基于相关规则余弦值分类的改进型平行坐标可视化分析

针对传统平行坐标只关注原始数据特征和分布情况的缺点,在平行坐标的基础上,提出了一种多维数据的基于相关规则余弦值的分类方法.该方法通过计算多维数据属性的支持度和余弦值,然后定义贡献度,根据构建的贡献度平行坐标对该数据集进行可视化数据分析以及对未知数据进行分类,从而获取数据中潜藏的有用信息.将该方法用于分析一个Pima印第安人糖尿病数据集,结果表明:利用贡献度平行坐标图表可以清楚地看出每个属性对最终分类结果的影响程度,得到比较满意的分类效果.     

面向复杂智能制造的多维时空建模方法与应用

为了解决复杂智能制造流程、技术和系统的综合建模问题,提出多维时空建模方法和基础建模元素,包括坐标矩阵、伴随矩阵、伴随关系、伴随指数、扩展矩阵、影子矩阵、属性矩阵、N方矩阵、关联定参法则、关联参数转化法则,在此基础上提出面向智能制造抽象过程和结构的类簇、类、对象,提出面向智能制造具体过程和结构的智能制造数据优化、智能制造信息无损压缩和有损压缩、智能制造数据清洗、智能制造反求和逆向工程,进一步提出带有时空耦合、时空反馈的智能制造复杂结构软硬件的逻辑和空间结构建模方法,带有矛盾流程和矛盾结构、模糊流程和模糊结构及带有时间和条件约束的复杂时序数据和管理流程的综合建模方法.实现了对具有多个组件、多个模块、多个制造设备、多个制造流程、多种制造材料、多种制造工艺的复杂构件和大规模软件进行实例逻辑建模和实例空间结构建模.最后通过对亚萨合莱智能概念锁和钥匙的复杂智能制造流程、功能、原理进行综合建模和反求,说明面向复杂智能制造的多维时空建模方法具有有效性、实用性和功能性.     

基于同步令牌的视图同步技术研究

在协同产品开发过程中，视图同步是进行同步协同的重要实现手段，其应用模式和实现机制对产品协同开发效率影响巨大。针对一般视图同步模式过于严格的限制，从空间、时间、人员、内容等4个方面分析了对严格视图同步的放松，提出了基于同步令牌的柔性视图同步方法。将协同用户分类为主持人、参与者和旁观者，用户在协同过程中可以处于开放或者私有状态，可以在视图同步操作中扮演发起者或接受者的角色。定义了同步令牌及其操作；从视图同步的方向和时效性方面对其进行分类，给出了4个基于同步令牌的视图同步操作及其操作权限。比较了该方法与现实世界会议中的类似概念。开发了原型系统来验证所提出方法的实用性。     

面向高速公路服务区流量预测的动态时空图神经网络

准确地预测驶入高速公路服务区的车流量有助于提升服务区智能化管理的效率。由于流量数据自身的动态性和路网拓扑结构等因素的影响,流量数据中存在复杂的时空相关性。为捕获流量序列中复杂的时空相关性,实现准确地驶入服务区流量预测,提出一种动态时空图神经网络模型。该模型使用感知趋势性变化的多头注意力模块捕获流量数据在时间维度的动态性,通过空间动态图卷积模块捕获驶入服务区的车流量与路网中其他断面流量的动态相关性和空间异质性。基于时空位置嵌入表示,考虑了流量数据在时间维度的顺序性和空间维度的静态属性。模型基于编码器-解码器结构,通过反向传播实现端到端的训练。最后,基于真实高速路网数据的实验说明了提出方法的有效性。     

采煤数据仓库的设计与实现

数据仓库是煤矿企业生产经营决策支持系统的重要组成部分.文章介绍了一个采煤数据仓库系统,给出了多维模型、数据转换与加载、物化视图以及模式维护等关键问题上的设计思想和实现方法.     

一种不同的基于数据分区的并行构建密度树聚类算法（PCDTC）

传统的聚类算法在全空间下的聚类过程倾向于输出单一的聚类结果,高维数据在不同的子空问多视图下往往呈现不同的数据结构.文中引入空间的正交化方法实现在不同子空间上的并行化,构建密度树聚类,以提供对数据集在多维子空间视图下聚类结果的多样性观测,通过F-measure值引导用户确定不同子空间中感兴趣的聚类结果.真实数据集上的实现结果证明了上述方法的有效性.     

基于平行坐标的信息可视化方法的应用研究

基于平行坐标和聚类理论,通过采用数学模型定义平行坐标,使用编程工具建立平行坐标系统,解决了如何显示多维数据集的问题,结合系统聚类法,解决了平行坐标维数过多或数据量过大时,平行坐标屏幕限制、折线重叠、不易于发现各维问的隐含关系等问题,达到用可视化方法协助医生分析客户的健康状况分布,及其健康发展趋势的目的．     

一种多视图深度融合的连续性缺失补全方法

针对现有连续性缺失补全方法的不足,建立了一种多视图深度融合的连续性缺失补全方法。该方法采用反转距离加权插值、双向简单指数平滑、用户协同过滤、能量扩散协同过滤及文本嵌套的方法,分别得到时空和语义缺失数据补全中间结果;构造了神经网络模型融合跨时空和语义视图中的互补异构信息,完成连续性缺失补全。实验表明,该方法补全连续性缺失不但效率高,而且比时空多视图补全在平均绝对误差与平均相对误差上分别降低7%和22%,具备普适性且适用于相关时空连续性缺失序列补全领域。     

基于TDRI的多视图关联DNS流量可视分析

针对现有DNS流量分析方法受大规模网络中大数据量限制的问题,及可视分析方法还未应用到DNS流量分析中的现状,提出了一种TDRI(trend to domain and request information)DNS流量分析模型,并采用DNS流量分析模型和网络安全及大数据可视分析方法相结合的方式,设计并实现了基于TDRI DNS流量分析模型的多视图关联DNS流量可视分析系统。首先,对复杂大规模真实网络中长期、大量DNS流量数据进行观测和描述性分析。然后,从DNS服务中域名请求者、域名及域名访问3个基本要素的角度抽象并提出一种包含DNS流量特征值时序变化趋势、请求域名及域名访问情况的DNS流量分析模型。最后,以提出的DNS流量分析模型为指导,设计了包括数据选择和关联交互视图的DNS流量可视分析系统,支撑问题分析为驱动的DNS流量数据分析过程。将基于TDRI的多视图关联DNS流量可视分析系统应用于校园网真实环境,帮助分析者从DNS流量中发现了网络中的恶意访问行为以及针对DNS的恶意行为。实验结果表明,本文提出的分析方法可提高大规模网络环境下DNS流量分析效率,分析出DNS流量中表现出的恶意行为,为DNS安全稳定运行提供了保障。     

深度学习在时空序列预测中的应用综述

对深度学习模型应用于时空序列预测的最新进展进行总结.首先介绍时空序列数据的属性及类型,并进行相应的实例化与表示.接着针对时空序列数据存在的3个问题分别提出相应的数据预处理方法,对基于传统参数模型、传统机器学习模型以及深度学习模型的时空序列预测方法逐一阐述并对比分析,为研究者选择模型提供指导,之后总结深度学习模型在不同领域内对时空序列预测的应用.最后指出当前研究的不足以及时空序列预测进一步的研究方向.