实时演进数据序列集的内在模式提取与行为预测

复杂系统数据序列集未来行为的预测是一个难点,利用数据挖掘实现预测是有潜力的技术途径.针对包含多元时间序列和非时间序列的实时演进数据集,整合序列分割、聚类、模式在线匹配等处理流程,提出了一种主题发现与联合决策相结合的预测方法.在整个方法构建中,将拟构造的主题发现式预测和联合决策预测融合进前期的序列分割与聚类中,采用多时间粒度、多跨度对序列进行对应分层与分割,聚合形成各层的标准模式集.再以标准模式集,依照预测策略,反向搜索具有高稳定性延展行为的复合模式作为主题模式集,从而实现基于在线模式匹配的行为预测.最后,采用分布式并行计算的架构实现整个处理算法.理论推导和实验数据分析证明,相比传统的时间序列预测方法准确度得到提高.     

实时分布处理系统的分层遗传调度方法

提出了一种将分层分组调度算法融入实时分布处理系统的并行设计,并结合遗传算法进行任务调度的方法。首先对初始系统有向非循环图(directed acyclic graph,DAG)分层分组;然后在层间进行均衡化的乒乓流水设计,重构系统,使系统均衡化;最后针对重构的系统编制相适应的二维染色体码,运用遗传算法进行调度。实验结果表明较之单纯的分层分组方法和遗传算法,系统的时延得到明显优化,算法的收敛速度提高。     

海区声速剖面的现场反演方法

针对海区垂直声速剖面的预报问题,利用后向传播( BP)神经网络建立了反演模型,实现基于现场测量数据和历史数据的声速剖面实时预报。首先根据经验正交分析,由海区的历史平均数据提取出表征其主要变化特征的经验正交函数;构建三层BP网络,用前几阶经验正交函数及海区声速剖面历史样本对网络进行训练;再将海区表面温度现场遥感数据结合历史数据转化为声速样本,输入到BP网络进行海区垂直声速剖面的反演。经过实验数据分析,相比用平均声速剖面表示现场结果而言,反演剖面更加接近实际测量值,适用于海区垂直声速剖面的实时预报。     

主动声呐混响抑制的空时相三维处理方法

针对主动声呐的混响抑制问题,该文将空时2维的处理方法扩展到空、时、相3个维度。该方法通过3个子阵的相位匹配,利用信号相位对信号方位的依从性,从波束域、多普勒域和相位域上分离混响与目标。区别于空时自适应处理(STAP)方法,它不需要知道信号与混响的统计特性,不用进行混响协方差矩阵的估计,从而对混响的非平稳性具有更好的适应性。仿真数据及试验数据的分析证明,该方法较之传统方法能够从更低信混比中检测出目标。