基于延迟时间理论的n中取k系统检测区间模型

延迟时间理论广泛应用于系统维修领域,能够更为细致和准确地反映系统的运行状态.不同于一般维修理论只用一个阶段描述系统的故障过程,该理论将系统的故障过程分为两个阶段:正常阶段和缺陷运行阶段.系统部件的状态有正常、缺陷和故障3种情况.延迟时间理论主要应用于单部件系统和串联系统的维修和检测,目前尚未应用于n中取k系统.对此,运用延迟时间理论确定n中取k系统的最优维修检测区间,分别针对两种情况进行分析:一种是系统中部件的初始缺陷发生时间服从指数分布的情况,一种是其服从非指数分布的情况.建立单位时间维修费用模型和设计仿真过程,以单位时间维修费用最小为目标进行优化,求解系统的最优维修检测区间.最后通过数值案例表明所提出方法的有效性.     

地下集装箱运输对城市集疏运体系的影响分析

地下集装箱运输系统能够改善城市的空气雾霾状况,缓解地面交通的拥挤压力,逐渐成为新的研究热点。构建可选路径初始网络图,利用k最短路径算法求得备选路径。引入非直线系数作为最优路径的最终判定方法。在港口集装箱吞吐量预测基础上,以运输时间、运输费用、中转时间和碳排放量为影响因素构建路径评价组合模型。以外高桥港为例,使用MATLAB仿真求解。结果表明,地下集装箱运输系统的建立,不仅降低承运人的运输费用,也提高陆向集疏运效率,同时缓解港区道路拥挤,改善港区的空气水平。为地下集装箱运输系统的发展提供相关参考。     

基于KD树的k-means聚类算法优化

作为模式识别最基本的分类方法之一,聚类在各个科学领域的数据分析中都扮演着重要的角色.然而随着大数据的出现,聚类分析在前沿发展中不断地面临着计算复杂度和计算成本等新的问题和挑战.通过研究k-means聚类算法的时间复杂度O(nk),针对迭代过程中大量的最近邻计算和其特殊场景,引入KD树作为索引,提出了基于单KD树的近似近邻算法和基于多KD树的交叉搜索算法.将k-means聚类算法的时间复杂度降为O(nlog k),并通过实验验证,基于多树的交叉搜索算法具有与k-means聚类算法相当的聚类质量.     

基于Simhash的安全密文排序检索方案

针对密文检索中存在的计算量大、检索效率不高的问题，提出一种基于Simhash的安全密文排序检索方案。该方案基于Simhash的降维思想构建安全多关键词密文排序检索索引（SMRI），将文档处理成指纹和向量，利用分段指纹和加密向量构建B+树，并采用"过滤-精化"策略进行检索和排序，首先通过分段指纹的匹配进行快速检索，得到候选结果集；然后通过计算候选结果集与查询陷门的汉明距离和向量内积进行排序，带密钥的Simhash算法和安全k近邻（SkNN）算法保证了检索过程的安全性。实验结果表明，与基于向量空间模型（VSM）的方案相比，基于SMRI的排序检索方案计算量小，能节约时间和空间成本，检索效率高，适用于海量加密数据的快速安全检索。     

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%。     

基于深度概率图模型的鲁棒人脸画像合成

针对基于数据驱动的人脸画像合成算法像素特征缺乏对光照变化和复杂背景的鲁棒性,常合成低质量的画像的问题,文中提出基于深度概率图模型的鲁棒人脸画像合成算法.采用预处理方法调整测试照片的光照亮度和人脸姿态,使之与训练照片一致.采用深度特征代替像素特征进行近邻匹配,采用深度概率图模型对画像重建权重和深度特征权重联合建模,得到合成画像的最佳重构表示.为了提高画像合成速度,提出快速近邻搜索方法.实验验证文中算法的鲁棒性和快速性.