K-一致凸弱双曲空间上渐近非扩张映射的不动点

含有k-一致凸性单调模的k-一致凸弱双曲空间是包含一致凸赋范空间和CAT(0)空间的一致凸弱双曲空间的自然归纳.针对这个空间,我们研究讨论k一致凸弱双曲空间以及其上渐近非扩张映射的不动点存在性问题.这些结果也同样推广了一致凸弱双曲空间和CAT(0)空间上相应的近期的一些理论结果.     

空间半刚性梁柱节点的数值模拟分析

利用有限元软件ANSYS建立了强轴和弱轴共存的空间半刚性梁柱节点模型,其中强轴采用腹板角钢和顶底角钢连接,弱轴采用顶底角钢连接.通过不同的单调以及循环加载方案,研究不同加载模式下空间半刚性梁柱体弱轴对强轴的影响规律.考虑了模型几何大变形、材料非线性以及接触非线性,分析了顶底角钢强轴连接的应力分布、变形特征、塑性发展、接触摩擦状态以及破坏模式.结果表明:弱轴连接对强轴的弯矩承载能力和转动变形特征产生一定的影响,为进一步的三维空间分析提供参考依据.     

单目视觉测量方法的求解几何空间研究

针对交于两点空间直线视觉测量方法提出一种新的求解方法,这种求解方法计算速度快同时能够保证解的唯一性。应用该求解方法的前提条件是满足单调性,找到能够使得求解方法满足单调性的几何空间,从而保证视觉测量方法收敛到正确解。研究了能够使得求解方法满足单调性的几何空间并给出了详细的证明过程。求解几何空间的研究能够为迭代求解方法的应用提供理论基础,指导视觉测量算法的应用。     

关联且项项正相关频繁模式挖掘

针对频繁模式和已有的相关模式不能完全去除交叉支持可疑模式和包含负相关商品项的可疑模式的问题,提出了关联且项项正相关频繁模式挖掘的新问题及其解决方案.阐述了一种新颖的all-item-confidence相关兴趣度量,探讨了该度量所具有的合适的上下界、反单调性等性质.选取all-item-confidence描述模式的项项正相关性,从而有效过滤包含负相关商品项的可疑模式;同时采用all-confidence描述模式的关联性,去除交叉支持可疑模式.进一步给出相关定义,提出两种挖掘算法:ItemCoMine_AP和ItemCoMine_CT,并对算法性能、度量减枝效果、实际零售数据集应用效果进行了测试. 实验结果表明,两种算法执行性能良好,all-confidence和all-item-confidence对可疑模式有明显的减枝效果,挖掘得到的关联且项项正相关模式具有较好的应用价值.     

一类Banach空间范数的单调性

本文给出了一类Ｂａｎａｃｈ格空间范数的单调性及局部一致单调性的条件，进一步得到了该空间是弱序列完备的充要条件。     

在频繁序列模式中挖掘并发序列模式

结构关系模式挖掘是本课题组提出的一种新的数据挖掘理论,主要研究序列之间的并发关系、互斥关系、重复关系等.并发序列模式挖掘是结构关系模式挖掘的重要组成部分.文中从序列间的相对关系出发研究并发关系,给出并发序列模式的相关性质,并对现有并发序列模式挖掘算法进行优化.通过实验对比可以看出：该算法根据并发序列模式的反单调特性和非平凡特性,对挖掘结果进行大幅精简,使得挖掘更有实际意义.     

基于子空间聚类的网络流量分类方法

应用层网络流量分类技术对流量控制与管理等研究具有重要意义.针对传统的基于有监督机器学习的分类方法对所有应用程序使用相同的特征,使得某些特征对一种或几种应用类型有区分性,而对其他应用类型的网络流分类产生干扰等问题,提出基于子空间聚类方法的网络流分类框架.利用子空间聚类算法,在总特征集中为每一种类型应用进行特征选择,提取与之相对应的关键特征,自动消除不相关的特征,使得每种应用类型都产生对应的特征签名集,并用这些不同的特征签名对未知的网络流进行分类.实验结果表明:本文提出的方法能够有效地提出每种应用类型的特征签名,并且所提出的特征签名具有明显的可区分性,该方法的分类准确率在93%以上,并且能很好的识别新出现的应用.     

一种用于人脸识别的基于主导近邻像素的局部Gabor空间直方图特征

对于实时性要求较高的人脸识别算法,图像特征表示不仅应该具有高的区分能力,还应该具有较小的空间维数. 提出了一种基于主导近邻像素的局部Gabor空间直方图(LGSH-DNP)的图像特征表示方法. 首先,对人脸图像进行Gabor滤波,滤波后图像上的每个像素用其邻近的两个最大的像素的位置表示并编码成该像素的描述符;然后,提取描述符所形成图像的空间直方图;最后,采用加权交集直方图相似度来度量空间直方图之间的距离,从而实现人脸图像识别. 在人脸识别技术图像库上的实验结果表明,该图像特征算法具有较高的识别率和较低的计算复杂度.     

Inertial Subgradient Extragradient Algorithm for Solving Variational Inequality Problems with Pseudomonotonicity

求解伪单调变分不等式的惯性次梯度外梯度算法

丁玉婉，刘红卫，马小军

（西安电子科技大学，数学与统计学院，西安 710126）

摘要：本文提出了一种利用非单调步长的惯性次梯度外梯度算法，用于求解 Hilbert 空间中具有伪单调性和利普希茨连续性的变分不等式问题。此外，在适当的条件下，给出了算法的弱收敛性和 R-线性收敛率。最后，通过数值实验验证了该算法的有效性。

关键词：变分不等式、外梯度算法、伪单调性、利普希茨连续、弱收敛和线性收敛

     

多级空间尺度下的轨迹知识发现

为了挖掘轨迹数据库在不同空间尺度上隐含的移动对象分布模式与运动规律,将空间语义信息融入轨迹的表达,运用空间层次关系模型结合多层关联规则挖掘方法,提出了一种基于语义位置矩阵的多尺度轨迹表达和演化方法,在此基础上设计了一种发现轨迹频繁模式的算法.试验结果表明,该方法能发现不同尺度的轨迹知识,并具有较高效率.     

基于空间数据仓库的空间数据挖掘研究

在讨论空间数据挖掘的相关技术对空间数据挖掘影响的基础上 ,提出一个基于空间数据仓库的空间数据挖掘模型 ,从基于空间数据仓库的数据挖掘角度出发 ,提出有待深入研究和探索的问题 .     

空间数据挖掘的方法进展及其问题分析

采用归纳和总结的方法,研究了每种空间数据挖掘方法的特点和使用范围,指出了目前空间数据挖掘方 法的局限性,就目前空间数据挖掘存在的问题进行了深入研究。认为空间数据挖掘是一个新兴的而富有前景的 研究领域,目前只是取得了一定的初步成果,仍有大量的理论与方法需要深入研究。最后就空间数据挖掘的发 展方向进行了研究和归纳。     

空间数据挖掘模型和方法研究

本文提出一个基于空间数据仓库的空间数据挖掘模型，讨论了空间关联规则发现、空间分类发现、空间聚类发现和空间数据总结等四类空间数据挖掘任务的目标、采用的挖掘方法和空间采样数据的处理方法。最后，从基于空间数据仓库的数据挖掘角度出发，提出有待深入研究和探索的问题。     

不确定性空间数据挖掘算法模型

在分析空间数据和空间数据挖掘的不确定性基础上，针对传统空间数据挖掘的局限性，将空间数据的不确定性和空间数据挖掘的不确定性有机结合，以EM算法和Apriori算法为基础，建立了不确定性空间数据挖掘算法模型，包括不确定性空间数据聚类算法（UNEM）和不确定性空间数据关联规则挖掘模型（USAR）．并以中国37个有代表性的大中城市的地理空间经济数据为例，进行实验验证，结果表明：采用不确定性空间数据挖掘算法模型比传统的空间数据挖掘方法得到的知识更为真实客观．     

用模糊遗传算法挖掘空间关联规则

空间关联规则是空间数据挖掘的重要知识内容，利用模糊遗传算法能很好地解决随机和非线性等问题的特征，解决空间关联规则的数据挖掘问题将离散化交叉概率pc和变异概率pm的模糊遗传算法应用到空间数据库空间关联规则的数据挖掘中，讨论模糊遗传算法的编码方法和适应度函数的构造，并给出了空间关联规则挖掘流程。研究结果表明，用模糊遗传算法挖掘空间关联规则的方法是可行的，并具有更高的挖掘效率。     

GIS与可视化SDM技术集成问题探讨

随着地理信息获取技术飞速发展，使得当前存储在空间数据库中的空间数据的深度和广度得到了前所未有的发展．为了解决GIS目前面临的“数据爆炸但知识贫乏”的难题，在介绍GIS发展现状等相关问题、空间数据挖掘技术、可视化技术的基础上，分析了GIS中数据挖掘的过程、特点及其相关技术支持，探讨了可视化技术在GIS数据挖掘中的重要作用．对GIS与可视化交互空间数据挖掘集成技术进行了初步的研究，分析阐述了GIS与SDM集成的必要性、集成模式和集成路线，提出了一个以GIS为中心的二者集成的体系结构。     

空间数据挖掘技术在土地定级估价中应用

介绍了空间数据挖掘技术和决策树算法。通过对其研究,将可视化空间数据挖掘技术应用于 土地定级估价,并介绍了基于VisualC++6.0和ESRI公司的MapObject2.0组件技术设计和开发了一 个可视化交互空间数据挖掘土地定级估价原型系统。系统采用决策树方法作为数据挖掘方法的基本算 法,采用训练与学习相结合实现土地定级估价。阐述了基于决策树空间数据挖掘土地定级估价的系统 模型,系统总体框架、主要模块、系统界面及系统实现定级估价的工作流程。该方法是对土地定级估价 方法的一种新的探索,是对土地信息系统开发的一种新的尝试,也是土地信息系统智能化发展的一个 方向。     

基于图卷积神经网络的位置语义推断

挖掘位置社交网络(LBSNs)中的签到数据背后所蕴藏的信息是城市计算、智慧城市的重要研究方向,其中一个关键的任务是推断位置语义。位置语义因其在位置检索、位置推荐、数据预处理等领域的广泛应用而受到越来越多的关注。现有的推断方法倾向于手工提取位置的时空特征或用户签到活动的时空模式训练分类器进而推断位置语义。然而,提取有价值的时空模式或时空特征是一项困难的任务。该文提出一种新的基于图卷积神经网络的位置语义推理模型(SI-GCN)。SI-GCN利用node2vec和变分自编码器来学习位置的空间和时间特征。构建用户?位置访问二部图,利用图卷积神经网络来捕获用户签到活动中的高阶信息。此外,SI-GCN引入自注意力机制区分用户?位置访问二部图中不同邻居节点的贡献。SI-GCN在两个真实签到数据集上的实验表明,SI-GCN比现有3种算法具有更好的推断性能。     

Mining multilevel spatial association rules with cloud models

The traditional generalization-based knowledge discovery method is introduced. A new kind of muhilevel spatial association of the rules mining method based on the cloud model is presented. The cloud model integrates the vague and random use of linguistic terms in a unified way. With these models, spatial and nonspatial attribute values are well generalized at multiple levels, allowing discovery of strong spatial association rules.Combining the cloud model based method with Apriori algorithms for mining association rules from a spatial database shows benefits in being effective and flexible.     

Mining geographic episode association patterns of abnormal events in global earth science data

Abnormal events in earth science have great influence on both the natural environment and the human society. Finding association patterns among these events has great significance. Because data in earth science has characteristics of mass, high dimension, spatial autocorrelation and time delay, existing mining technologies cannot be directly used on it. We propose a RSNN (range-based searching nearest neighbors) spatial clustering algorithm to reduce the data size and auto-correlation. Based on the clustered data, we propose a GEAM (geographic episode association pattern mining) algorithm which can deal with events time lags and find interesting patterns with specific constraints, to mine the association patterns. We carried out experiments on global climate datasets and found many interesting association patterns. Some of the patterns are coincident with known knowledge in climate science, which indicates the correctness and feasibilities of our methods, and the others are unknown to us before, which will give new information to this research field.