HSMA：面向物联网异构数据的模式分层匹配算法

随着物联网技术的快速发展,万物互联已经成为必然趋势.物联网技术涉及智能家居、智慧交通等多个领域,使得人们能够随时随地地连接任何人或者设备.然而目前大多数物联网异构数据是孤立的存储,阻碍了万物互联的步伐.数据模式匹配被广泛应用于数据互联并且能够较好地解决以上问题.由于海量物联网数据的异构性以及高增长性,目前的模式匹配方式人工参与度高,与实际应用的契合度低,难以解决物联网新环境下的模式自动匹配问题.提出了一种面向物联网异构数据的模式分层匹配算法,构建3层映射匹配：特征分类匹配、关系特征聚类匹配和混合元素匹配.该算法通过逐层匹配,不断缩小匹配空间,从而提高了匹配质量,减少了元素间匹配次数和人工参与度,较好地实现了自动模式匹配.运用大量数据样本来检验算法的效率和性能,结果证明该算法可行有效.     

多目标遗传算法反演对流层大气温湿廓线研究

针对地基微波辐射计反演对流层大气温湿廓线完全依赖于历史数据的问题,设计了一种新的反演算法和流程。在对历史探空数据的统计分析基础上,得到各层大气温湿参数经验范围。从经验库中随机构造一条大气温湿廓线作为初值,基于大气微波辐射传输模式MonoRTM模型,计算模拟亮温。比较计算值与实测亮温的接近程度,通过更新初值,不断迭代计算,逐步筛选出可行解,并通过设定大气温湿垂直递减率等约束条件,从可行解中约束出帕累托前沿。采用皮尔逊系数加权平均的方法,从帕累托前沿中得到全局满意解。研究结果表明,新建立的基于多目标遗传算法的不完全依赖于历史数据的对流层大气温湿廓线反演模型,有较好的自适应能力和鲁棒性,反演精度高。该模型可以满足微波辐射计在历史气象资料积累匮乏地区的使用需求。     

基于冗余分析的特征选择算法

针对冗余特征判定难题,分析了特征和特征之间的相关性以及特征和目标值之间相关性的联系,给出了判定冗余特征的准则,在此基础上给出了近似冗余特征的定义,并提出了一种基于冗余分析的特征选择算法.算法分2步去除无关特征和冗余特征.实验结果表明,所提出的特征选择算法能有效降低特征维数,提高预测准确率.