基于MDX及MOLAP实现多维数据分析

传统的OLAP分析基于关系结构,过度依赖其数据源,影响分析效率。为此提出"独立型"数据分析的概念,采用MLOAP及父子维度等技术实现,并结合实际应用详细描述了整体解决方案,及其关键技术。该方案在实际应用中获得了理想的效果,不仅弥补了关系型OLAP分析存在的缺陷,而且实现了对宏观经济领域数据的多角度、多层次查询以及初步分析功能。     

一种基于关键特征的搜索引擎结果聚类算法

为了解决用户在搜索引擎结果列表中寻找所需信息困难的问题,帮助用户快速有效地定位有价值的Web文档,与向量空间模型方法不同,采用基于关键特征的聚类算法(KFC).首先从搜索引擎返回结果的关键词里选择重要的词作为关键特征,然后通过分析特征间的关系对特征聚类,最后基于特征聚类结果实现文档的聚类.通过对实验结果的测试表明了算法的有效性.      

齿轮驱动涡扇发动机星型齿轮减速器安装角度计算与分析

为支撑宽体客机发动机总体方案论证,以齿轮驱动涡扇发动机5路分流星型齿轮减速器为研究对象,分析了星型齿轮减速器所受重力载荷及人字齿轮啮合时产生的扭矩对传扭支架受力的影响。在考虑重力载荷的基础上,根据啮合扭矩对星型齿轮减速器安装角度进行了计算并使用有限元软件对结果进行了验证。结果表明:当齿轮啮合扭矩为顺航向顺时针时,应使任意支架连杆处于3点钟位置;当齿轮啮合扭矩为顺航向逆时针时,应使任意支架连杆处于9点钟位置。     

GNSS干扰信号检测方法研究

研究了GNSS导航接收机在干扰源条件下的干扰检测和识别技术。除常见的卫星干扰如脉冲干扰、扫频干扰、BPSK干扰、宽带高斯白噪声干扰外,还添加了QPSK和8PSK干扰进行建模分析,并提取了常见的特征参数,如信号3dB带宽和频谱峰度等。通过研究,高阶累积量被提取作为MPSK干扰类内识别的特征参数。研究了基于决策树和BP神经网络等分类器算法的干扰盲识别,并分析比较了这些分类算法的识别准确率,为抗干扰领域的研究提供了重要参考。     

一种适合于大尺寸航拍图像的特征点提取方法

一些航拍图像的尺寸较大,现有的特征点提取算法在对其处理时均要耗费大量的时间,针对这一问题,提出一种快速有效的特征点提取算法。首先构造原始图像的拉普拉斯金字塔,以获得图像的尺度信息,同时保留图像的方向信息;再使用非均匀多方向滤波器组将金字塔图像分解在不同方向上,在分解后的图像中提取局部极值点作为候选特征点集;采用特定的合并策略合并候选特征点最终得到特征点集,并根据方向滤波器组为特征点分配方向向量。试验结果表明,本文算法在基本保证提取到的特征点匹配率及正确率的前提下,有较高的效率。     

涡扇发动机起动控制规律设计的功率提取法

根据涡轮发动机加减速控制规律设计的功率提取法原理,结合低转速部件特性预测方法,建立了用于双轴分排涡扇发动机起动控制规律研究设计的功率提取法模型,并编制了相应的计算程序。利用程序设计了某型双轴分排涡扇发动机单一状态和起动包线内的起动控制规律,并进行了相应的分析。计算结果表明,功率提取法能够应用于涡扇发动机起动控制规律的设计,并具有较高的计算精度。     

基于三维点云处理的整流蒙皮修配量提取技术

在飞机翼身对接过程中,需要在翼身对接处的外表面覆盖整流蒙皮,以维持飞机的气动外形.为了确保在装配整流蒙皮时,蒙皮间的配合间隙量满足设计要求,需要精确修配其加工余量,故本文提出了一种基于三维点云处理的飞机蒙皮修配量提取技术.首先对扫描的机翼机身对接数据进行预处理获取关键点;然后对关键点和模型蒙皮数据计算直方图特征描述子,...     

基于步行周期聚类的视频行人重识别关键帧提取算法

视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方法从候选步行周期中选出关键步行周期作为关键帧。最后,将该算法应用在视频行人重识别中,仅使用关键帧的信息进行识别以减少时间冗余的影响,从而提高准确率,并且在查询前对视频进行处理,减少视频数据量以提高查询效率。在视频行人重识别数据集MARS和DukeMTMC-VideoReID上的实验表明,本文算法能够减少59%~82%的视频数据量,并且累积匹配曲线Rank-1提高了1.1%~1.4%,平均精度均值提高了0.2%~5%。     

一种从激光扫描数据中提取角点特征的方法

提出一种从激光扫描数据中提取角点特征的方法,以满足结构化环境中移动机器人定位的需要。该方法分为角点特征滤波、角点函数计算、非极大值抑制和角点特征提取与定位四部分。首先,通过角点特征滤波排除不具备角点特征要素的扫描点。然后,通过角点函数衡量余下的扫描点作为角点特征的程度。之后,采用非极大值抑制方法去除局部区域内非极大值对角点特征提取的干扰。最后,通过阈值法提取出角点特征并对其进行定位。实验结果表明,该方法可以准确地从激光扫描数据中提取出角点特征,并对位置参数具有很好的鲁棒性。     

术语定义抽取的特征选择框架

为了进一步提升航空领域术语定义抽取的精度和效率,提出了一种不依赖已有特征选择方法的特征选择框架。该框架结合了分类特征的类间分布差异和类内分布差异,更好地表达了术语定义内部各子概念间特征分布的差异对划分类别的贡献。在分析该框架和传统过滤器特征选择方法对特征分布的影响的基础上,在航空领域术语定义语料库中对实验结果进行了对比。结果表明,本文提出的方法在使用平衡随机森林方法时,取得的最好成绩为F1-measure=0.652,F2-measure=0.761,所需特征比例从30%~40%降低到20%~30%;在使用直接分类方法时,F1-measure成绩提高了2.57倍,F2-measure成绩提高了3.11倍,均优于过滤器方法和Fisher Score方法。