基于趋势的时间序列相似性度量和聚类研究

由于时间序列的长度很大,并且不确定时间序列在每个采样点的取值具有不确定性,导致时间序列在相似性匹配和聚类挖掘中时间复杂度很高,为了解决该问题,提出了基于趋势的时间序列相似性度量方法和聚类方法.其中基于趋势的相似性度量方法根据时间序列的整体变化趋势,将时间序列映射为短的趋势符号序列,并利用各趋势的一阶连接性指数和塔尼莫特系数完成相似性度量;基于趋势的聚类方法通过定义趋势高度,并对趋势符号序列迭代进行区间划分和趋势判断,并以此构建趋势树,最后将趋势树根节点中趋势符号相同的序列聚集为一类.实验结果表明:a)五种趋势符号的一阶连接性指数可唯一地表示一条时间序列;b)基于趋势的相似性度量方法在多项式时间内可有效完成时间序列的相似性匹配;c)基于趋势的聚类方法将序列的相似性度量和聚类过程集中在一起,聚类效果显著.     

美国脂松香市场的分析与预测

对美国脂松香的生产、消耗、进出口贸易市场进行了研究分析,采用SAS软件中的ARIMA过程,对美国脂松香的出口、进口和消耗量进行了计算、建模和预测。研究表明,由于经济结构、人口和资源变化的影响,美国脂松香的产量已经很小;美国脂松香的出口和消耗主要依赖进口;年出口和消耗量相对稳定维持在2.1～2.2万t左右;当年进口量与前一两年的进口量呈负相关。通过上述分析阐述了我国近年来脂松香出口价格下降的原因及对策。     

台风暴雨影响区域的溃坝洪水演进数值计算

针对东南沿海受台风暴雨影响流域中下游地势较低洼开阔,在台风暴雨过程中容易积水,存在大面积初始水深,出现较严重内涝的特点,建立考虑下游区域初始内涝水深的二维溃坝洪水演进数值模型.基于数字高程模型(DEM)的地形数据和矩形网格,采用有限体积法和逼近黎曼格式及逆风守恒格式求解方程,并以戌浦江流域为典型,重点分析该流域存在内涝时上游水库发生溃坝的洪水演进特点.结果表明,溃坝洪水受下游初始淹没水深的顶托,下游区域的淹没水深并不是初始淹没水深和不考虑初始淹没水深溃坝计算所得水深的简单叠加,越往下游初始淹没水深对计算结果的影响越大;如果在计算中不考虑初始淹没水深,将会明显错误地估计洪水所带来的灾害风险.     

道路网络中移动对象的连续反k最近邻查询算法

在道路网络中,对象的位置和运动被约束在网络中,对象之间的距离不是传统的欧氏距离,而是由网络连通性决定的网络距离,基于欧氏空间的反k最近邻查询算法不适用于道路网络。为了解决道路网络中移动对象连续的反k最近邻查询问题,给出了道路网络的一种索引结构及一种利用扩展树处理查询的方法,在此基础上,提出了道路网络中适用与单、双色连续反k最近邻查询算法（CRkNNMA算法）,证明了该算法的正确性。     

基于最大叶子子树优先策略的多敏感属性保护方法

首先将多敏感属性隐私保护问题转化为多敏感属性L-多样性问题,然后给出了多敏感属性树构造方法及最大叶子子树优先策略,在此基础上提出了一个多敏感属性保护算法。最后,通过实验对算法进行了验证和分析。结果表明,该方法能有效地保护数据隐私,减少信息泄露。     

基于高阶谱的混凝土材料断裂声发射特征提取

针对混凝土受载时声发射信号的非高斯特性,提出了一种基于高阶谱技术的声发射信号特征提取的新方法。通过对声发射信号的双谱分析,提取了不同载荷阶段下信号的非高斯特征。以信号双谱幅值的平均值作为特征值,对不同载荷下信号偏离高斯分布的程度进行了定量分析,并讨论了不同载荷强度的混凝土声发射信号的双谱特性及非高斯特征。实验结果表明,提取的特征值反映了信号偏离高斯分布的程度,据此可以作为混凝土受载时断裂临界点的判据。通过与声发射事件等常规参数的比较,可以发现高阶谱参数具有更好的敏感性。     

基于经验特征函数的盲源信号分离法及应用

从盲源信号分离后非高斯性最大化出发,提出了一种基于经验特征函数的盲源信号分离方法.该方法把经验特征函数与概率密度函数一一对应,并以混合信号与高斯信号的经验特征函数的欧氏距离最大化作为判据,以固定点算法为优化算法进行盲源分离.该方法克服了FastICA算法中选取不同的近似函数对不同概率密度分布的信号效果不佳的问题.仿真实验结果表明,与常用的几种FastICA算法相比,该方法具有更好的收敛效果.采用新的盲源信号分离方法对管道破坏产生的实际声发射信号进行分离,可将破坏点互相关定位精度提高到3%以上.     

面向数据的流程实现中不同层的服务匹配

在逻辑模型向物理模型转换的过程中,逻辑层与物理层间存在服务匹配问题.为此,提出一种基于语义相似度的逻辑层与物理层服务匹配方法,解决以数据为中心的流程实现过程中不同层间的服务匹配问题.在匹配过程中引入服务接口间的3种依赖关系,以提高匹配的准确率和召回率.实验验证了该方法的有效性.     

基于映射的ArtiFlow向BPEL的转换方法

以业务流程执行语言(BPEL)为物理模型,通过ArtiFlow中库与BPEL中服务间的映射和ArtiFlow中服务与BPEL中服务间的映射选取物理模型中所用的服务,利用ArtiFlow中元素的关联信息建立物理模型中服务间的调用关系,由此实现ArtiFlow向BPEL的自动转换。实验结果证明了该转换方法的有效性。