一种基于全域子空间分解挖掘的QoS准确预测方法

QoS的准确预测是评判和选择最佳Web服务的一种重要标准;传统的QoS预测方法采用时间平均值和各种参数简单加权的方法,无法对大量Web服务下的资源进行准确预测,预测结果模糊;提出一种基于全域子空间分解挖掘的QoS准确预测方法,即采用全域分析的思想对所有数据进行预处理,在此基础上,通过子空间分解的方法,在子空间中对数据进行分解分析,提取数据的深层次特征,然后将全域分析的结果与子空间分解分析的结果进行有效的数据融合,从而实现对所分析数据的准确预测;采用一组Web节点和拟定度量参数进行了预测实验,结果显示,基于全域子空间分解挖掘的QoS预测方法可以精确预测出渐变过程,结果准确,在QoS预测中具有广泛的应用价值。     

一种基于不规则区域的高斯滤波去噪算法

针对传统高斯滤波算法在滤除噪声的同时会丢失图像部分细节信息的弊端,提出了一种基于不规则区域的高斯滤波算法。在高斯滤波的基础上,通过分析纹理自相关特性,自适应构造局部不规则的高斯掩模窗口,突破以往采用固定大小窗口的思想,提高高斯系数权值分配的合理性,剔除相关性较低的像素,实现在滤波的同时有效保留图像纹理细节。实验结果表明,提出的算法优于传统高斯滤波及其他滤波算法,在图像细节保留和抗噪方面实现了较好的平衡。     

大力推进辽宁省石化工业结构优化升级

介绍了辽宁省石化工业中的结构性矛盾，提出了走新型工业化道路，推进石化产业结构优化升级的思路。     

螺旋缠绕厚壁压力容器封头段的线型调整

给出螺旋缠绕厚壁压力容器封头段纤维层厚度的计算公式以及线型调整的基本方法 ,通过调整线型 ,以达到螺旋缠绕厚壁压力容器封头段既不滑线又满足封头段强度要求的目的     

环氧丙烷嵌入乙酸酐合成1,2-丙二醇二乙酸酯的绿色化学途径

用Mg-Al基复合物催化环氧丙烷(PO)一步嵌入乙酸酐(AA)合成了1,2-丙二醇二乙酸酯(PGDA),经红外光谱、电喷雾质谱鉴定得到了预期产物。研究了反应温度、n(PO)/n(AA)、PO滴加或一次性投入方式对单PO加成选择性的影响。实验结果表明,当Mg-Al基复合物用量为1.6 g/100 g AA,n(PO)/n(AA)=1,以0.75g/min滴加PO,反应温度130~135℃时,单PO加成选择性达到w(PGDA)=98.2%。与传统合成二元醇二酯的方法相比,该路线无需过量加入AA原料,亦不生成副产物,是一条具有工业化前景的合成二元醇二酯的高原子经济性的绿色化学途径。     

分子印迹手性识别机理及在色谱分离中的应用

分子印迹聚合物作为一种具有分子识别能力的新型手性固定相,具有可预测洗脱顺序、分离选择性高、物理化学稳定性好等优点,目前已在色谱手性分离领域取得应用。介绍了分子印迹技术及其手性识别机理的最新研究进展,对该技术在色谱分离领域的应用现状、存在的问题及解决方法进行了重点评述,并展望了其今后的发展方向。     

升温速率对油页岩热解特性的影响

采用热分析方法,在非等温条件下对茂名和桦甸的油页岩进行了热解试验研究。研究了从常温到900℃之间不同升温速率(10,20,40,50,100℃/m in)对油页岩热分解反应的影响以及油页岩的H/C,O/C,Cdaf,Vdaf等因素与(dw/dt)m ax之间的关系。根据试验数据建立了热解动力学模型,利用积分法求得表观活化能和频率因子等动力学参数。试验结果表明,油页岩热解可分为3个阶段,其中第2阶段(200—600℃)是热解反应最激烈的区域,挥发份几乎全部析出。而第3阶段是碳酸盐热解阶段,茂名油页岩由于碳酸盐含量低,此阶段变化甚微。     

基于分布相似度迁移的关键路由设备检测

在基础设施网络(如电力网、互联网等)设施中,往往会出现关键节点,主要表现为节点流量大、在网络中位置关键等,其性能不稳定将制约网络部分区域的功能。因此从提高关键基础设施的性能和安全性的角度出发,针对关键基础设施的检测成为一个重要的研究课题。提出了一种新颖的基于分布相似度迁移的互联网关键路由设备的检测算法,其目的是自动地检测当前互联网线路中的关键路由设备。在真实环境中,不同线路中不同路由设备的行为特征由于若干客观因素(网络状态、路由设备性能等)导致其分布通常不相同。因此,所提方法主要基于路由之间的分布相似度迁移:首先在目标域(当前路由)中通过谱聚类方法自动判断出可疑的路由设备,然后通过提出的基于分布相似度迁移的分类器对上一步中检测出的可疑路由设备进行分类。在华为公司提供的真实数据集上进行的测试表明,所提方法能够有效发现线路中的关键路由设备,同时能够根据不同线路之间的分布相似度迁移来提高分类结果。     

基于半监督距离学习和多模态信息的图像聚类

通过融合图像中不同模态的信息并利用少量带标记的图像进行半监督距离学习,来对图像进行聚类。首先,提取彩色图像中RGB颜色空间的直方图信息、纹理信息,并采用SIFT算法提取Bag of Words来重新表达图像,从而基于图像的颜色特征、纹理特征以及语义特征,建立图像的多模态表达机制,将原始图像投射到表达空间;然后,利用少量标记的图像,通过半监督距离学习,获得图像在多模态信息空间的相似性度量;最后,通过半监督聚类方法,实现图像分组,在多个图像数据库中验证提出的方法的有效性。     

高维数据空间的性质及度量选择

高维数据分析是机器学习和数据挖掘研究中的主要内容,降维算法通过寻找数据表示的最优子空间来约减维数,在降低计算代价的同时,也提高了后续分类或者聚类算法的性能,从而成为高维数据分析的有效手段。然而,目前缺乏高维数据分析的理论指导。对高维数据空间的统计和几何性质进行了综述,从不同的角度给出了高维数据空间中"度量集中"现象的直观解释,并讨论了通过度量选择的方式来提高经典的基于距离度量的机器学习算法在分析高维数据时的性能。实验表明,分数距离度量方式可以显著提高K近邻和Kmeans算法的性能。