面向工业数字孪生的板形镰刀弯实时检测系统

为适应“工业互联网+钢铁”融合创新应用发展需求,为改进热轧带钢板形镰刀弯人工检测效率低、精确度低、无信息存储等不足,开发了基于智能摄像机的热轧带钢镰刀弯实时检测系统。系统在钢铁公司热轧板带厂的应用效果表明,利用智能摄像机采集带钢板形镰刀弯影像数据,经过透视变换、融合卡尔曼滤波、最小二乘曲线拟合算法等关键技术的图像处理后,能实时、完整、精确记录坯板的形状及镰刀弯弯曲程度特征,通过工业互联网平台反馈至数字孪生服务系统及人机界面,为下一步数据处理及生产决策管理提供实时数据支撑。     

基于马氏距离和灰色分析的缺失值填充算法

针对kNN算法中欧氏距离具有密度相关性敏感的缺点,提出综合马氏距离和灰色分析方法代替kNN算法中欧式距离的新算法,应用到缺失数据填充方面。其中马氏距离能解决密度相关明显的数据集,灰色分析方法能处理密度相关不明显的情况。因此,该算法能很好处理任何数据集,实验结果显示,算法在填充结果上明显优于现有的其他算法。     

加密数据中连接关键词的安全搜索算法

现有关键词搜索算法只能处理单个关键词,且检索复杂度高。针对该问题提出同时搜索多个连接关键词的加密数据安全搜索算法,该算法把生成＂能力＂的过程分为线下和线上2个部分,它对多个连接关键词的安全搜索时间比原有算法降低了80%左右,实例分析结果验证了其正确性和有效性。     

基于子空间学习的图稀疏属性选择算法*

针对处理高维度属性的大数据的属性约减方法进行了研究。发现属性选择和子空间学习是属性约简的两种常见方法,其中属性选择具有很好的解释性,子空间学习的分类效果优于属性选择。而往往这两种方法是各自独立进行应用。为此,提出了综合这两种属性约简方法,设计出新的属性选择方法。即利用子空间学习的两种技术(即线性判别分析(LDA)和局部保持投影(LPP)),考虑数据的全局特性和局部特性,同时设置稀疏正则化因子实现属性选择。基于分类准确率、方差和变异系数等评价指标的实验结果比较,表明该算法相比其它对比算法,能更有效的选取判别属性,并能取得很好的分类效果。     

一种新的决策树分裂属性选择方法

分类问题是数据挖掘和机器学习中的一个核心问题。为了得到最大程度的分类准确率,决策树分类过程中,非常关键的是结点分裂属性的选择。常见的分裂结点属性选择方法可以分为信息熵方法、GINI系数方法等。分析了目前常见的选择分裂属性方法——基于信息熵方法的优、缺点,提出了基于卡方检验的决策树分裂属性的选择方法,用真实例子和设置模拟实验说明了文中算法的优越性。实验结果显示文中算法在分类错误率方面好于以信息熵为基础的方法。     

一种新的决策树分裂属性选择方法

分类问题是数据挖掘和机器学习中的一个核心问题.为了得到最大程度的分类准确率,决策树分类过程中,非常关键的是结点分裂属性的选择.常见的分裂结点属性选择方法可以分为信息熵方法、GINI系数方法等.分析了目前常见的选择分裂属性方法--基于信息熵方法的优、缺点,提出了基于卡方检验的决策树分裂属性的选择方法,用真实例子和设置模拟实验说明了文中算法的优越性.实验结果显示文中算法在分类错误率方面好于以信息熵为基础的方法.     

一种新的分裂属性选择方法

代价敏感决策树通常讨论测试代价和误分类代价,在其分类过程中,最关键的是节点分裂属性的选择。分析了代价敏感决策树分类问题目前常见的选择分裂属性方法的优、缺点,提出了综合信息量和测试代价并且最大程度降低误分类代价的分裂属性选择方法,UCI数据集实验结果显示该方法在各个方面好于已有的方法。     

GBNN-填充缺失属性值算法

在数据挖掘和机器学习领域,缺失数据经常出现,本文结合灰色系统理论和最近邻理论,提出了一种新的缺失数据填充方法(简称为GBNN算法),在实验中对本算法和常见的最近邻算法从分类准确率和预测正确率两个方面进行了比较,分析了本算法的优越性。     

无线传感器网络路由协议研究综述

无线传感器网络是一种新的计算模式,它对网络的路由协议提出了许多新挑战。首先简要介绍无线传感器网络的体系结构和性能标准,然后着重从路由协议方面比较分析无线传感器网络中多种典型的路由协议,指出了各自的特色,最后总结出未来的研究热点和发展趋势。     

基于马氏距离的缺失数据填充算法

最近邻算法由于操作简单,效果显著,无论在科研还是实际生活中都具有广泛应用。文章首先解释了基于欧式距离的最近邻算法在计算两个记录之间距离方面的不足,然后提出了基于马氏距离的最近邻算法,真实数据集的实验结果显示,改进后的最近邻算法能取得较好的成绩。