面向时间依赖路网的空间索引方法

在兴趣点(POI)呈稀疏分布时,现有时间依赖路网中的k近邻查询方法效率较低,且无法高效支持多类型的POI查询。为此,建立基于POI分布的空间索引结构TDG。根据路径权值上、下界对预计算路径进行剪枝优化,在此基础上,提出一种索引更新策略与基于TDG的k近邻查询算法。实验结果表明,与启发式查询算法相比,该算法的扩展节点数量平均减少87.5%,查询响应时间平均缩短33%～66%。     

基于滑模的二阶多智能体快速抗扰一致性

针对带有外部未知扰动的二阶多智能体系统的领导—跟随有限时间一致性问题，本文设计出一种带有时变增益的有限时间干扰观测器，用以实现对每个跟随智能体中未知扰动的快速估计，在此基础上，本文结合超螺旋积分滑模控制方法并利用邻居智能体的位置和速度信息设计一种快速抗扰一致性协议，该协议能够保证存在非线性动态的多智能体系统有限时间一致性控制并能抑制抖振现象.同时，利用李亚普诺夫函数进行了稳定性的证明.最后，通过Matlab数值仿真进一步验证了所提出协议的可行性.     

融合时间隐语义填充和子群划分的推荐算法

随着个性化推荐技术的发展，推荐系统面临着越来越多的挑战。传统的推荐算法通常存在数据稀疏性和推荐精度低等问题。针对以上问题，提出了一种融合时间隐语义填充和子群划分的推荐算法[K]-TLFM（Time Based Latent Factor Model Integrated with [k]-means）。该算法利用融合时间因素的隐语义模型对原始用户物品评分矩阵缺失项进行填充，避免了用全局平均值或者用户/物品平均值补全矩阵带来的误差，有效缓解了数据稀疏性问题，同时融合时间因素有效地刻画了用户偏好随时间的变化；完成评分矩阵缺失项填充后，基于二分[k]-means聚类算法将偏好、兴趣特征相似的对象划分到同一个子群中，在目标用户所属的子群中基于选定的协同过滤算法为用户产生推荐列表，提高了推荐效率和准确性。在MovieLens和Netflix数据集上对该算法的推荐性能进行了对比实验，结果表明该算法具有更高的推荐精度。     

物质平衡-拟压力近似条件法确定气藏储量

物质平衡法作为一种有效的手段被广泛应用于气藏储量或井控储量的确定。为简便准确地确定气藏储量，笔者从物质平衡原理出发导出了"物质平衡条件"，求解气体渗流数学模型，得到了"拟压力近似条件"。将二者结合，提出了"物质平衡-拟压力近似条件法"（MB-QAC方法）。利用该方法，通过边界控制流阶段（产量波动相较于边界作用可忽略）的生产数据便可准确地计算气藏储量。定产量、定流压以及复杂生产计划条件下的数值模拟数据以及气藏实例验证了其有效性。在生产数据记录可靠的条件下，储量计算误差一般小于5%。同时，数值模拟结果表明，动态物质平衡方程是一种近似关系，拟压力近似条件对于模拟的各种情形均成立。由于考虑了岩石和束缚水的压缩性、气井产量的波动和气体性质的变化，MB-QAC方法具有一定的理论基础，对于异常高压和正常压力系统的气藏均适用，但不适用于水体活跃的气藏。     

烧结点火炉工艺参数的寻优与应用

在自行设计的烧结杯试验平台上,针对影响烧结点火工艺的几个重要参数开展了试验研究,并将相关研究成果应用于工业实际中。结果表明:降低点火温度、缩短点火时间均可降低点火燃耗,但烧结产品质量指标呈现变差的趋势,减小点火负压有利于降低点火燃耗并提升烧结矿产品质量;当点火温度低于950℃、点火时间短于0.75 min或者点火负压小于5 kPa时,烧结料表层混合料难以点燃,烧结反应无法发生;增加点火后的保温段有利于改善烧结矿质量,但保温时间过长也会对烧结矿产生不利影响,最佳的保温时间为2 min;本文成果应用于工业生产中,可有效降低烧结点火炉能耗约20%～30%。     

应用Hausdorff距离的时空轨迹相似性度量方法

相似性度量方法的选取和稳健性对时空轨迹聚类结果的有效性是至关重要的.针对时空轨迹数据复杂的多重维度信息,选取空间维和时间维2个维度度量时空轨迹的相似性,提出一种应用Hausdorff距离的时空轨迹相似性度量方法.首先从时空轨迹的3个特性出发,提出面向相似性度量的时空轨迹重组策略;然后将传统的以点为中心进行相似性度量的思路转换为以轨迹段为中心,提出一个考虑时间同步性的时空轨迹段距离度量公式;最后鉴于传统的Hausdorff距离进行时空轨迹相似性度量具有时空轨迹整体形状特征的优点,针对其容易受时空轨迹局部空间分布影响和忽略时间维信息的缺陷,提出一种基于单位时间平均值Hausdorff距离的时空轨迹相似性度量方法.采用微博签到轨迹数据和出租车GPS轨迹数据进行轨迹时空聚类实验,将文中提出的时空轨迹相似性度量方法与已有的其他方法进行比较,实验结果表明,该方法可以有效地计算时空轨迹的相似性,满足时空轨迹聚类的需求.     

载气热提取法测定熔敷金属中扩散氢收集条件的探究

探究了GB/T 3965—2012《熔敷金属中扩散氢测定方法》中载气热提取法收集条件对测定扩散氢含量的影响,并与水银法进行了对比。研究结果表明,样本炉温设定为400℃,A型试块的内部温度大约在51 min时稳定在358℃左右,B型试块内部温度大约在27 min时稳定在391℃左右;载气热提取法电信号曲线收集结束点的电信号及斜率均接近0时获得的结果与水银法具有较好的一致性。     

基于孪生神经网络的时间序列相似性度量

在时间序列分类等数据挖掘工作中，不同数据集基于类别的相似性表现有明显不同，因此一个合理有效的相似性度量对数据挖掘非常关键。传统的欧氏距离、余弦距离和动态时间弯曲等方法仅针对数据自身进行相似度公式计算，忽略了不同数据集所包含的知识标注对于相似性度量的影响。为了解决这一问题，提出基于孪生神经网络（SNN）的时间序列相似性度量学习方法。该方法从样例标签的监督信息中学习数据之间的邻域关系，建立时间序列之间的高效距离度量。在UCR提供的时间序列数据集上进行的相似性度量和验证性分类实验的结果表明，与ED/DTW-1NN相比SNN在分类质量总体上有明显的提升。虽然基于动态时间弯曲（DTW）的1近邻（1NN）分类方法在部分数据上表现优于基于SNN的1NN分类方法，但在分类过程的相似度计算复杂度和速度上SNN优于DTW。可见所提方法能明显提高分类数据集相似性的度量效率，在高维、复杂的时间序列的数据分类上有不错的表现。     

基于堆叠深度卷积沙漏网络的步态识别

提出了一种基于堆叠深度卷积沙漏网络的步态识别方法。为了解决人体建模中关节点准确定位的问题，采用基于深度卷积的沙漏网络来提取步态图上的关节点坐标，并计算肘关节与膝关节的角度作为运动特征。为了解决行走速度变化带来的影响，采用动态时间规整（Dynamic Time Warping）对特征序列进行距离计算。通过最近邻分类器对结果进行准确分类。该方法在公共CASIA-B数据集与TUM-GAID数据集上进行了验证并与其他方法进行比较，结果表明该方法有较高的识别率。