MALL在中国的现状及其建筑设计要点

该文介绍了Mall的产生条件和国内发展概况，并结合实例分析，着重论述建筑设计方面的有关问题。     

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.     

化学学科环境教育应对策略

1与环境保护有关的个案教育 1.1酸雨 酸雨是指pH＜5.6的酸性降雨.酸雨中的酸主要是硫酸和硝酸.目前酸雨的酸度不断增加,范围日益广泛.据欧洲大气化学网近20年的连续观察,欧洲雨水酸度每年增加10%.     

安卓软件在工业自动化系统远程无线监测的应用

安卓软件在越来越多的领域发挥着重要的作用,例如,在工业自动化系统远程无线检测中就逐渐引入了安卓软件,取得了显著的效果。本文首先介绍了安卓软件的设计开发,包括安卓软件的概念、特点等,其次介绍了安卓软件在工业自动化系统远程无线监测中的具体应用方向,最后,指出安卓软件在工业自动化系统远程无线监测中具有重要的实践意义。     

一种改进的快速聚类算法GLDBSCAN

本文在基于局部密度的空间聚类算法LDBSCAN的基础上提出了一种基于网格和SP-Tree的快速聚类算法GLDBSCAN。改进算法设计了一种新的对数据空间进行划分的网格划分方法,并采用空间索引SP-Tree来组织网格结构。算法同时提出用网格中心对象来代表网格包含的对象集合进行聚类,从而降低聚类时间和I/O消耗,实现快速聚类。实验结果表明,GLDBSCAN算法在不降低LDBSCAN聚类质量的前提下,大大提高了聚类的效率,并且能有效地对大规模数据集进行聚类。     

基于多维时间序列挖掘的降雨天气模型研究

为研究降雨天气中降雨量和相关气象要素的关系,找出降雨前后相关气象要素的变化规律,提出了多维时间序列数据挖掘模型.该模型首先对气象要素时间序列进行维度选择预处理,剔除不相关及冗余维度,然后运用提出的极值斜率分段线性拟合法对时间序列进行分段、数据压缩及特征值提取,最后使用k-means聚类算法对处理后的多维序列进行符号化,利用规则提取得到降雨天气模型.实验结果表明了该模型具有较好的实用价值.     

变压器漏磁热损的光纤Bragg光栅检测与温升特性分析

变压器的漏磁场强度随着变压器容量的增大而增大,漏磁场强度越大在变压器各结构中引起的漏磁损耗越大,导致变压器运行效率低下,进而影响变压器的正常运行。对35 kV变压器进行试验,将漏磁产生最大处的温度与油箱产生顶端处的温度进行了对比,试验得出当开风机时该处与油箱顶端处的最高温度差为8.7℃、当负荷降至1倍功率时温差为2.9℃,它们的实时温度曲线图与变压器的运行一致,产生了局部温升的现象。通过光纤Bragg光栅（ FBG）检测温度的变化反映变压器漏磁的情况,从而实现了对变压器漏磁的实时在线监测。     

风冷变压器油温的动态影响分析

根据油流自下而上循环的特点,将三只光纤Bragg光栅(FBG)温度传感器A,B,C安装在油箱内固定支架的三个位置处,分别用来测量变压器的顶、中、底层油温.光栅中心波长随温度变化而变化,通过FBG中心波长的变化量可实现对油温变化的测量.实验得出变压器的顶、中、底层最高油温分别为73,66.5,52.2℃,打开风机后依次经14,5,3min后开始降温,对应的降温时间常数为4364,3236,1527 s,约25 min后温度稳定在64,52,45℃.分析表明:开风扇后顶、中、底层油温降低存在依次减小的延时,且降温速率依次增高.     

基于骨架特征点的三维模型聚类

针对三维模型聚类问题,提出一种基于骨架特征点的三维模型聚类算法.该算法首先对三维模型的二维投影图进行预处理,然后对投影图进行二级分解,提取小波分解后投影图的骨架特征点,并采用质心距离将其序列化.针对骨架特征序列非等长问题,采用基于DTW度量的K-medoids聚类算法进行聚类.最后在PSB数据集上进行实验,结果表明,该方法能够得到较好的聚类效果,对处于各个姿态的三维模型进行有效地聚类.     

基于三角不等式原理的TTSAS聚类加速算法

顺序聚类算法是一种非常直接和快速的算法，并且不需要提前确定聚类个数。但是当处理海量数据时，时间效率仍然有待提高。TTSAS算法是两个阈值的顺序聚类算法，在此基础上，该文应用三角不等式原理提出了TI_TTSAS算法，该算法避免了冗余的距离计算，实验结果证明，相对于TTSAS算法，TI_TTSAS在速度上有很大程度的提高，数据规模越大，改进效果越明显。并且聚类效果保持了TTSAS算法的准确性。