一种基于变窗口的数据流连续查询方法

目前对数据流连续查询的研究工作大部分基于滑动窗口,窗口大小固定不变.本文从内存资源有限性与查询结果精确性角度出发,采用可变窗口技术,在缓存中加入窗口控制器,当数据到达缓存时,根据用户提出查询具体问题和数据流速情况,窗口分配算子对其进行窗口大小的划分.使得在内存资源有限的情况下,通过动态改变滑动窗口大小,充分利用系统资源,降低内存使用率的同时,使连续查询的查询结果都在允许的误差范围内,此方法经过验证是可行的.     

基于C-GRU的微博谣言事件检测方法

提出基于卷积-门控循环单元(convolution-gated recurrent unit, C-GRU)的微博谣言事件检测模型。结合卷积神经网络(convolutional neural networks, CNN)和门控循环单元(gated recurrent unit, GRU)的优点,将微博事件博文句向量化,通过CNN中的卷积层学习微博窗口的特征表示,将微博窗口特征按时间顺序拼接成窗口特征序列,将窗口特征序列输入GRU中学习序列特征表示进行谣言事件检测。在真实数据集上的试验结果表明,相比基于传统机器学习方法、CNN和GRU的谣言检测模型,该模型有更好的谣言识别能力。     

复杂事件处理的自适应制造情景识别方法

制造过程中的任务、自然条件、电力水平等环境因素,制约物体状态及其关系的变化.智能制造单元需要自适应的对不同情境约束下的事件和复杂情形及时理解判断,提出基于复杂事件处理(Complex event processing,CEP)的情境约束情景识别方法,以实时作出合理的优化决策.针对忽视情境约束对事件判别的影响,构建基于情境约束的多层次事件模型,给出同生、情境、协同等事件新算子,提出基于事件聚合的制造情景模型与演算过程.针对情景识别知识库中模式规则生成的不足,通过整合物体数据与环境数据建立映射关联,将感知信息转化为情境事件图谱.通过综合序数、名义变量等距离计算和自适应熵权法,提出改进的混合聚类方法处理事件图谱实例属性的多样性和关联性,构建知识库以为情景实时识别提供服务支持.运用4个真实数据集和1个制造过程仿真数据集进行实验,均验证本文模型和方法的有效性,适用于大规模学习问题,并阐明情境因素能显著提升复杂制造应用中的事件判断、情景识别的准确性.     

基于信息熵的复杂系统涌现量化方法研究

涌现性是复杂系统中的重要内容,传统研究缺乏对其定量描述。针对这一现状,提出了一种涌现定量度量方法。首先,在深入分析熵与涌现关系的基础上提出了基于信息熵的涌现度量流程;其次,采用Parzen窗方法对涌现定量度量中关键问题参数熵进行求解,并对如何应用到具体系统中进行了说明;最后,进行了仿真实验。结果证明该方法有效可行。     

基于数据筛选的无人机测绘数据异常检测

为降低无人机测绘数据异常检测的误检率、漏检率,缩短检测时间,文章提出一种基于数据筛选的无人机测绘数据异常检测方法。采用支持向量机对无人机测绘数据进行数据流分块、竖向规范化处理及时间切片处理等预处理;基于卷积神经网络分析数据确定数据潜在规律;采用无监督聚类算法对数据进行聚类,利用滑动窗口处理得到数据流簇心因子并进行聚类;根据判断标准对异常数据分块处理,确定是否存在异常因子;采用重叠累加值计算方法对异常数据点进行筛选,完成无人机测绘数据异常检测。实验结果表明:与传统卷积神经网络方法相比,采用该方法对异常数据检测,其误检率降低了约11%、漏检率降低约8.1%,并且检测时间缩短了11.3 min。     

一种分阶段复合的语义复杂事件检测机制

复杂事件处理（CEP）是目前用于事件流处理的最佳技术,为进一步提高CEP的检测能力,检出具有更高语义抽象层次的复杂事件.本文对现存的两类检测机制进行了有效融合,利用非逻辑检测机制对原子简单事件序列时序状态进行匹配,产生具有语义的事件,而后利用逻辑检测机制推理出含有高级概念含义的复杂事件.同时给出了能够实现该机制的系统结构模型,能够进行事件模式定义的类（Structured Query Language,SQL）声明式检测语言,以及系统各组成模块所采用的关键技术.最后针对天气预测场景的仿真实验结果表明,该方法能够实时高效的检测出语义目标事件,具有一定的可行性.     

基于机器阅读理解的事件检测方法

为提高事件检测任务的性能,将该任务重定义为一种提示范式,该范式使用问答对的形式将事件检测转化为机器阅读问题。同时,设计了一种名为WLBert-BiGRU的学习模型对问答对中的事件触发词进行预测,该模型使用Weight-Layers策略丰富Bert模型的语义表征能力,并使用双向门控循环单元神经网络（Bi-GRU）方法强化模型对事件触发词的识别能力。在ACE 2005数据集上的实验结果表明,本文方法在事件触发词识别和分类上的F1指标分别达到了78.1%和75.1%,较现有的工作平均提高了4.18%和4.3%。     

一种复杂背景下的运动目标检测方法

提出一种复杂背景下的运动目标检测方法．它根据背景运动情况下,像素与它领域之间的相关性对实行运动目标的检测,消除由于背景运动所造成的错误检测,并采用自适应背景更新方法,提高算法的稳定性和可靠性．通过实验验证,本算法对光照变化、背景运动、前景和背景互化有很强的适应能力．     

面向复杂条件的北斗/GNSS数据粗差处理方法

所有观测值中不可避免含有粗差,在具有高遮挡和强反射特性的峡谷环境以及多频多系统的复杂条件下,粗差问题尤为突出.因此研究面向复杂条件时的北斗/GNSS数据粗差的探测识别,以确保定位结果准确可靠.基于均值漂移和方差膨胀的粗差探测提出不同阈值的方案,利用实测数据进行粗差探测实验,分析面向复杂条件时的各方案粗差处理的效果.实验结果表明,基于均值漂移的小阈值(U_1/2α2(0,1))方案比无粗差处理方案的定位误差RMSE在E、N、U方向上分别改善了0.059m、0.017m和0.062m.基于方差膨胀的大迭代阈值(ω)结合小阈值(k₀、k₁)方案比无粗差处理方案的定位误差RMSE在E、N、U方向上分别改善了0.098m、0.055m和0.209m.结果表明,在复杂条件下基于均值漂移的小阈值(U_1/2α2(0,1))方案和基于方差膨胀的大迭代阈值(ω)结合小阈值(k₀、k₁)方案能够更好地探测和识别粗差.     

面向不平衡数据集的SMOTE-SVM交通事件检测算法

针对现实中交通正常运行状态远多于事件状态这一事实,提出了面向不平衡数据集的交通事件检测算法.运用SMOTE (Synthetic Minority Over-sampling Technique)算法重构训练集,使之平衡,以支持向量机(Support Vector Machine,SVM)作为分类器,对交通事件进行检测.使用美国I-880高速公路获取的交通数据进行算法的训练和性能测试.结果表明,基于SMOTE-SVM的交通事件自动检测(Automatic Incident Detection,AID)算法可以提高检测率,减少平均检测时间.     

一种用于RFID的数据编码方法

在无源RFID系统中，为使标签从来自阅读器的信号中获得更多的能量，提出一种新的数据编码方法，即改进的Manchester编码。它的主要改进之处在于在一个码元周期内增加了高电平的持续时间；它同时保留了易于同步和提取时钟的优点。但该编码在提高信号能量的同时，展宽了频谱。     

一种用于超高频射频识别的信号解调方法

在超高频RFID读写器的设计中,信号解调是设计的关键技术之一。该文基于正交解调技术,提出一种解调方法,并用硬件描述语言编程实现。该方法采用统一的硬件结构对ASK和PSK两种调制信号进行解调,有利于读写器的集成化和小型化。     

射频识别数据在电力线中传输方式的研究

通过分析射频识别设备的特征,结合电力线能传输电力载波信号的特点,设计一种信号传输的方式.该信号传输方式能将射频识别的信号,通过单片机系统进行转换,调制成电力载波信号,传输至电力线中.利用电力线,将数据传输至接收端.接收端对信号进行解调后,将数据传输到计算机监控中心.通过此方式可以对重大型设备进行实时监控,因而节约了设备维护监控成本.     

基于云存储技术的 RFID 标签数据校验与恢复

为对RFID标签数据进行更高效可靠的存储与管理,设计了一个基于云存储的RFID标签数据管理系统,并提出了一种基于Hash函数的数据完整性校验算法。该算法根据RFID标签数据的字段生成唯一的校验码来确认RFID标签中所存储的数据是否被损坏,在RFID标签数据损坏的情况下,便可即时通过网络从云存储系统中读取对应的RFID标签数据来对其数据进行恢复。     

面向大规模流数据的可扩展分布式实时处理方法

MapReduce是处理大规模数据集的常用技术,但不能满足大规模数据集中流数据实时计算的要求。对此提出一种面向大规模流数据的可扩展、分布式实时处理方法。该方法在Map阶段,建立基于内存Hash B+树的缓存结构对中间结果处理机制进行优化,以降低对中间结果的频繁读写造成的I/O消耗,同时消除对中间结果的排序,以降低对CPU的消耗;在Reduce阶段,设计基于动态增量Hash技术的快速内存处理方法,并消除对中间结果的多遍扫描合并,对流数据进行增量处理、单遍分析,以提高对流数据的实时分析能力。实验结果表明:上述方法可以对大规模流数据进行实时性处理,并且具有较好的可扩展性。     

数据流滑动窗口连接查询降载策略研究

主要研究了在有限内存条件下数据流滑动窗口的近似连接查询,即数据流滑动窗口连接查询的降载问题。通过对连接属性域的划分,根据数据元组的连接属性值在属性域中的数据分布来决定每个数据元组进入参加连接运算的滑动窗口的概率,给出了一种面向数据流滑动窗口连接查询的语义降载策略。与已有的语义降载策略相比,文中给出的降载策略所需的数据统计信息较少,连接运算的结果数据元组便于进一步进行其它查询处理,并且对于各种倾斜(skew)参数的数据分布和不同程度的系统超载都有较好的适应性。理论分析和实验结果表明,该降载策略对数据流滑动窗口连接查询的降载处理具有较高的有效性和实用性。     

数据仓库中的相似重复记录检测方法

针对检测和消除数据仓库中的相似重复记录问题,提出了数据仓库中的相似重复记录检测方法。该方法先通过等级法计算每个字段的权值;然后,按照分组思想,选择关键字段或字段某些位将大数据集分割成许多不相交的小数据集;最后,在各个小数据集中检测和消除相似重复记录,为避免漏查,再选择其他关键字段或字段某些位重复多次检测。理论分析和实验表明,该方法不仅具有好的检测精度,而且具有很好的时间效率,能够有效地解决大数据量的相似重复记录检测问题。     

基于SVM的复杂非线性黑箱系统在线辨识方法

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种新的具有很好泛化性能的回归方法,本文分析了采用神经网络方法进行非线性系统建模存在的缺点,并将SVM应用于复杂非线性黑箱系统模型的在线辨识当中,理论分析和实验证明,该方法学习速度快,跟踪性能好,泛化能力强,对样本的依赖程度低,比神经网络非线性系统建模具有更好的预测精度.     

不良数据识别发生误判和漏判时的处理

不良数据检测和辩识是电力系统状态估计中的一个重要环节，现有的不良数据辩识方法都存在误判和漏判的可能性，此时可以通过分析和干预，适当调整某些量测的权重来削弱不良数据对估计结果的影响，在非二次准则辩识法的基础上，研究如何清除误判和漏判，通过干预得到较理想状态估计结果的具体方法。     

基于改进WD的多分量Chirp信号瞬时频率估计方法

对Chirp信号的常用估计方法是Wigner分布峰值(Wigner Distribution Maxima,WDM)法,但在低信噪比情况下,Wigner分布(Wigner Distribution,WD)峰值往往偏离真实值造成瞬时频率(Instantaeous Frequenty,IF)估计误差大.文中提出了一种基于改进WD的多分量Chirp信号瞬时频率估计方法——Wignet Viterbi拟合法(Wigner Viterbi Fjtting,WDVF)法.该方法将信号的WD作为图像,运用Viterbi算法分离出多分量Chirp信号的各个信号分量,再估计出各个分量的瞬时频率.新方法的估计精度高,在低信噪比情况下性能明显优于WDM法,并且WDVF法能较好地抑制时频交叉项与边缘效应.仿真结果表明,在信噪比为-15～-8 dB时,与WDM法相比,WDVF法的瞬时频率估计均方误差能减少约50%,具有良好的工程应用价值.