基于插值边缘算子的时间序列模式表示

借鉴数字图像领域中边缘算子的基本思想,提出一种基于插值边缘算子的时间序列分段线性表示方法(简称为IEO表示).该方法根据插值边缘算子中的两个子度量:边缘强度和插值误差相结合的度量标准来选取时间序列模式表示中每个子模式的边缘点(端点).时间序列的IEO表示不但可以压缩数据,还可以有效抑制噪声的影响,因而具有较强的适应性,可以适应不同的数据特征环境.     

流形极限学习机自编码特征表示

极限学习机（ELM）作为一种无监督分类方法,具有学习速度快、泛化性能高、逼近能力好的优点。随着无监督学习的发展,将ELM与自动编码器集成已成为无标签数据集提取特征的新视角,如极限学习机自动编码器（ELM-AE）是一种无监督的神经网络,无需迭代即可找到代表原始样本和其学习过程的主要成分。其重建输入信号获取原始样本的主要特征,且考虑了原始数据的全局信息以避免信息的丢失,然而这类方法未考虑数据的固有流形结构即样本间的近邻结构关系。借鉴极限学习机自动编码器的思想,提出了一种基于流形的极限学习机自动编码器算法（M-ELM）。该算法是一种非线性无监督特征提取方法,结合流形学习保持数据的局部信息,且在特征提取过程中同时对相似度矩阵进行学习。通过在IRIS数据集、脑电数据集和基因表达数据集上进行实验,将该算法与其他无监督学习方法PCA、LPP、NPE、LE和ELM-AE算法经过[k]-means聚类后的准确率进行了比较,以表明该算法的有效性。     

小波网络在带噪声的混沌时间序列预测中的研究

在采用网络模型对带有噪声的混沌时间序列进行建模的过程中,噪声会影响模型的泛化能力。针对上述问题,本文提出了基于小波去噪的小波网络预测框架。在预处理阶段使用小波阈值方法抑制噪声,运用相空间重构理论确定嵌入维数和延迟时间,进而确定改进的小波网络模型的结构,结合BP算法和遗传算法对模型的参数进行学习。最后,在带噪声的Mackey-Glass混沌序列预测实验中验证了该框架的有效性。     

基于链表数组的最大频繁项集挖掘算法

挖掘密集型数据集的全部频繁项集代价高昂,针对该问题,提出一种数据结构链表数组和基于链表数组的最大频繁项集快速生成算法。该方法使用链表数组为每个项目建立事务链表,并且链表的创建过程只需扫描数据库1次。使用深度优先搜索得到所有候选最大频繁项集,利用约束条件缩小搜索空间。使用标准数据集进行验证测试并与其他算法进行比较,实验结果表明,该算法具有较快的挖掘速度。     

数据析取分类研究与设计

对数据仓库体系结构进行分析的基础上给出了数据析取的定义,并对数据析取过程进行分类研究,分别对这几类数据析取过程进行了分析和描述,由此对数据析取工具进行总体设计。     

薄膜太阳能电池在工业仪表远程监控的应用

工业仪表是进行工业设施、环境远程监控的重要监控仪器,因此要其保证24小时运转,这就导致了大量的电能消耗。太阳能技术的发展,特别是薄膜太阳能电池的开发与应用有效的解决了电能消耗严重的问题。本文详细介绍的太阳能薄膜电池的工作原理以及结构特点例如材料、制作技术等,分析了其在工业仪表方面的应用,针对其发展前景提出了一些合理的建议。     

新疆电力营销系统网络安全解决方案

文章介绍了新疆电力营销系统的现状,分析了电力营销网络存在的安全问题和安全需求,提出了安全体系整体架,并给出了安全问题的解决方案,以提升电力营销系统的网络整体安全性为目的。针对现有安全架构提供了基于四个层次的安全建设方案,包括终端安全、传输安全、主机系统安全和应用安全。配合安全管理手段,包括安全运行、安全服务、安全评估等,共同实现电力营销网络的安全防护。对营销系统安全问题的及时发现和有效监管具有一定的指导意义。     

风水文化对潮汕民居的影响

该文从布局朝向、尺度模数、构件装饰等方面探讨风水文化对潮汕民居的影响。人为潮汕地区的历史文化背景,是当地风水术盛行的主要原因：潮汕民居受水文化的影响,既有迷信的成分,也蕴涵了诸多科学合理以及富有人文内涵的因素。     

用COM＋实现WindowsDNA形态的网站

介绍了WindowsDNA和ＣＯＭ＋的原理和特性，并结合实例说明了如何用ＣＯＭ＋技术构造一个典型的ＷindowsDNA网络。     

防晒化妆品的国内外监管现状

介绍了中国、美国、加拿大、澳大利亚和欧盟关于防晒产品的相关法规,包括防晒化妆品的监管状态、宣称要求、防晒功效测试方法等并进行了对比分析。