基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

低信噪比下雷达回波谱矩快速估计方法

针对在低信噪比下机载气象雷达回波多普勒参数（谱矩）估计不准确的问题，本文在气象目标的雷达回波频谱服从高斯分布的基础上，给出了一种利用协方差矩阵分解的快速参数化谱矩估计算法。通过理论分析，推导出雷达回波的协方差矩阵具有范德蒙结构特性，进而将用于谱矩估计的代价函数转化为类傅里叶变换结构，然后进一步通过快速傅里叶变换和高斯加权滑窗计算代价函数，实现快速的谱矩估计。仿真实验结果表明，该方法在信噪比低于5 dB时仍可以有效估计雷达回波的谱矩参数，同时运算复杂度大大降低，而且在谱宽值较大情况下仍能保持较好的估计性能。      

结合时间戳的指纹密钥数据加解密传输方案

目的 对于生物密钥而言，生物特征数据的安全与生物密钥的管理存储都很关键。为了构造能够应用在通信数据传输场景的生物密钥，同时保证生物特征本身的模糊性与密码学的精确性处于一种相对平衡状态，提出一种基于时间戳与指纹密钥的数据加解密传输方案。方法 利用发送方指纹特征点之间的相对信息，与保密随机矩阵生成发送方指纹密钥；借助通信双方的预先设定数与时间戳，生成接收方恢复指纹密钥时所需的辅助信息；利用发送方指纹密钥加密数据，实现密文数据的传输。结果 本文方法在仿真通信双方数据加解密的实现中，测试再生指纹密钥的识别率（GAR）与误识率（FAR）。通过实验数据分析，表明了本文提出的指纹密钥生成方法的可用性，以及指纹密钥作为数字身份所具备的可认证性，其中真实发送方的再生指纹密钥识别率可高达99.8%，并且本方案还可用于即时通信、对称加密等多种场景当中。结论 本文方法利用时间戳确定了通信事件的唯一性与不可否认性，同时实现了指纹密钥恢复时的"一次一密"。此外，方案通过保密随机矩阵实现了发送方指纹密钥的可撤销，极大程度保障了指纹数据的安全性。     

融入局部几何特征的流形谱聚类图像分割

为了改善谱聚类图像分割的精准性和时效性,文中提出融入局部几何特征的流形谱聚类图像分割算法.首先,考虑图像数据的流形结构,在数据点的K近邻域内执行局部PCA,得到数据间本征维数的关系.然后,引入流形学习中的局部线性重构技术,通过混合线性分析器得到数据间局部切空间的相似性,结合二者构造含有局部几何特征的相似性矩阵.再利用Nystr m技术逼近待分割图像的特征向量,对构造的k个主特征向量执行谱聚类.最后,在Berkeley数据集上的对比实验验证文中算法的准确性和时效性优势.     

真空热处理炉布料矩阵优化仿真分析

为了获得更高的加热效率和更好的温度均匀性,采用有限元软件建立了真空热处理炉加热过程仿真模型,并耦合PID算法用于温度控制。通过与实测温度对比,验证了仿真模型的准确性。借助该模型,模拟研究了布料矩阵对两种典型形状零件在真空热处理炉内加热特性的影响。模拟装炉时基于零件几何形状特征,对圆棒形工件采用顺排、叉排和环形排列3种形式,对圆盘形工件采用横排式和竖排式。研究结果表明:尽管零件形状和数量相同,但是随着布料矩阵的变化,加热效率和温度均匀性都会改变。对于圆棒形工件,采用环形排列不仅可以提高内部工件的加热速率,而且相较于叉排式可以将最大温差减小36 ℃;对于圆盘形工件,由水平式改为竖直式布料可以将最大温差由248 ℃减小至171 ℃。     

汉钢1号高炉布料矩阵探索与实践

布料矩阵是调整高炉料制的重要手段。汉钢1号高炉通过不断探索研究高炉布料矩阵,理论与实际相结合,制定出适合目前外围条件的装料制度,保证了高炉炉况顺行,进而取得了技术经济指标的提升。