明该算法是有效的.      

基于用户查询日志的查询聚类

基于用户查询日志提出了新的查询聚类算法.用户查询日志数据量大,比通常用于查询聚类的查询展现日志和查询点击日志更加稠密,不易产生聚类小的问题,但噪声多,不容易处理.为发现相似查询并减少噪声影响,同一用户同一时段的多次查询(共现查询)之间认为具有较高相似概率.在这一假设基础上,利用查询共现关系建立查询的邻居查询向量空间.将查询用邻居查询向量表示,邻居查询向量的相似度作为聚类中的查询相似度.应用改进的基于密度聚类算法完成聚类.实验证明,95 262个查询组成数据集上,聚类算法实现查准率79.77%、查全率48.21%,平均聚类大小达到51.     

R*-树结点自适应聚类分簇算法

为提高逆向工程中点云、三角网格等数据的索引效率,提出一种R^*-树结点自适应聚类分簇算法,采用均匀分布数据作为参考点集,基于间隙统计法及k-均值算法获得使结点相似度之和开始收敛的自然簇数,进而实现R^*-树的结点自适应聚类分簇.实验证明,该算法可实现各类复杂几何对象的R^*-树结点分簇问题,并能降低R^*-树结点分簇的参数依赖性,减少结点重合度,提高R^*-树空间数据查询效率.     

基于边界保持的非闭合细分曲面小波变换

针对非闭合Loop细分曲面,提出一种小波变换的方法.该方法利用网格边界所在的平面作为映射镜面,将非闭合的网格曲面转换为具有对称形状的闭合网格曲面.在此情况下,原网格边界上的顶点变为新生成闭合网格的内部顶点,在对其进行小波变换后将镜像复制的部分去除即可得到新网格及其边界.该算法同时能够保证网格曲面边界在进行小波变换过程中始终保持在同一平面内,为基于多分辨技术的细分曲面数控加工定位面的确定带来方便.     

基于调频高斯小波变换的导航传感器故障诊断

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力,在分析调频高斯小波特性的基础上,提出了一种基于调频高斯小波变换的导航传感器故障诊断算法.该算法仅利用传感器的观测量来直接诊断传感器工作是否正常.它可以对方差突变等软故障进行有效的在线检测.仿真结果证明了所提方法的有效性.     

基于小波神经网络的多传感器自适应融合算法

针对多传感器融合系统的非线性和不确定性,将小波分析与神经网络相结合,提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础,利用环境信息理论和测量方差归一化方法构建小波神经网络,并且通过数值样本训练小波神经网络,使其在融合过程中实时估计各传感器的信任度,再由融合知识库根据各传感器信任度来选择适合的航迹融合算法,最终得到全局状态估计.实验结果表明,提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值,对不确定信息具有很好的融合能力.      

基于核方法的聚类算法及其应用

在分析核方法的核心概念基础上,提出了一种基于核方法的聚类算法.通常,传统聚类算法只在数据特征差异较大时才有效,当数据特征差异较小时,很难取得较好的聚类效果.引入核函数,将原始数据由数据空间映射到特征空间,在特征空间中进行聚类.核函数的非线性映射使得原始数据的特征更完整地显现出来,从而能够更客观准确地聚类.与传统聚类方法相比,该方法聚类结果更客观有效.以16组实际数据为例,将该方法应用于数据分类研究中,聚类结果表明了该方法的可行性和有效性,从而为数据分类提供了一种新的可行方法.      

基于三维聚类的决策支持系统

根据炮兵阵地地形选取的要求,深入研究了现有的空间聚类技术和方法,构造了三维空间的结构元.提出了一个基于数学形态学的三维聚类算法,给出了空间数据挖掘过程,实现了炮阵地选取决策支持系统.该聚类算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状.由于该算法基于数学形态学,所以易于实现其高性能并行算法.实验表明,将该算法应用于炮阵地选取决策支持系统,可以发现空间数据库中存在的潜在关系和规则,为炮兵阵地选取的计算机实现提供了一种有效的解决方案,从而可以辅助决策者做出科学的决策.      

Bezdek型模糊属性C均值聚类算法

推广了属性均值聚类算法,提出了基于模糊度m的Bezdek型模糊属性C均值聚类算法(FAMC),给出了FAMC算法的迭代算法,并讨论了模糊度m对算法收敛性的影响.在标准Iris数据集与肿瘤基因芯片表达数据的模式识别实验结果,验证了该算法优于模糊C均值算法和属性均值聚类算法.      

一种基于人工免疫系统的FPGA容错方法

通过对人工免疫系统容错性的分析和研究,提出了将人工免疫系统应用于硬件容错的4个条件.在此基础上设计了一种仿照人体细胞结构的新型FPGA可编程逻辑单元和一种基于人工免疫系统的容错方法.最后通过实验模拟故障的方法对该设计和容错方案的正确性和有效性进行了验证.     

总线容错机制及其验证方法

卫星系统广泛采用容错技术以提高系统的可靠性,而总线通信的稳定性和可靠性对于系统任务的成功至关重要．工程研制中,通常采用总线容错技术对系统通信故障进行识别和屏蔽．介绍了基于故障仿真技术的总线容错机制验证方法,包括故障规格分析技术、故障用例生成技术和故障仿真技术,利用该方法对某星载软件的总线通信功能进行了容错测试,验证了方法的有效性和实用性．     

针对FPGA内缺陷成团的电路可靠性设计研究

文章分析了集成电路内缺陷成团机理及其对集成电路成品率的影响 ,应用集成电路成品率预计模型 ,分析了FPGA内缺陷成团对片内冗余容错电路可靠性的影响 ,据此提出了缺陷成团时提高FPGA片内冗余容错电路可靠性的策略 ,建立了相应的可靠性分析模型 ,给出了FPGA片内冗余容错电路布局的一些指导原则。     

基于Gram-Schmidt变换的有监督变量聚类

为进一步研究回归模型中高维数据的降维方法,提出基于Gram-Schmidt变换的新的有监督变量聚类（SCV-GS）方法。该方法未采用以潜变量为聚类中心的层次聚类,而是借用变量扫描思想,依次挑出对响应变量有重要贡献的关键变量,并将其作为聚类中心。SCV-GS方法基于Gram-Schmidt变换,对变量之间的高度相关性进行批量处理,并得到聚类结果;同时,结合偏最小二乘思想,提出新的同一性度量,并以此来选取最佳聚合参数。SCV-GS不仅可以快速得到变量聚类结果,而且可识别出对响应变量的解释及预测起关键作用的变量类。仿真表明该聚类方法运算速度显著提升,而且所得潜变量对应的回归系数的估计结果与对照方法表现一致;实例分析表明该方法具有更好的解释性和预测能力。      

非平稳信号的双重中值容错平滑算法

平滑是消除或削弱测量数据随机误差时常用的数据处理手段。文章建立了一组新的非平稳数据序列容错平滑算法，其采用两阶段两次滑动中值与滑动均值平滑组合，实现了数据简化与平滑的统一。理论分析和仿真计算结果证实，算法可有效避免斑点型异常数据的不利影响，有效削弱随机误差的影响，改进数据处理精度和数据处理结果可靠性。     

一种基于PCA的面向对象多尺度分割优化算法

多尺度分割是图像面向对象分类的基础，针对不同区域特征最优分割尺度确定的主观性以及采用聚类算法时聚类中心确定的随机性，提出了一种联合降维与聚类算法的面向对象多尺度分割优化算法。该算法首先利用主成分分析法（PCA）降维排序后的结果产生初始聚类中心；然后采用K-means聚类和度量每一个像素点合并的概率，从而得到适应不同研究区域内不同尺度地物的分割结果。采用多个影像数据库，通过引入聚类评价指标（内部评价指标和外部评价指标）、分割评价指标（分割精度、过分割率和欠分割率）并结合现有的图像分割方法及原始的K-means算法、与PCA降维后的K-means聚类对比分析。研究结果表明:经过降维处理后进行的聚类算法稳定性更高；与传统的聚类算法相比，结合PCA降维更能自动识别最优分割尺度；降维技术和聚类算法联合之中，目视和定量评价指标表明经过降维预处理后的聚类能得到更高质量的分割结果。      

基于循环神经网络的SPMA协议信道状态智能检测改进算法

为实现对时敏目标的快速探测、定位和打击,战术瞄准网络技术(TTNT)对战术信息接入信道、交互传输的实时性、可靠性提出高要求。TTNT采用基于统计优先的多址接入(SPMA)协议,通过周期性计算统计平均的思想,估计当前信道状态,控制战术信息接入信道的时机。该思想仅适用于流量相对平稳的情况,在流量非平稳时会导致较大的信道状态检测误差。针对此问题,引入流量预测技术,提出基于循环神经网络的SPMA协议信道状态智能检测改进算法。利用循环神经网络的学习特点学习历史流量数据的隐含特征,构建流量预测器对瞬时时刻的流量脉冲到达数进行实时预测,从而准确获取当前信道状态。实验结果表明：所提算法对信道状态的检测结果更接近真实值,显著降低了信道忙闲状态的误判率。     

基于稳定分簇的移动自组织网络路由协议

移动自组织网络的动态拓扑特性给其分簇路由协议的设计带来了一定的挑战,而分簇算法作为分簇路由协议中重要的技术手段,如何建立一种有效稳定的分簇机制,对分簇路由协议的性能至关重要。本文在大规模网络环境下,提出一种稳定的分簇算法,并在此基础上提出一种分簇路由协议。为提高网络性能,该分簇路由协议簇间采用被动模式,簇内采用主动模式,并且各个分簇由簇首、网关、访客和普通簇节点组成。仿真结果表明:该分簇算法减少了簇的数量和簇成员在簇间的切换次数,提高了分簇的稳定性。相应的分簇路由协议较该类协议也降低了网络的平均端到端时延和平均路由开销,提高了数据包接收的成功率。      

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题，在分析K均值聚类算法原理的基础上，提出了一种基于阈值的K均值聚类算法。首先，利用强度信息对距离信息进行标定，使用强度信息作为特征进行聚类以区分同距离的不同目标。然后，利用阈值限定聚类中心间的最小距离，提高聚类准确率。最后，搭建了扫描验证平台进行平移和旋转成像，对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明，在不同阈值的情况下，提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上，相比于无阈值的K均值聚类算法准确率提升10%以上，能够有效进行目标聚类和模拟道路提取。