航天员呼吸强度的时序模式相似性比较研究

研究航天员呼吸强度时序模式相似性比较方法。利用小波变换将数据样本中的信号和噪声分离,将样本信号划分成多个连续的单调区间,用年n阶多项式对区间进行分段拟合,由拟合多项式的各阶系数、区间宽度、信噪比组成该分段区间的特征向量,由此得到所有数据样本的特征向量序列。小波分析算法可以有效地分离噪声信号,多项式函数能够很好地拟合数据样本,用特征向量的余弦距离可以对独立或连续区间的相似度进行准确地比较。根据上述方法,实现了时间序列的相似性搜索,并用于航天员呼吸强度时序变化模式的识别。     

基于排队论指导的K-Means聚类算法及其在TTC网络优化设计中的应用

提出了一种在K-Means算法基础上改进的聚类算法QSKM,对网络结点分组进行优化设计。我们利用排队论对网络通信中的呼叫与处理进行分析,确定最少分组数,作为K-Means聚类算法的初试K值,由此作为聚类算法的起点,对交换机数量、空间布局以及网络结点分组进行设计。通过对QSKM算法和传统K-Means算法的计算复杂度进行分析比较以及QSKM算法在北京航天飞行控制中心显示网络设计中的应用研究表明,QSKM算法是有效的,降低了传统K-Means算法的计算复杂度。在我们设计的QSKM算法中,排队论可以为K-Means聚类运算中K的初始选取提供指导,聚类算法利用网络特征对基于排队论的网络设计方法进行完善,从而得到最佳的网络分布方案。