一种针对数据尾数误差的调整算法

介绍了一种针对软件开发过程中因数据处理不当,导致尾数误差的调整算法.由一个实际的问题引出了该算法的基本公式,并给出了算法的具体描述.实践证明,该算法对解决类似的问题具有通用性.     

基于链表遍历模式的TCPN映射算法研究

对业务流程的建模分析是建立在工作流网的理论模型上的,因此需要合适的算法将建模工具中用户建立的有向图映射到工作流网.针对经典Petri网的一些固有缺陷,对其在颜色、时间上进行了扩展,给出了赋时着色Petri网定义,并提出了一种基于链表遍历方式的业务流程到工作流网的映射算法.重点研究了工作流模型基本控制结构的映射规则及其相关证明,并给出了该算法的具体实例.     

一种有效的GIS缓冲区生成算法

缓冲区分析是地理信息系统重要的空间分析功能之一。文章通过运用旋转点变换公式和递归方法,对缓冲区双线圆弧矢量生成算法作了进一步改进,简化了平行线生成和尖锐角光滑校正过程,很好地解决了缓冲区边线的自相交问题。另外,对单侧线缓冲区、复杂面要素缓冲区的生成以及缓冲区重叠合并问题,均给出了具体的解决方案,形成了一套完整的快速高效的缓冲区矢量生成算法,并结合实例给出了算法的具体实现步骤。     

空间模型碰撞检测的向量符号分析方法与实现

用向量分析的方法从理论上对空间模型相互关系进行了探讨，定义了若干运算因子和表达公式，对３维物体模型间的相互碰撞检测问题进行了较深入的剖析，在此基础上给出了具体的算法。实验证明了本文算法的正确性和有效性。     

用有向图法解决公式循环依赖问题

用户使用报表系统时，在自定义的公式集合中可能存在公式循环依赖问题，用一种有效的方法发现这一隐藏错误是设计报表系统的一项关键技术。研究了用有向图法解决报表系统中的公式循环依赖问题，提出了报表系统中的公式循环依赖问题；引用有向图和集合论上的关系等概念对公式循环依赖进行了形式定义，证明了公式循环依赖的判定方法；给出了公式依赖关系图的构造算法和用有向图法解决公式循环依赖的算法。     

用自调整S函数提高神经网络BP算法

学习算法是BP前馈神经网络研究中的核心问题。文中阐述了几种重要的BP算法的改进算法，提出了一种新的学习算法，即自动调整S型函数形状的算法，从理论上证明了此方法在一定前提条件下的可行性，给出了进行S型函数形状自动调整的公式。仿真实验证明了新学习算法用于非线性系统建模时的有效性。     

一种基于本体的个性化模式库建模方法

搜索引擎的"千人一面"为人们信息检索时带来了很大的烦恼,个性化模式库技术的引入解决了这个问题,使得搜索引擎能够很好地满足人们的个性化、智能化需求.提出一种基于本体的个性化模式库建模方法,通过树图和空间图相结合的方法来建模,在空间图中建立本体节点,并引入区间值模糊集理论,同时给出相关定义和公式,在对该方法进行理论分析的基础上,设计了一个实现算法.这种建模方法对改进传统树形建模的不足有一定益处,更利于建立、使用和完善用户个性化模式.理论分析证明,该算法具有正确性、有效性并且复杂性低的特点.     

天波超视距雷达的坐标变换

传统超视距跟踪算法多在雷达坐标系下实现。为了避免加入独立的坐标配准算法,严格推导了天波超视距雷达坐标系与地理坐标系之间复杂的非线性坐标变换关系,得出了相应的变换公式,以直接得到目标在地理坐标系下的状态估计。比较发现,目前公开的雅可比矩阵存在两处错误,最后给出了计算机仿真证明,仿真结果表明我们推导的公式是正确的。对于发现的错误给出更正说明。给出的坐标变换法可与相应的跟踪算法结合,得到独立的地理坐标系下的天波超视距雷达跟踪算法。     

移动界程模型检测

首次将嵌套谓词等式系应用到带递归的谓词界程逻辑模型检测中,提出了第1个时间复杂性与逻辑公式的交错嵌套深度呈指数关系的局部模型检测算法,这也是目前已知的第2个带递归的谓词界程逻辑模型检测算法.所做的工作有:①讨论了谓词界程逻辑公式与嵌套谓词等式系间语义的等价性,给出了谓词界程逻辑公式转换成嵌套谓词等式系的方法;②讨论了谓词界程逻辑模型检测问题,给出了具体算法,并分析了算法的复杂性.     

6 自由度模拟卫星静压气浮轴承数值计算方法

针对失重模拟实验中常用的两种静压气浮轴承,推导了保角变换下的气孔直径公式和流量及承载能力 公式,研究了有限元建模及求解方法,并给出了具体实例以进行验证．基于平面和球面的静压气浮轴承设计了一种 6 自由度模拟卫星．试验结果表明,两种静压气浮轴承都满足了总体的技术指标要求．     

基于EAI的税务数据交换平台的建立

介绍了EAI集成数据级、消息级和过程级3种集成模式,分析了基于广域网数据集成和交换平台建设必须满足的技术要求,提出自动数据抽取、数据同步等7个技术标准,通过对InfoEAI体系结构、功能特征和集成模式进行重点分析,确定InfoEAI能实现各应用系统的数据抽取、转换、过滤以及数据交换和路由功能,满足数据交换中心建设要求。结合数据处理和监控分析系统建设,利用InfoEAI构建了全省数据交换中心,实现了多个应用系统信息资源的有效整合。     

Automatic recommendation of classification algorithms based on data set characteristics

Choosing appropriate classification algorithms for a given data set is very important and useful in practice but also is full of challenges. In this paper, a method of recommending classification algorithms is proposed. Firstly the feature vectors of data sets are extracted using a novel method and the performance of classification algorithms on the data sets is evaluated. Then the feature vector of a new data set is extracted, and its k nearest data sets are identified. Afterwards, the classification algorithms of the nearest data sets are recommended to the new data set. The proposed data set feature extraction method uses structural and statistical information to characterize data sets, which is quite different from the existing methods. To evaluate the performance of the proposed classification algorithm recommendation method and the data set feature extraction method, extensive experiments with the 17 different types of classification algorithms, the three different types of data set characterization methods and all possible numbers of the nearest data sets are conducted upon the 84 publicly available UCI data sets. The results indicate that the proposed method is effective and can be used in practice.     

基于深度学习的高维稀疏数据组合推荐算法

传统方法在对高维稀疏数据进行检测的过程中,受到高维特征扰动的影响,数据误差较大,因此提出一种基于深度学习的高维稀疏数据组合推荐算法。采用相空间重构方法进行高维稀疏数据的特征重构,根据重构结果结合非线性统计序列分析方法进行高维稀疏数据的回归分析和点云结构重组,在此基础上提取高维稀疏数据的组合特征量;依据特征量提取结果采用特征提取技术抽取高维稀疏数据的平均互信息特征量,并结合关联规则挖掘方法进行高维稀疏数据的主成分分析,挖掘高维稀疏数据的相似度属性类别成分,最终采用深度学习方法进行高维稀疏数据组合推荐过程中的自适应寻优,实现高维稀疏数据的组合推荐。仿真结果表明,采用该算法进行高维稀疏数据推荐的属性归类辨识性较好,特征分辨能力较强,提高了数据的检测和识别能力。     

Process data compression based on recursive identification of nonuniformly sampled systems

A recursive identification method is proposed to obtain continuous-time state-space models in systems with nonuniformly sampled (NUS) data.Due to the nonuniform sampling feature,the time interval from ...     

无线传感器网络簇内实时数据融合研究

现有的无线传感器网络数据融合技术存在数据延迟和数据正确性两方面的问题。针对该问题设计一种基于簇内实时数据融合的方法．该方法首先通过量化计算将数据划分为紧急数据和非紧急数据并作标记,将紧急数据迅速融合传给用户以提高实时性。在融合过程中引入传感器测量修正并结合关系矩阵法对数据进行相应的融合处理．然后对融合结果进行分析并进行反馈调整。仿真实验结果表明．该方法能够提高簇内实时数据融合正确性并且降低数据延迟．     

积分法动态数据校正技术的研究

基于积分法的动态数据校正具有简单、快速和适于在线应用的优点。本文对积分法动态数据校正技术的原理及其应用方法进行了研究。研究结果表明,该方法不要求有状态空间模型,能够充分利用整个时间轴的时间冗余信息;但积分法中的区间长度对其校正精度有影响,因此,采用该方法进行校正时应首先确定适宜的区间长度。将积分法应用于常减压炼油装置拟稳态过程的数据校正,计算结果表明该方法的计算精度高于稳态数据校正。     

基于小波变换的雷达测量数据分析

通过对信号奇异性、小波方法检测信号奇异点原理的探讨，研究了小波对数据信号奇异点的识别与处理方法，得出了用于雷达数据奇异点检测的小波函数的选取原则．通过某次卫星发射任务雷达测量数据的奇异性分析，准确地判定了雷达跟踪测量的数据丢失点和重新捕获点，达到了数据奇异性点准确定位和分析其奇异性类型的目的．     

A novel anonymization algorithm: Privacy protection and knowledge preservation

In data mining and knowledge discovery, there are two conflicting goals: privacy protection and knowledge preservation. On the one hand, we anonymize data to protect privacy; on the other hand, we allow miners to discover useful knowledge from anonymized data. In this paper, we present an anonymization method which provides both privacy protection and knowledge preservation. Unlike most anonymization methods, where data are generalized or permuted, our method anonymizes data by randomly breaking links among attribute values in records. By data randomization, our method maintains statistical relations among data to preserve knowledge, whereas in most anonymization methods, knowledge is lost. Thus the data anonymized by our method maintains useful knowledge for statistical study. Furthermore, we propose an enhanced algorithm for extra privacy protection to tackle the situation where the user’s prior knowledge of original data may cause privacy leakage. The privacy levels and the accuracy of knowledge preservation of our method, along with their relations to the parameters in the method are analyzed. Experiment results demonstrate that our method is effective on both privacy protection and knowledge preservation comparing with existing methods.     

一种用于数据校正的最小二乘与准最小二乘组合方法

过程系统的控制与优化要求可靠的过程数据。通过测量得到的过程数据含有随机误差和过失误差,采用数据校正技术可有效地减小过程测量数据的误差,从而提高过程控制与优化的准确性。针对传统基于最小二乘的数据校正方法:和基于准最小二乘的鲁棒数据校正方法:,分析了它们的优缺点,并提出了一种最小二乘与准最小二乘组合方法:。该方法:先采用准最小二乘估计器检测过失误差并剔除,然后再采用最小二乘估计器进行数据校正,可以综合前两种方法:各自的优点,使得数据校正结果:更加准确。将提出最小二乘与准最小二乘组合方法:应用于线性与非线性系统的数据校正中,通过校正结果:的比较说明此方法:的具有较好的过失误差检测能力和较准确的数据校正结果:。最后将此方法:应用于实际过程系统空气分离流程的数据校正中,结果:说明了此方法:的有效性。     

一种电力感知数据的离群点检测方案

鉴于离群点引发的数据质量问题给电力应用造成的不良影响,对电力感知数据的特征进行了分析,并基于电力感知数据的时间特征和异常检测技术的易用性需求,提出一种电力感知数据的离群点检测方案。该方案由异常检测服务框架和离群点检测方法构成。异常检测服务框架借鉴Web服务的思想,基于大数据技术,能够支持电力感知数据的存储和计算,并且以服务的形式提供电力感知数据的异常检测能力。离群点检测方法是基于聚类算法和考虑时间属性的数据分段方法来检测电力感知数据中的离群点异常。通过实验验证了该方法的可行性和有效性,结果表明该方法能够有效识别具有时间相关性和连续性的电力感知数据中存在的离群点,且在数据规模增大时,具有良好的并行性和可扩展性。