基于时间序列模式表示的异常检测算法*

提出了一种基于时间序列的模式表示提取时间序列异常值的异常检测算法(PREOV).时间序列的模式表示本身就具有压缩数据、保持时间序列基本形态的功能,并且具有一定的除噪能力.在时间序列模式表示的基础上提取异常值,可以大大提高算法的效率和准确性,达到事半功倍的效果.在本算法中,还使用了一定的剪枝策略,使得算法的时间复杂度进一步降低.该算法计算简单、实现方便、无须训练,可以支持时间序列的动态增长.     

基于GA优化RBF网络的焦炭质量模型

文章提出了一种基于遗传算法(GA)优化径向基函数(RBF)神经网络的焦炭质量预测模型。RBF网络存在两个关键问题：一是如何确定隐含层中心,而是如何调整网络权值。本文通过减聚类算法确定RBF网络基函数的中心数目,应用遗传算法对RBF网络权值进行优化。主要对焦炭的抗碎强度、耐磨强度、反应性指数和反应后强度使用GA优化RBF神经网络预测。结果表明该模型有较强适应性,同时能保证较高的预测精度,具有一定的实用价值。     

对某公司职工甲状腺异常状况的调查

目的 通过分析某公司操作X射线光谱仪工作人员甲状腺异常状况,探讨该公司工作人员甲状腺疾病与辐射的相关性,为辐射防护管理工作提供科学依据。方法 对该公司入货部门工作人员及其他部门工作人员进行体检,得出甲状腺异常的具体情况,调查入货部门工作人员最大吸收剂量及辐射病因概率(PC),并与国家诊断规范标准比较。结论 该公司入货检...     

基于S3C44B0嵌入式系统的SCCB设计与实现

随着现代图像采集技术的迅速发展,CMOS图像传感器正在得到越来越广的应用。但目前绝大多数控制器没有SCCB总线接口,给其应用带来一定的不足。在介绍OmniVision公司的CMOS图像传感器中的SCCB总线的规范及总线构成和数据传输形式特点后,并针对低成本、低功耗的要求以基于ARM 7内核的三星公司的S3C44B0X平台上利用通用I/O接口与CMOS图像传感器OV7660芯片为例,说明了SCCB总线在嵌入式系统中的软硬件设计实现方法。     

OFDM系统降低峰均比的研究

OFDM技术属于多载波调制技术,其传输速率高,对码间干扰和信道选择性衰落具有很强的抵抗能力等特点,因此对OFDM技术的研究具有很高的理论价值与实用价值。但OFDM技术也有其不可忽视的缺点即PAPR值比较高。对限幅滤波和选择性映射方法降低峰均比进行研究,通过对两种方法的组合改进形成新的降低峰均比的算法,在不破坏系统整体性能的基础上有效地降低OFDM系统的峰均比.     

基于QFD的制造业产品质量指数评价模型的研究

针对现阶段制造业产品质量指数评价指标体系不完善的弊端,引入质量功能展开的方法,以一种更全面考虑顾客需求的方法进行产品质量指数评价。该文通过市场调查确立了顾客需求,以QFD的形式确定了质量要素,并运用层次分析法确定各项要素权重,最终结合制造业的特点以及突破传统观念考虑企业自身发展对产品质量指数的影响构建质量屋,进而将这些质量要素作为制造业产品质量指数的评价指标。根据这些指标之间的相似性将其分为三大维度:符合性、适用性和发展性。通过结合顾客需求的新型指标的建立,完善了已有的不全面的质量指数评价指标体系,使评价结果更加准确可靠。     

地震预测的电磁探测仿真与分析

地震是自然灾害之一,对人类产生了严重的危害。各国都在致力于研究如何对地震进行有效预测,将其所带来的损失降到最小。本课题的研究工作是结合国内外地震预测的电磁探测研究现状,根据电磁层的变化规律,利用数据处理软件Matlab模拟电磁异常数据,并将数据可视化,转变成二维和三维的图像,再对图像实现小波去噪后,找到电磁异常的规律,以便得到电磁异常与地震发生的关系,形成对地震预测有所帮助的实验结果。     

利用可变循环求多元一次不定方程非负整数解

为快速、有效地求解多元一次不定方程的非负整数解集,通过反复实验,对传统求解方法进行了改进,提出了一种可变式循环遍历算法(VCE算法).该算法在传统循环算法的基础上,运用两个剪枝策略,大大提高了算法的运算效率,可以在较短时间内正确给出多元一次不定方程的非负整数解集.实验结果表明,该算法通用性较强,可用于求解任意元一次不定...     

基于S3C4480嵌入式系统的SCCB设计与实现

随着现代图像采集技术的迅速发展,CMOS图像传感器正在得到越来越广的应用。但目前绝大多数控制器没有SCCB总线接口,给其应用带来一定的不足。在介绍OmniVision公司的CMOS图像传感器中的SCCB总线的规范及总线构成和数据传输形式特点后,并针对低成本、低功耗的要求以基于ARM7内核的三星公司的S3C44BOX平台上利用通用I／O接口与CMOS图像传感器OV7660芯片为例,说明了SCCB总线在嵌入式系统中的软硬件设计实现方法。     

时间序列异常模式的k-均距异常因子检测

提出了一种基于k-均距异常因子检测时间序列异常模式的算法（K-MDOF）。该算法首先利用边缘权重因子提取时间序列模式表示的边缘点,然后通过提取每一段子模式的四个特征值：模式长度、模式高度、模式均值和标准差将时间序列映射到特征空间,最后利用k-均距异常因子在该特征空间中检测时间序列的异常模式。从模式的角度检测时间序列的异常行为弥补了点异常检测的个体行为局限性,提高了异常检测的效率和准确性,在仿真数据集和真实数据集上的实验结果都证明了在时间序列异常检测中模式异常定义的合理性以及算法的有效性。