数据仓库中数据立方体的创建

数据立方体是数据仓库中多维模型的核心,李纪华等提出多维模型是进行OLAP的基础。给出了基于关系数据库创建数据立方体的动态算法以及基于多维模型的数据立方体的创建策略。     

面向流场计算的并行计算机结构研究

分析了流场计算的基本特点 ;提出了用于流场计算的、基于 Transputer的动态星形立方体 ( DSC)结构。证明对于流场计算 ,采用 DSC结构在一定程度上优于目前常用的超立方体和超环两种结构。其优点是 :通信算法简单 ;系统扩充方便 ;全局性通信性能好。最后以实例说明了DSC结构在流场计算中的应用     

SQL Server 2000的数据仓库解决方案

阐述了数据仓库是数据库技术的发展且可以通过OLAP和数据挖掘技术进行强大的多维数据分析,来实现决策支持功能。Microsoft公司推出的SQL Server 2000数据库管理系统提供了完整的数据仓库和OLAP的解决方案:在关系数据库基础上,用一组数据仓库组件(DTS, ANALYSS,复制,转移)来建立数据仓库。该方案提供了多维表达式语言(MDX)和多维数据的分析查询机制,能方便快捷地开发生成和部署数据仓库应用。     

基于Windows系统的航空发动机仿真数据库设计

本文设计了Windows风格的航空发动机仿真数据库。数据库采用树状控件显示发动机类型及其型号，点击发动机型号可查看发动机的总体情况、结构特点、设计参数、特性数据、试验数据。同时，可通过菜单操作对数据库进行添加、删除等数据库管理工作。根据用户要求，可分别选择上述项目按约定的数据格式进行导出和打印。     

基于数据库的电商企业畅销产品成因调查方法研究

传统的电商企业畅销产品成因调查方法在数据量较大时,难以维持高水平的可靠性。为此,提出基于数据库的电商企业畅销产品成因调查方法分析。使用WiFi感应器采用用户手持移动设备MAC地址,与消费行为相匹配,获得用户消费记录和对应的商品销售记录,优化数据库结构,建立数据库恢复机制,将数据保存到数据库中,使用关联分类挖掘算法,挖掘出与产品畅销相关的数据,作为电商企业畅销产品成因调查结果,完成畅销产品成因调查。实验结果表明,提出的基于数据库的电商企业畅销产品成因调查方法数据质量高、抗压能力强,可靠性得到了提高。     

ASP访问Web数据库和大量数据查询的处理

通过WWW服务和数据库技术相结合的办法，可以构建一种三层客户端／服务器的体系结构，但是当用户通过INTERNET浏览大量数据库数据时，网络连接常因速度缓慢或因超时而中断。介绍了WWW数据库访问技术，通过对各种技术进行分析和比较，针对一个网站设计的需求，采用了ASP技术实现数据的分页传输。     

基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测

针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题,提出了一种基于径向基神经网络的递归预测模型。通过时序数据多维重构的方法建立训练样本,强化径向基神经网络对“时滞性”的预测能力,分析了模型固有超参数和由多维重构引入抽样控制参数对模型预测精度的影响。采用简化的典型盘腔壁面换热模型结合公开的试验历程转速数据,构建了供模型训练和测试的瞬态壁温数据样本,以递归调用模型的方式完成了对测试样本时序数据的预测和验证。结果表明,与常规的径向基神经网络预测模型相比,该模型的平均相对预测偏差由3.0%降低至0.45%,有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。     

基于B/S的民用飞机结构修理方案平台的设计与实现

民用飞机结构修理过程中有时会遇到超出手册范围的情况,在制定超手册结构修理方案的过程中,为了给维修工程人员提供相关的参考方案,本文开发一种基于Browser/Service（B/S）的民用飞机结构修理方案平台。首先从业务流程和平台功能角度对平台需求进行分析;然后基于平台开发所使用的各项技术,从平台架构、数据库、平台功能模块三方面对平台设计进行详细分析;最后通过实际操作演示,对平台的主要功能模块进行测试。结果表明：该平台人机界面友好、扩展性良好、操作简单方便,实现了民用飞机结构飞机损伤信息和修理方案电子化,能够根据损伤信息自动推荐出数据库中存储的若干修理方案,为维修工程部门更快制定超手册修理方案提供支持。     

基于模拟退火算法与响应面模型的三维气动优化设计方法

提出了一套适用于高耗时三维气动设计问题的优化设计体系.其主要思想是采用改进拉丁超立方体试验设计选取样本点,应用自行开发的三维粘性流场求解程序进行流场计算建立数据库,采用二次响应面方法建立近似模型,再应用高效模拟退火算法进行全局寻优.以NASA rotor57为对象,在详细进行流场计算基础上采用所提出的优化体系对其进行了三维积叠优化设计.在对流量、效率加以严格约束的条件下,总压比可提高1.8%,对流场结构进行了分析.优化结果表明本优化方法省时,适于三维气动设计的特点.     

结构可靠性分析的拟蒙特卡罗方法

由于蒙特卡罗(MC)方法具有程序结构简单,收敛速度与问题维数无关等优点,故其在结构可靠性分析中得到了广泛应用。但是对于小失效概率等问题,计算效率低这一主要缺点限制了该方法的应用范围。为了解决MC方法存在的问题,通过引进单位超立方体中不同的低偏差点集代替伪随机数序列,并结合了重要抽样技术建立了结构可靠性分析的拟蒙特卡罗(QMC)方法。该方法不但可以大幅度减少抽样点数目,还能够得到确定性的估计值, 避免传统MC方法只能得到概率意义下误差的缺陷。通过数值算例可以看出本文方法具有较高的计算精度和效率,因此适用于结构可靠性分析问题。     

正六面体工装误差对光纤惯组加速度计零偏标定精度影响分析

研究了利用大理石平板正六面体工装对光纤惯组进行标定时,工装误差对标定精度的影响。首先建立了标定模型,设计了12位置法的标定方案与解算方法,其次分析了工装误差对标定影响的量化关系,并提出减小误差的标定解算方法,最后对理论分析结果进行仿真验证。仿真结果表明,当长宽高为400mm的工装平面度、垂直度、平行度误差均为0.04时,加速度计零偏的标定误差达到0.0001g,与工装误差角大小量级相当。用12位置二向法解算零偏可减小该误差影响。     

绕钝体分离流动的非定常数值模拟研究

利用非定常RNGk-ε模型对三种典型的钝体绕流问题进行了研究,这三种流动分别为:方柱绕流、圆柱绕流和绕立方柱流动。研究表明了采用非定常雷诺平均方法可以研究钝体绕流的非定常流动,但所获得的结果各不相同。对于分离角固定的方柱绕流和绕立方柱流动,数值模拟结果和实验以及大涡模拟结果吻合较好,对于分离角不固定的圆柱绕流,随着雷诺数的增加,数值模拟结果和实验结果相差越大,分析认为这是由于壁面模型无法准确预测流动中不固定的分离角所致。改进了绕立方柱流动的模拟方法,采用非定常模拟方法后获得的结果要比定常模拟方法得到的结果有了根本改善。     

材料织构与晶界特征分布及其性能增强

为探索织构变化规律及再结晶织构形成机制，采用激光超快速再结晶退火对Cu样品进行了处理，研究了织构转变的规律和织构控制手段，提出了再结晶织构形成的亚晶择优形核-微区选择生长-优势生长理论和数学解析模型并进行了计算机模拟。选取了LY12试验材料，经轧制，在不同退火条件下进行再结晶处理，得到不同形态的组织与织构，测定了GBCD，研究其对高温力学性能的影响，本文对上述实验研究结果作一综合概述和总结。     

中国居民多维贫困统计测度与脱贫路径选择

贫困不仅受到收入的影响,而且受到其他因素的影响,需要从多个维度研究与解决居民贫困问题。基于主成分分析与层次分析方法,对不同维度的重要程度进行了赋权,进而构造加权多维贫困指数,用于多维贫困评价。运用中国居民营养与健康调查（CHNS）数据,对中国城乡居民多维贫困进行了测度与分解。实证结果表明：随着社会经济发展,中国居民总体贫困程度有所减轻,而医疗、卫生、收入、教育对多维贫困指数贡献较大;多维贫困呈现出不均衡性,农村居民多维贫困比城市居民严重,西部地区多维贫困比中、东部地区严重,这为中国居民脱贫路径的选择提供了决策依据。     

基于子空间投影的未知背景航拍高光谱图像恒虚警目标检测

针对航拍高光谱图像中未知背景地物特征条件下小目标的检测问题,给出一种检测算法。利用目标的低概率特性,通过模糊聚类获取高光谱图像中背景的光谱特性;然后将高光谱数据向背景光谱信号的正交子空间及目标信号子空间投影以抑制背景和噪声信号;最后在特征层利用广义似然比检验构造出具有恒虚警特性的检测器,完成融合检测过程。理论分析和实验结果表明了算法的有效性。     

基于多维航迹特征的异常行为检测方法

在信息融合领域,利用数据挖掘中的异常检测技术,可以基于目标的多维航迹特征来挖掘目标的异常行为。现有轨迹异常检测方法主要检测目标的位置异常,没有充分利用目标的属性、类型、位置、速度和航向等多维特征,在挖掘目标的异常行为时具有局限性。通过定义多因素定向Hausdorff距离和构造多维度局部异常因子,提出了一种基于多维航迹特征的异常行为检测方法,通过对多维航迹数据的异常检测,实现对目标异常行为的挖掘。在仿真军事场景和真实的民用场景上进行了实验分析,所提方法都能有效的检测出目标的异常行为。     

Efficient multisensor fusion using multidimensional dataassociation

We present the development of a multisensor fusion algorithm using multidimensional data association for multitarget tracking. The work is motivated by a large scale surveillance problem, where observations from multiple asynchronous sensors with time-varying sampling intervals (electronically scanned array (ESA) radars) are used for centralized fusion. The combination of multisensor fusion with multidimensional assignment is done so as to maximize the “time-depth” in addition to “sensor-width” for the number S of lists handled by the assignment algorithm. The standard procedure, which associates measurements from the most recently arrived S-1 frames to established tracks, can have, in the case of S sensors, a time-depth of zero. A new technique, which guarantees maximum effectiveness for an S-dimensional data association (S⩾3), i.e., maximum time-depth (S-1) for each sensor without sacrificing the fusion across sensors, is presented. Using a sliding window technique (of length S), the estimates are updated after each frame of measurements. The algorithm provides a systematic approach to automatic track formation, maintenance, and termination for multitarget tracking using multisensor fusion with multidimensional assignment for data association. Estimation results are presented for simulated data for a large scale air-to-ground target tracking problem     

Behavior pattern mining based on spatiotemporal trajectory multidimensional information fusion

Trajectory data mining is widely used in military and civil applications, such as early warning and surveillance system, intelligent traffic system and so on. Through trajectory similarity measurement and clustering, target behavior patterns can be found from massive spatiotemporal trajectory data. In order to mine frequent behaviors of targets from complex historical trajectory data, a behavior pattern mining algorithm based on spatiotemporal trajectory multidimensional information fusion is proposed in this paper. Firstly, spatial–temporal Hausdorff distance is proposed to measure multidimensional information differences of spatiotemporal trajectories, which can distinguish the behaviors with similar location but different course and velocity. On this basis, by combining the idea of k-nearest neighbor and density peak clustering, a new trajectory clustering algorithm is proposed to mine behavior patterns from trajectory data with uneven density distribution. Finally, we implement the proposed algorithm in simulated and radar measured trajectory data respectively. The experimental results show that the proposed algorithm can mine target behavior patterns from different complex application scenarios more quickly and accurately compared to the existing methods, which has a good application prospect in intelligent monitoring tasks.     

A hybrid multidimensional Riemann solver to couple self-similar method with MULTV method for complex flows

Since proposed, the self-similarity variables based genuinely multidimensional Riemann solver is attracting more attentions due to its high resolution in multidimensional complex flows. However, it needs numerous logical operations in supersonic cases, which limit the method’s applicability in engineering problems greatly. In order to overcome this defect, a hybrid multidimensional Riemann solver, called HMTHS (Hybrid of MulTv and multidimensional HLL scheme based on Self-similar structures), is proposed. It simulates the strongly interacting zone by adopting the MHLLES (Multidimensional Harten-Lax-van Leer-Eifeldt scheme based on Self-similar structures) scheme at subsonic speeds, which is with a high resolution by considering the second moment in the similarity variables. Also, it adopts the MULTV (Multidimensional Toro and Vasquez) scheme, which is with a high resolution in capturing discontinuities, to simulate the flux at supersonic speeds. Systematic numerical experiments, including both one-dimensional cases and two-dimensional cases, are conducted. One-dimensional moving contact discontinuity case and sod shock tube case suggest that HMTHS can accurately capture one-dimensional expansion waves, shock waves, and linear contact discontinuities. Two-dimensional cases, such as the double Mach reflection case, the supersonic shock / boundary layer interaction case, the hypersonic flow over the cylinder case, and the hypersonic viscous flow over the double-ellipsoid case, indicate that the HMTHS scheme is with a high resolution in simulating multidimensional complex flows. Therefore, it is promising to be widely applied in both scholar and engineering areas.     

Fast data association using multidimensional assignment withclustering

We present a fast data association technique based on clustering and multidimensional assignment algorithms for multisensor-multitarget tracking Assignment-based methods have been shown to be very effective for data association. Multidimensional assignment for data association is an NP-hard problem and various near-optimal modifications with (pseudo-)polynomial complexity have been proposed. In multidimensional assignment, candidate assignment tree building consumes about 95% of the time. We present the development of a fast data association algorithm, which partitions the problem into smaller sub-problems. A clustering approach, which attempts to group measurements before forming the candidate tree, is developed for various target-sensor configurations. Simulation results show significant computational savings over the standard multidimensional assignment approach without clustering