基于Δ-tree的递归深度优先KNN查询算法

基于Δ-tree提出一种用于高维数据的主存K最近邻(KNN)查询算法。该算法利用递归调用方法深度优先遍历Δ-tree,找到距离查询点较近的叶子节点,并选择其中较优的KNN候选点进行查询,从而缩小修剪距离、提高查询速度。实验结果表明,与已有算法相比,该算法具有更高的查询效率。     

基于障碍物群的k全局相异最优有序路径查询

提出障碍k全局相异最优有序路径的查询问题,利用可视图的思想给出近似查询算法,通过作用集与障碍角度点的引入有效地减少构造可视图障碍对象的数量,分析查询点和数据点构成的线段与可视图的顶点和弧的关系,减少内部障碍路径的计算次数,实现算法的全面优化。实验结果表明,该算法具有较好的性能。     

污水处理在线监测系统研究

针对当前污水处理没有实现自动控制和污水处理工艺分散的特点,设计了基于CAN总线结构的污水处理集散控制系统(DCS)模型构建一体化氧化沟的整个控制系统。用CAN总线对上位机与下位机之间进行数据通信,解决了多台设备监控的实时传输。对CAN总线和DeviceNet协议作了详细的解释,并给出了DLL以及DeviceNet协议中控室的应用程序。     

卫星链路TCP协议的跨层设计

为了进一步提高时延大和误码高的同步通信卫星传送数据包效率,提出了一套卫星数据通信传送控制协议（TCP）的跨层设计方法。论述了TCP协议层的流量控制机制和介质访问控制（MAC）协议层的差错控制机制。通过构建的跨协议层的卫星链路网关仿真模型,实验验证了所提方法的正确性,结果表明该设计方法比以往只改进TCP层协议做法,在传输层统计吞畦量提高约三倍多。     

一种采用Z曲线高维空间范围查询算法

低维空间中线性扫描算法及基于R树、VA文件和NB树的空间范围查询算法的效率较高,高维空间中它们的效率出现恶化现象.Z曲线将空间分割成大小相等网格并依次穿过它们,将网格中的点映射到线性空间中,从而能够使用B+树作为点集的索引结构.利用Z曲线聚类和降维特性,本文给出网格划分方法、搜索区域分解过程,提出一种高维空间范围查询算法.实验结果表明在高维空间中算法的效率优于上述算法.     

磁浮列车搭接结构的非线性解耦控制

磁浮列车的搭接结构是一个多输入多输出的非线性系统, 对该系统进行稳定控制是确保磁浮列车可靠性的关键. 本文采用微分几何方法对系统解耦; 采用反馈线性化方法对解耦后的系统进行线性化, 确保了系统的全局稳定性; 对线性化之后的系统采用极点配置的方法进行控制律设计, 使系统的动态性能达到一定的指标; 最后给出了应用此方法的一个实际例子.     

一种新的特征提取方法及其在模式识别中的应用

核典型相关分析(KCCA)是一种有监督的机器学习方法,可以有效地提取非线性特征。然而随着训练样本数目的增加,标准的KCCA方法的计算复杂度会随之增加。针对此缺点,提出一种改进的KCCA方法：首先用几何特征选择方法选择一个训练样本子集并将其映射到再生核希尔伯特空间(RKHS),然后设计了一种提升特征提取效率的算法,该算法按照对特征分类贡献的大小巧妙地选取样本的特征值,进而求出其相应的特征向量,最后将改进的KCCA与支持向量数据描述(SVDD)多分类器相结合用于分类识别。在ORL人脸图像数据库上的实验结果表明,改进的方法相对传统的KCCA方法,在不影响识别率的情况下提高了人脸识别速度,减小了系统存储量。     

一种基于受限网络的移动对象索引

为了有效地支持城市交通网络中移动对象的过去、现在和将来的轨迹查询,在基于模拟预测的位置表示模型基础上,提出了一种两层R树加上一个表结构的复合索引结构AUC(Adaptive Unit Compounding).根据城市交通网的特征,采用了一种带有环形交叉口的元胞自动机模型模拟移动对象的将来轨迹,并用线性回归和圆弧曲线拟合分别得到对象在规则路段和交叉口的轨迹预测方程;根据移动对象的运动特性,采用了一种新的自适应单元(AU)作为索引结构的基本单位.实验表明,AUC索引的查询和更新性能都要优于TPR树和TB树.     

含核Vague区域和Vague洞区域关系及蕴涵定理

模糊区域的空间信息表示和区域关系处理在空间数据库、地理信息系统和人工智能等领域具有重要的意义.引入Vague集的概念和理论对含核Vague区域和Vague洞区域关系进行了系统的研究.基于Vague集给出了含核Vague区域、Vague洞区域和区域划分等概念;详细分析了处于不同平面中的含核Vague区域和Vague洞区域关系;给出了基于Vague集的区域关系交集模型和子区域关系间的蕴涵定理和算法;进一步给出了实例分析.研究成果可较好地处理含核Vague区域和Vague洞区域内的模糊点不确定的隶属信息和确定含核Vague区域与Vague洞区域的关系等问题.     

基于平面线段的反向最近邻查询

反向最近邻查询是空间数据库空间查询的研究热点。目前反向最近邻查询的查询粒度都是基于一维的点．在一些空间物体不能抽象为点的情况下将其抽象为点进行反向最近邻查询,查询结果不能达到一定的精度。该文在分析基于平面线段的最近邻查询和R树结构的基础上提出了一种改进的R树－Rcd树,并给出了基于Rcd树的平面线段反向最近邻查询算法．该方法能实现平面线段的反向最近邻查询。