双重控制策略在流媒体连续播放中的应用

传统的发送速率控制和播放速率控制由于各自的局限性,很难克服网络时延扰动对流媒体连续播放的影响.为了改善播放系统的性能,将双重控制策略应用到流媒体播放中,在发送端发送速率控制采用了内模控制器以克服传输延迟的影响,在接收端播放速率控制采用了简单的PID控制器,两种控制共同调节缓冲区长度.实验表明该方法能够处理传输时延和网络扰动引起的失步对播放的影响,缓冲区长度能够稳定在合理的区间,有效地防止缓冲区下溢造成的播放停顿以及缓冲区上溢造成的播放跳跃.发送速率变化率较小,有利于避免网络拥塞的发生.尤其是在网络出现大的扰动时,与其他方法相比,控制效果更加理想,播放更加流畅.     

基于Nios Ⅱ的ZrO2分析仪的数据采集与处理

基于现场可编程(逻辑)门阵列(FPGA)气体分析仪为在线实时氧含量监测仪,具有结构简单和响应快速的特点,且该ZrO2传感器符合能斯特方程特性.因FPGA浮点计算能力不强,直接用能斯特方程计算氧含量造成系统资源消耗过大,仪表不能实现快速响应.在介绍ZrO2传感器测氧原理的基础上,选择MAX197并采用Nios Ⅱ对测量数据进行非线性化处理,用拟合曲线替代ZrO2传感器特性方程计算氧含量,在保证仪器氧含量计算精度的同时,提高计算效率,减轻CPU的负担,快速准确地进行数据采集与处理,实现实时在线测量.     

最小二乘曲线拟合在DH-6001ZrO2分析仪中的应用

DH-6001 ZrO2 分析仪为在线实时氧含量监测仪,因仪器控制芯片浮点计算能力不强,直接用能斯特方程计算氧含量造成系统资源消耗过大,仪器不能实现快速响应.在介绍最小二乘曲线拟合原理的基础上,采用最小二乘高次多项式对测量数据进行拟合,实现了实时在线测量.     

面向股票新闻的情感分类方法

互联网新闻资讯对证券市场和投资者有举足轻重的影响,新闻进行情感分类后再展示给用户,可以帮助投资者迅速做出投资决定.从文本分类的基本方法出发,实现了基于N-gram 统计模型的新词发现方法,并将所得结果用于构建中文分词词典和情感词典.同时引入评价理论,并用朴素贝叶斯、K 近邻和支持向量机3 种方法进行股票新闻标题的情感分类实验.所用实验数据来自2009 年“新浪财经”共计23 万余条的新闻标题,结果表明二分类的准确率最高可达82.9%.此外,还实现了一个原型系统用于展示股票新闻的分类结果.     

基于软件过程的软件可靠性预测运作模型

提出了基于软件开发过程数据,构造用于可靠性预测的过程数据库,并分析了此数据库的内容与运作模型,以期得到更加可信、准确的软件可靠性预测结果,为后续的研究奠定数据基础.     

一种XML文档结构相似度计算方法

对XML文档树路径模型进行扩展,加入了路径的频率信息.基于此路径-频率模型,提出一种带有位置仅重的基于路径的结构相似度计算方法(WLCS),并在此基础上提出基于路径频率的XML文档结构向量化方法.在真实数据集上的实验结果表明,WLCS方法召回率和准确率均高于当前存在的基于路径计算相似度的方法,适合于对来自不同DTD的XML文档的相似度比较.     

一种二进制编码的量子粒子群优化算法

针对离散空间优化问题,给出二进制编码的量子粒子群优化（ＢＱＰＳＯ）算法的设计思路,重新定义粒子的位置矢量和粒子之间的距离,提出了ＢＱＰＳＯ 算法的进化方程．通过泛函分析的方法分析了ＢＱＰＳＯ 算法的收敛性,得出全局收敛的结论,并通过多个测试函数测试了ＢＱＰＳＯ 算法的性能．求解结果验证了算法的优越性．     

磷化工工艺决策支持系统的构建

将决策支持系统(DSS)理论与磷化工工艺技术结合,建立磷化工工艺决策支持系统.介绍了该系统的基本理论、建立步骤、组成和数据处理框架的构成和功能,并利用层次分析法(AHP)、线性加权法和基于估计相对位置的方案排队法3种多属性决策方法实现辅助决策过程.磷化工工艺决策支持系统能够对磷矿资源合理利用、工艺优化选择提供决策辅助评判.     

低对比度下水印图像缺陷检测

在主成分分析(PCA)及核主成分分析(KPCA)进行特征提取基本原理的基础上,提出了一种改进的提取非线性的图像特征来重建图像方法,应用于嵌入式防伪水印图案缺陷的检测。该方法使得图像协方差矩阵维数大幅下降,且有效地保留了嵌入式防伪水印图案的信息,通过比较检测出图像的缺陷。实验结果表明,该方法对输入数据实现了有效的降维,缩短了计算时间,提高了检测效果和精确度。KPCA算法相比原有的PCA算法具有更高的性能指标,适用范围更广。     

Multiple criteria optimization-based data mining methods and applications: a systematic survey

Support Vector Machine, an optimization technique, is well known in the data mining community. In fact, many other optimization techniques have been effectively used in dealing with data separation and analysis. For the last 10 years, the author and his colleagues have proposed and extended a series of optimization-based classification models via Multiple Criteria Linear Programming (MCLP) and Multiple Criteria Quadratic Programming (MCQP). These methods are different from statistics, decision tree induction, and neural networks. The purpose of this paper is to review the basic concepts and frameworks of these methods and promote the research interests in the data mining community. According to the evolution of multiple criteria programming, the paper starts with the bases of MCLP. Then, it further discusses penalized MCLP, MCQP, Multiple Criteria Fuzzy Linear Programming (MCFLP), Multi-Class Multiple Criteria Programming (MCMCP), and the kernel-based Multiple Criteria Linear Program, as well as MCLP-based regression. This paper also outlines several applications of Multiple Criteria optimization-based data mining methods, such as Credit Card Risk Analysis, Classification of HIV-1 Mediated Neuronal Dendritic and Synaptic Damage, Network Intrusion Detection, Firm Bankruptcy Prediction, and VIP E-Mail Behavior Analysis.