Exploiting global information in complex network repair processes

Robustness of complex networks has been studied for decades,with a particular focus on network attack.Research on network repair,on the other hand,has been conducted only very lately,given the even higher complexity and absence of an effective evaluation metric.A recently proposed network repair strategy is self-healing,which aims to repair networks for larger compo nents at a low cost only with local information.In this paper,we discuss the effectiveness and effi ciency of self-healing,which limits network repair to be a multi-objective optimization problem and makes it difficult to measure its optimality.This leads us to a new network repair evaluation metric.Since the time complexity of the computation is very high,we devise a greedy ranking strategy.Evaluations on both real-world and random networks show the effectiveness of our new metric and repair strategy.Our study contributes to optimal network repair algorithms and provides a gold standard for future studies on network repair.     

跑道侵入严重度本体建模及等级划分研究

为研究致险因素对跑道侵入严重度的影响,从知识建模角度出发,构建了跑道侵入严重度划分的领域本体模型.采用石川图针对跑道侵入严重度划分问题进行因果分析;进而以跑道场景要素为导向构建本体模型;应用FaCT++推理机对实际案例分析推理,结合DL query 模块辅助验证推理结果.结果表明,本体推理可以支持跑道侵入严重度划分,验证了模型的有效性.     

FAST FEATURE RANKING AND ITS APPLICATION TO FACE RECOGNITION

A fast feature ranking algorithm for classification in the presence of high dimensionahty and small sample size is proposed. The basic idea is that the important features force the data points of the same class to maintain their intrinsic neighbor relations, whereas neighboring points of different classes are no longer to stick to one an- other. Applying this assumption, an optimization problem weighting each feature is derived. The algorithm does not involve the dense matrix eigen-decomposition which can be computationally expensive in time. Extensive exper- iments are conducted to validate the significance of selected features using the Yale, Extended YaleB and PIE data- sets. The thorough evaluation shows that, using one-nearest neighbor classifier, the recognition rates using 100-- 500 leading features selected by the algorithm distinctively outperform those with features selected by the baseline feature selection algorithms, while using support vector machine features selected by the algorithm show less prominent improvement. Moreover, the experiments demonstrate that the proposed algorithm is particularly effi- cient for multi-class face recognition problem.     

大数据高性能排序算法的设计与实现

针对大数据排序算法的需求,提出了基于任务驱动的并行排序算法。该算法采用任务驱动、AIO(Asynchronous Input/Output,异步输入/输出)和双缓冲区机制等技术充分利用系统资源;通过构造等价排序键,优化快速排序算法;并在算法实现上,采用多线程处理任务,通过控制线程个数控制并行度。综合利用这些技术,该算法使得大数据的排序性能接近理论极限值,在CPU(Central Processing Unit,中央处理器)资源充裕的情况下,利用异步压缩技术,还可以突破这一极限,最终实现的系统2 000s就可以对超过500Gbyte的磁盘数据做一次完整的排序。在数据库设计中充分利用此思想,将会实现连接和线程的分离,数据库将可以支持更大的连接数,从而提高数据库支持的并发度。     

基于增量式排列支持向量机的机场航班延误预警

目前航班延误已经成为世界范围内一个日益严峻的问题,对于大型机场进行航班延误预警工作显得日趋紧迫。在空运需求与机场容量冲突导致航班延误的观点下,提出了用排列支持向量机来进行航班延误预警。针对机场航班数据不断更新的特点,给出了增量式排列支持向量机算法来进行航班延误预警。不仅通过人工数据上的实验说明了该增量式算法更能满足在线预警的要求,而且在收集到的中国某国际机场两周的航班数据上也取得了80%及以上的预测准确率。     

学生成绩排名信息管理系统的设计与实现

成绩排名是一个评价和测量每个学生相对于其他学生在校表现的很有效的技术;排名结果可以根据数据库中每个学生各个学期的各科成绩数据计算出来,并且根据该排名可以对学生进行奖学金的评奖以及做为其他评优活动的依据。     

一种基于模糊聚类模型的动量轮健康性排序方法

基于模糊聚类分析提出一种动量轮健康性排序方法，选取实际型号任务中50N·m·s动量轮的地面测试数据与在轨数据，对数据处理后，研究闭环工况动量轮动态转速的电机电流，利用相关系数法将其转换为模糊相似矩阵，聚类分析动量轮健康性最大阈值；同时以最大阈值为标准，设计判断准则，用4个动量轮的数据验证该方法的实用性并与峭度试验方法进行对比。结果表明：该方法可以准确对动量轮健康性进行排序。     

高斯过程回归与参考点排序相结合的新WiFi室内定位系统

为解决WiFi指纹定位系统的定位精度易受环境变化影响的问题，提出了一种新的WiFi室内定位系统。该系统包括一种新的定位算法和指纹更新算法，定位算法首先通过将参考点与测试点之间的信号强度误差转换为参考点排序，然后利用模糊思想将处于同一范围内的排序视为与测试点具有相同的相似度，以削弱信号自身动态变化对定位的影响，进而筛选出相似度较高的前k个参考点进行加权定位；指纹更新算法利用WiFi信号的传播模型和基于Matern核的高斯过程回归进行指纹更新。其次，利用在真实环境下采集的数据进行算法的测试验证。实验结果表明，提出的定位算法和指纹更新算法相较于传统算法，定位精度和指纹更新精度能够分别提升25%和34%以上。     

航空兵装备映射模拟蓝军相似度匹配问题研究

文章主要针对航空兵训练中模拟映射蓝军装备时所面临的问题,提出蓝军模拟方法、建立相似度评价体系及模型以及提出用一致性排序方法解决求相似度的权重问题,从而可以求得更为精确的系统相似度,可解决航空兵装备蓝军模拟过程中"像不像"的问题,为航空兵装备是否能够模拟映射蓝军找到了依据。