载人小行星探测目标选择与轨道优化设计

针对2020-2040年载人小行星探测任务,研究了探测目标选择与轨道优化设计问题。首先,针对已编目的近地小行星,综合考虑绝对星等、燃料消耗等多方面因素与约束,给出了适合载人探测任务的候选小行星序列;然后,构建了载人小行星探测任务轨道的设计模型,采用参数优化算法对探测轨道进行了设计;进一步,为了获得最优探测轨道,利用主矢量原理对探测轨道进行了优化。该研究可为载人小行星探测任务设计提供有价值的参考。     

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.     

智慧城市多模式数据融合模型

随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来国内外研究的热点之一。随着城市中摄像头、监测传感器等采集设备数量的增加,城市数据种类也越来越多。所获取的城市数据具有多源、异构、时变、高维等多模式特性。如何让这些多模式的城市数据关联起来,实现它们的互通互联,挖掘出更丰富多样的信息,从而能更好地指导智慧城市的构建,是本领域的难点。本文提出了一个城市多模式数据融合模型,即多模式互联生长（MICROS）模型,并从3个层面对该模型进行了描述。首先,针对多模式数据的特点,重点描述了多模式数据多源、异构、时变、高维等特点。其次,针对多模式数据的特点,自底向上构建实现针对多模式数据的融合过程的3层基础模型,分别是服务信息描述模型、元数据模型和数据互联模型。最后,在这3层模型的基础上,本文提出了一个适用于智慧城市建设的多模式数据融合模型。      

利用绳系太阳帆减缓小行星自转的技术研究

提出一种利用太阳帆绳系系统逐渐减小小行星自转速率的方法。在系绳长度不变的情况下,利用太阳帆受到的太阳光压力使其始终保持与小行星同步,避免了由于小行星自转而引起的系绳缠绕问题。通过控制太阳帆使系绳始终拉紧,系绳中的拉力便可以持续提供一个与小行星自转方向相反的力矩,从而减小其自转速率。仿真结果表明,面积10⁶ m²的太阳帆,经过约86天可将小行星的自转消除,验证了该方法的有效性。     

小行星探测电推进系统方案研究

小行星探测以及资源开发与利用对国家抢占深空探测主动权和制高点有着不可估量的战略意义。电推进具有高比冲、长寿命和高度自主巡航等特点,小行星探测器采用电推进执行巡航阶段轨道机动任务,将大幅减少推进剂重量和提高载重比。调研了国外小行星探测的电推进系统方案,针对我国小行星探测对电推进系统的任务需求及现有电推力器的技术基础,提出了5种电推进系统方案,并进行多维度对比,对最优方案进行了设计和关键技术梳理。     

潜在威胁小行星碰撞防御的计算与分析

研究了采用碰撞的方式进行小行星防御的动力学问题。采用多面体模型来建立小行星的外形模型,以碎石堆模型来建立小行星的结构模型,计算了小行星受到与其密度和材质相同的球体高速碰撞过程和碰撞后的碎石分布。计算过程在考虑了小行星与碰撞球体的接触形变以及小行星内部组成碎石堆的接触形变条件下,计算了碎石堆内部的相互引力、法向接触力、切向静摩擦力、切向动摩擦力和滚动摩擦力矩。以小行星101955 Bennu(中文名贝努)为对象计算了潜在威胁小行星的碰撞防御过程的动力学行为。结果显示:采用高速碰撞的方法进行小行星防御可以有效地将小行星撞成大量碎小的石块,且该方法具有核爆的方法不可比拟的优势,即对空间环境无污染。     

近地小行星防御策略分析

近年来,各国针对近地小行星的威胁及相应防御策略的研究越来越多。调研了国内外近地天体观测发展现状和多种近地小行星撞击地球的防御策略,通过比较分析防御策略的实现原理、关键技术和存在的问题,对各种策略的适用性、可行性和有效性进行了评估。通过对各种策略的分析和总结,结合我国近地小行星防御策略的研究现状,尝试性提出了采用多种策略组合的方式对有潜在威胁的小行星采取相关有效方案,为航天器的研制和防御策略的实施争取更多的时间。     

数据仓库技术在决策支持系统的应用

简述了数据仓库,联机分析处理,数据挖掘的概念和技术,提出和实现了一种利用数据仓库技术及其工具,结合传统ＤＳＳ 的四库结构,设计和实现决策支持系统的新方法     

一种基于有效修剪的最大频繁项集挖掘算法

对关联挖掘中的最大频繁项集挖掘问题进行了研究,提出了一种基于项集格修剪机制的最大频繁项集挖掘算法.采用项集格生成树的数据结构,将最大频繁项集挖掘过程转化为对项集格生成树进行深度优先搜索获取所有最大频繁节点的过程. 其中提高算法效率的一个重要措施是在遍历项集格生成树的过程中对生成树进行修剪.给出了项集格生成树的三个性质,并在此基础上提出了直接超集修剪、间接超集修剪与事务集等价修剪三种修剪机制,尽可能忽略非频繁节点及其所生成的扩展节点以减少遍历的节点数目.试验结果表明,三种修剪机制都能够有效地减少搜索空间,其中事务集等价修剪机制的效果最好,算法的性能与输入数据集的稠密程度相关.