基于混合生物地理学优化的聚类算法

聚类分析是数据挖掘的重要任务之一,而具有易早熟与收敛速度慢等缺陷的传统生物地理优化算法(Biogeography-Based Optimization, BBO)很难满足具有NP(Non-deterministic Polynomial)性质的复杂聚类问题需求,于是提出了一种基于混合生物地理学优化的聚类算法(Mixed Biogeography-Based Optimization, MBBO),该算法构造了一个基于梯度下降局部最优贪心搜索的新迁移算子,以聚类目标函数值作为个体适应度进行数据集内隐簇结构寻优。通过在4个标准数据集(Iris、Wine、Glass与Diabetes)的实验,结果表明MBBO算法相对于传统的优化算法具有更好的优化能力和收敛度,能发现更高质量的簇结构模式。     

水旱灾害风险评估方法体系及其实证研究

针对水旱灾害系统的不确定性,从系统论角度提出了水旱灾害致灾因子的危险性、承灾体的暴露、灾损敏感性和防灾减灾能力这4个子系统组成的水旱灾害风险系统及其定量表征。从方法论角度,提出了由水旱灾害危险性分析评估、脆弱性分析评估、损失风险分析评估、风险评价、风险决策分析这5类方法组成的水旱灾害风险评估方法体系,并归纳分析本文作者以往的实证研究。结果表明该方法体系具有通用性和有效性,在自然灾害风险评估中具有参考应用价值;今后亟须进一步解析该方法体系的物理成因机制,进一步丰富、发展、完善这些水旱灾害风险评估方法,特别是基于水旱灾害损失风险形成过程的损失风险曲线评估方法。     

淮北平原主要农作物涝渍灾害 损失评估研究

针对淮北平原除涝减灾综合治理与规划中缺乏主要农作物受涝损失调查与评估基础资料的实 际问题,于2010年9月初区域降雨成灾之际,对受涝区进行主要农作物受涝经济损失调查。依据实 地调研成果,通过综合统计分析推求了不同耕地类型不同暴雨强度下的受涝损失率,在此基础上实现 了对淮北平原受涝经济损失的合理评估。     

邹城市农田水利建设存在问题及建议

一、基本情况 邹城市位于山东省南部,沂蒙山区西部边缘,属暖温带大陆性季风气候区,多年平均降水量700mm,年内、年际变化较大,旱涝灾害频繁。全市总面积1613km^2,辖13个镇、3个街道办事处、892个村居,总人口115万。目前,全市共建成各类农田水利设施2万余处,其中大型水库1座,     

RFID与影像地图技术在光缆线路维护管理中的应用

通过对光缆线路维护管理现状的分析,探讨了实现光缆线路维护管理信息化的技术和方法,对其中的SOA架构、RIA技术和地理信息系统的应用做了详细的论述．同时也对光缆线路维护管理信息系统设计与实现中的RFID设备信息自动读取方法、影像地图技术实现做了具体的描述。     

基于粒子群优化算法的无人机航迹规划

无人机作为侦察和作战的重要手段,重要的是保证侦察目标的准确性,对任务/航迹规划系统是无人机实现自主飞行和自主攻击的关键技术。在给出无人机航迹规划问题描述的基础上,提出一种基于粒子群优化算法的无人机航迹规划方法,利用粒子群优化算法,将约束条件和搜索算法相结合,从而有效减小搜索空间,得到一条全局最优路径并进行仿真。仿真结果表明,规划方法能够快速有效地完成规划任务,获得满意的航迹,满足无人机作战要求,具有重要的现实意义。     

嵌入式机器视觉实时定位与测量的方法

本文提出了一种嵌入式机器视觉实时定位与测量相结合的测控方法。根据视觉测控系统中的定位与测量问题,利用点集、Hough变换和最小二乘等方法,解决了图像处理理论算法运算量大、工业检测实时性与准确性低等问题。测试结果表明,该方法检测工件的准确性高(基于公差),检测时间≤2.0ms/次。     

基于属性相关和时间约束的PrefixSpan算法

针对计算机入侵检测中网络安全审计数据的特点,提出一个改进的PrefixSpan算法,引入时间约束和属性相关的特征指导挖掘,应用M矩阵和Apriori特性减少投影数据库的数量,并缩减投影数据库规模,提高了序列模式挖掘的效率和有用性。通过检测一个网络审计记录的实验,进行结果分析。     

基于.NET的挖掘机实时监测系统设计与实现

介绍了如何基于.NET实现对挖掘机的实时监控.该实时监控系统基于MVC模式和B/S模式.采用三层逻辑设计结构.利用.NET组件设计技术和ADO.NET数据访问技术,实现了对挖掘机名项工作数据的实时监测,同时提供了历史工作状况的查询.此系统不但方便了挖掘机的远程控制,而且为挖掘机的管理提供了科学和及时的数据.     

基于成对约束的判别型半监督聚类分析

现有一些典型的半监督聚类方法一方面难以有效地解决成对约束的违反问题,另一方面未能同时处理高维数据.通过提出一种基于成对约束的判别型半监督聚类分析方法来同时解决上述问题.该方法有效地利用了监督信息集成数据降维和聚类,即在投影空间中使用基于成对约束的K均值算法对数据聚类,再利用聚类结果选择投影空间.同时,该算法降低了基于约束的半监督聚类算法的计算复杂度,并解决了聚类过程中成对约束的违反问题.在一组真实数据集上的实验结果表明,与现有相关半监督聚类算法相比,新方法不仅能够处理高维数据,还有效地提高了聚类性能.