基于Voronoi cell的RNN_k近似查询与计算(英文)

在空间数据索引与查询研究领域中,反向k最近邻(RNNk)问题作为反向最近邻问题的泛化扩展近来受到更多关注.所谓RNNk查询就是找到所有以给定查询点为k个最近邻之一的对象点.为了有效地进行RNNk查询,利用分级的Voronoi cell和空间区域划分方法对查询结果进行有效过滤,避免了过多次最近邻查找计算.在初步得到的RNNk结果中,有针对性地分别利用平行于分割线的扫描线和局部扩展的查询区域Q进一步限定了RNN候选点.近似最小平均距离(AMAD)计算则可由近似的RNNk查询结果得到且不受k取值限制.实验结果表明了在3种不同数据分布情况下,本文算法与近似方法的效率和有效性.因此,通过充分利用对数据的过滤与查询空间修剪的近似方法,得到了具有较高查全率和准确率的近似查询和计算.     

网络时间协议在航天测控网中的改进与应用

为了解决航天测控网目前覆盖率低的问题,提出了一种具有易实现、低成本和高覆盖率等特点的新型航天测控网.同时,主要实现了利用网络时间协议对系统中的不同设备进行时钟同步.详细讨论了该系统的时钟同步体系结构,以及组成网络时间协议的数据过滤和选择等重要的工程化算法,并对网络时间协议进行了改进,提高了同步精度.该系统对于非航天普通测控网的建设也有较大参考价值.     

基于深度学习的欧几里得嵌入的推荐算法

推荐系统为用户推荐用户可能感兴趣的物品,可以有效地减轻信息过载。基于欧几里得嵌入的协同过滤方法将用户和物品映射到统一的隐藏空间中,是构建推荐系统的重要方法之一。然而,传统的基于欧几里得嵌入的推荐方法仅考虑用户和物品隐藏特征向量之间低阶交互,不能有效建模现实世界中用户和物品的复杂交互行为。本文提出基于深度学习的欧几里得嵌入的协同过滤算法,利用深度学习技术学习用户和物品隐藏特征向量之间的高阶、非线性交互函数,建模用户和物品之间复杂交互行为。在真实数据集上的实验结果表明,基于深度学习的欧几里得嵌入的协同过滤算法性能优于传统协同过滤算法。     

基于扩展时间Petri网的软件潜在分析

针对SSA技术存在的缺陷,根据软件系统与Petri网的相似之处,提出了基于Petri网的SSA技术.首先概述了SSA技术的发展现状,然后定义了一类扩展时间Petri网,定义了软件的设计矩阵和Petri网的可达状态矩阵,通过比较设计矩阵与可达状态矩阵找到软件潜在状态.仿真分析证实了方法的有效性和可行性,最后提出了SSA技术有待解决的问题.     

叠网式过滤器

提出一种农业排灌用的新型过滤器--叠网式过滤器,其结构简单且性能指标大大超过国内过滤器,在结构、性价比上也将超过国外新型过滤器.     

杂质对NiAl金属间化合物结构及力学性能影响的研究

NiAl金属间化合物的室温脆性是阻碍其应用的关键问题之一。本文应用第一原理方法,系统研究了杂质氧对NiAl金属间化合物的结构和力学性能的影响规律。借此提出了抑制杂质有害效应的物理思路。     

Naive Bayes邮件过滤模型的特征词选取方法研究

将文本分类中的各种特征词选取方法引入到Naive Bayes邮件过滤模型(NBF)中,包括文档频度、信息增益、互信息、期望交叉熵、文本证据权、几率比及x2统计量.分析比较了这些方法的特点.实验结果显示在NBF中采用x2统计量选取邮件特征词有最好的效果.     

基于双倍比特量化与分段哈希索引的军事图像过滤

二进制码占用存储空间少且易于进行距离度量,因此很多研究者提出二进制量化方法把浮点型特征量化为二进制码,以实现大规模数据环境下的快速最近邻查询。但是,二进制量化会损失原始特征的信息量,使原始特征之间的相似性不能完全保持,导致查询精度降低。针对这一问题,提出双倍比特量化与分段哈希的近似查询索引。首先,设计了一种双倍比特量化方法,通过把特征的每一维数据量化为2个比特二进制码,增加特征之间的区分性;然后,针对双倍比特量化的二进制码提出双倍比特分段哈希索引,通过对二进制码分段并建立哈希索引的方式,提高查询速度。据此,设计了基于双倍比特量化与分段哈希索引的大规模军事图像过滤系统。实验表明,相比于Faster R-CNN+CNNH+MIH系统,本文方法可以使军事图像过滤精度提升5. 4%。     

空气中杂质在湿度计量中的影响

湿度计量的对象是空气中的水汽。空气中除了水蒸汽,还有灰尘、油脂、可溶性盐类、有机物蒸汽等杂质。本文从各类湿度计量器具的感湿机理出发,分析空气中杂质对各湿度计量器具的影响,提出了相应的防护措施以减轻或消除杂质的影响。