一种基于DTW的新型故事时间序列相似性度量方法

现有时间序列相似性度量方法在进行股市序列相似性分析时,通常忽略成交量等其他重要因素对股价的影响,从而导致序列聚类、分类不精确。针对这一问题,本文提出了新的股市时间序列相似性度量方法。该方法在动态时间弯曲算法的基础上,通过引进时间衰竭因子,并结合成交量因素,给出了股市序列的最终度量公式。为了证明提出方法的可行性和有效性,本文实验部分通过选取家电等三个行业中的股票数据进行测试。实验结果表明,基于动态时间弯曲(Dynamic time warping,DTW)的新型股市时间序列相似性度量方法能够在保持股票序列形态特征的基础上,较好地解决股市技术分析中量价关系问题,从而更有效地应用于股市技术分析里关于模式发现等领域。     

传感器网络基于动态密钥池的密钥建立方案

针对网络在整个生命周期内的可持续安全性问题,基于动态密钥池技术提出了一个新的对密钥建立方案(KES-D).在此方案中,节点分n次部署,密钥池根据节点部署的次数分代.第i代密钥池由第i-1阶段的密钥池去除m条使用时间最长的二维反向密钥链再加上m条新二维反向密钥链组成.理论分析及模拟结果表明:与适用于多次部署的传感器网络密钥管理方案相比,该方案的抗毁密钥连通率显著提高.     

固定式减摇鳍执行机构的模态及动态响应分析

采用有限元法对小型高速船使用的固定式减摇鳍执行机构进行模态分析和瞬态动力响应分析,对减摇鳍执行机构的结构动力性能进行全面分析.结果可为同类减摇鳍执行机构的结构设计提供参考.     

基于.NET技术动态导航菜单的设计与实现

通过树型菜单,用户可以对资源的结构、类型有直观的了解,但目前很多B/S系统的菜单还是通过代码生成的。为此,基于.NET技术,通过开源项目Peta Poco实现代码,设计并实现了动态导航菜单系统;介绍了数据库设计、算法思想。该技术避免了静态目录树下因数据源经常性改变而频繁修改程序代码的弊端,导航菜单通过数据库进行控制,提高了系统的安全性,使管理变得更加灵活、高效。     

数据筛选的低频UWB SAR图像快速可视化

目的 为了能够快速得到适于视觉解译的UWB SAR图像,提出了一种基于数据筛选的低频UWB SAR图像快速可视化算法.方法 该方法从统计学的角度出发,讨论了低频UWB SAR图像数据的统计特性和灰度分布模型;在此基础上,首次提出采用3σ准则对低频UWB SAR图像数据进行筛选;并使用修正映射函数映射.结果 对处理后所得图像进行质量评估,可以发现,所得灰度图在等效视数、中央凹特征和对比敏感度特征等方面要优于传统方法处理的处理结果,因而更符合人类视觉系统特征,更易于人眼视觉系统全面了解低频UWB SAR图像表征的场景信息.结论 与传统方法相比,该算法能自适应压缩图像动态范围,处理耗时短,所得图像细节突出,适于对低频UWB SAR图像数据实时处理.     

融合全局和局部相关熵的图像分割

目的 针对LCK(local correntropy-based K-means)模型对初始轮廓敏感的问题,提出了新的基于全局和局部相关熵的GLCK(global and local correntropy-based K-means)动态组合模型。方法 首先将相关熵准则引入到CV(Chan-Vese)模型中,得到新的基于全局相关熵的GCK(global correntropy-based K-means)模型。然后,结合LCK模型,提出GLCK组合模型,并给出一种动态组合算法来优化GLCK模型。该模型分两步来完成分割:第1步,用GCK模型分割出目标的大致轮廓;第2步,将上一步得到的轮廓作为LCK模型的初始轮廓,对图像进行精确分割。结果 主观上,对自然图像和人工合成图像进行分割,并同LCK模型、LBF模型以及CV模型进行对比,结果表明本文所提模型的鲁棒性比上述模型都要好;客观上,对BSD库中的两幅自然图像进行分割,并采用Jaccard相似性比率进行定量分析,准确率分别为91.37%和89.12%。结论 本文算法主要适用于分割含有未知噪声及灰度分布不均匀的医学图像及结构简单的自然图像,并且分割结果对初始轮廓具有鲁棒性。     

多选择软硬件划分问题的计算模型与动态规划算法

软硬件划分是软硬件协同设计的关键环节,划分的结果直接影响目标系统的设计质量。因此,对于一个给定的应用程序,为了使得目标系统快速执行且成本低廉,合理的划分策略十分重要。由于单个任务具有多种不同的硬件实现方式,与传统的单一硬件实现方式的软硬件划分问题相比,多选择的软硬件划分更能客观地反映现实应用。这导致问题的求解更具挑战性,它们已被证明是NP完全问题。基于多核处理器片上系统并针对任务图为二叉树的应用,建立了多选择软硬件划分问题的计算模型,并提出了解决该问题的动态规划算法。实验结果表明,当问题规模适中时,所提动态规划算法能够有效地获得精确解,并展示了算法的计算能力与硬件面积限制之间的关系。     

认知无线网络中基于信誉度管理的动态频谱接入研究

随着无线服务和相关设备的飞速发展,认知无线网络中特有频谱稀缺问题越来越引起研究者的重视。在集中式认知无线网络中,次级用户基站SUBS作为融合中心,通过收到周围的次级用户的感知信息来分配频谱资源。然而,环境的易变性使次级用户容易受到攻击从而影响次级用户感知信息,导致网络频谱资源分配错误。引入信誉度模型来表现次级用户在认知循环中的行为规范,在分配频谱阶段将信誉度作为评定标准,鼓励次级用户积极感知及规范运行。在感知阶段,次级用户感知信道数越多,感知信息越正确,其信誉度越高。在运行阶段,次级用户行为越符合网络规范,则信誉度越高。仿真结果表明,论文模型可以很好地减少次级用户基站的错误决策次数,提高其抗攻击性,同时使得网络在很好地分配资源的同时鼓励整个网络行为积极化。     

虚拟环境下Web服务动态负载均衡策略改进

为了提高Web服务集群的伸缩性和自动化能力,从虚拟化和负载均衡两方面研究集群系统,对现有负载采集策略做了改进,设计并实现了一种可根据负载值自动控制集群规模的模型XCluster。新模型运行在Xen提供的虚拟化环境中,实时监视宿主机层和虚拟机层的负载状态,随着集群系统总负载的增长,逐渐引入新的虚拟机来扩大集群规模,同时将任务合理分配到各个虚拟机节点上;当总负载下降时,逐渐关闭虚拟机缩小集群规模,释放出来的硬件资源又可以提供给其他集群系统使用。理论分析和实验结果表明,XCluster只需占用很少的网络通信量完成信息收集和命令下达,能够充分利用虚拟机易于管理的优势完成后端节点的调度,并且在任务总量相同的情况下,使用尽可能少的集群节点来执行任务。     

Adaptive output feedback tracking control of stochastic nonlinear systems with dynamic uncertainties

In this paper, adaptive output feedback tracking control is developed for a class of stochastic nonlinear systems with dynamic uncertainties and unmeasured states. Neural networks are used to approximate the unknown nonlinear functions. K‐filters are designed to estimate the unmeasured states. An available dynamic signal is introduced to dominate the unmodeled dynamics. By combining dynamic surface control technique with backstepping, the condition in which the approximation error is assumed to be bounded is avoided. Using It ô formula and Chebyshev's inequality, it is shown that all signals in the closed‐loop system are bounded in probability, and the error signals are semi‐globally uniformly ultimately bounded in mean square or the sense of four‐moment. Simulation results are provided to illustrate the effectiveness of the proposed approach. Copyright © 2014 John Wiley & Sons, Ltd.