基于日志分析的增量数据捕获方法研究

通过扫描数据库日志文件可以捕获变化数据,但已有研究仅适应某种特定类型的数据库管理系统并且缺乏对冗余信息的消除。针对上述不足,提出一个基于日志分析的增量数据检测及其净效应处理通用模型,描述增量检测过程中的通用处理步骤,即日志抽取、日志分析和净效应处理3个模块。通过实验对净效应处理速度、冗余数据压缩率、网络传输速度等因素进行分析,结果表明,净效应处理可以有效地减少数据的网络传输时间和更新时间,提高运行效率。     

多模态医学图像融合超声检查系统的设计与实现

超声检查系统所呈图像中缺乏三维结构信息,且商业的医学图像分析软件价格昂贵。为此,开发一款综合病灶部位的三维模型和二维超声图像各自特征以及对应空间关系的检查系统。基于开源的医学图像处理软件、商用的电磁定位系统和超声成像系统,在局域网环境下,遵循OpenIGTLink协议进行数据共享的超声检查系统。该系统主要由超声图像信息共享模块、超声图像显示模块、超声探头实时跟踪模块、2D/3D配准融合模块组成。实验结果表明,该系统可初步应用于临床教学和临床辅助诊断等领域,具有价格低廉、扩展性强、维护方便等优势。     

基于信任度评估的移动自组织网络路由协议

针对移动自组织网络路由的可靠运行和安全保障问题,提出一种基于Dempster-Shafer证据理论的节点信任评估模型。利用历史交互信息计算直接信任度,通过邻居节点的推荐度量值获取间接信任度。对直接和间接信任度进行权重修正后根据Dempster组合规则合成,得到节点全局信任度。利用该模型对优化链络状态路由协议的多点中继技术进行优化,设计改进的路由协议TOLSR。仿真结果表明,TOLSR协议能发现和抑制网络的自私节点和恶意节点,有效提高移动自组织网络的可靠性,证明了该信任度评估模型的有效性和合理性。     

环境星NDVI时间序列重构方法研究

利用目前时间序列曲线重构中较为常用的非对称高斯函数拟合、Double-Logistic曲线拟合、S-G滤波和时间序列谐波分析法对环境星NDVI时间序列进行重构处理。分析了上述4种植被指数时间序列重构方法对环境星数据的适用性。实验结果表明,对于环境星数据,在4种方法中非对称高斯函数拟合、Double-Logistic曲线拟合法更适用于对植被地物的时间序列进行重构,对照参考数据,其重构曲线对植被物候的表达有较高的一致性;而时间序列谐波分析法对原始数据的扰动最小,适用于非植被地物的时间序列重构;S-G滤波在4种方法中的重构效果最差。     

呼叫中心智能排班系统关键技术

分析学习率和训练精度对BP神经网络训练最大次数、收敛时间和话务量预测精度的影响;根据呼叫中心历史话务量数据的日变化特点,提出并验证采用分时间段多次调用BP神经网络模型的方法比整体预测所得话务量预测结果精度更高;基于话务量预测结果,使用Erlang-C公式进行坐席数预测,结合呼叫中心的典型班次、设定的服务水平等参数进行坐席数曲线拟合,得到每个典型班次对应的话务员数量;开发呼叫中心智能排班系统,通过合理的排班实现大型呼叫中心资源的合理配置。     

面向产业链协同SaaS平台的多源信息动态集成技术

针对产业链协同平台多源信息集成的需求,提出面向SaaS平台的多源信息动态集成解决方案。以平台上多数据源信息集成模型的设计与实现为核心,建立以平台为核心的多源信息集成规则,设计并实现基于SaaS平台的多源信息集成体系架构,基于XM L和Web Service技术建立面向客户端的多源信息安装向导,实现多源信息数据格式的智能化转换,通过W eb数据集成接口,实现企业与平台间数据的动态集成。其在汽车零部件产业链协同平台查询经销商社会库存的应用验证了该技术的可行性和有效性。     

一种结合共享最近邻法和粒度支持向量机的混合模型

粒度支持向量机GSVM(Granular Support Vector Machine)在处理大规模数据集时,粒的划分对其模型的训练效能、泛化能力等有很大的影响。然而传统划分方法的随机性,严重影响着其模型的训练效果。针对这个问题提出一种结合共享最近邻法和粒度支持向量机的混合模型(GSVM-SNN)。利用共享最近邻法将样本点自动划分成若干个信息粒,从中提取出关键信息。由于支持向量点大都分布在信息粒的边缘,提出一种KNN连通度,通过计算连通度提取纯粒边缘点并融合关键信息建立最终决策模型。实验结果表明,与传统的GSVM相比,该方法在分类时间、分类准确率上都有一定的优越性。     

基于PCA与主动学习AdaBoost的频谱感知算法

针对认知网络中各低信噪比环境下主用户信号检测率偏低的问题,提出一种基于主成分分析和主动学习AdaBoost的主用户信号频谱感知算法.该算法首先采用主成分分析算法对信号特征参数进行提取,获得信号的主成分,之后利用主动学习算法通过多次迭代抽样,获取有利于提高分类性能的样本,并对AdaBoost分类器进行训练,最后利用训练完成的AdaBoost分类器对待测信号进行分类检测.仿真实验表明,在各低信噪比情况下与ANN和MME算法相比较,所提算法具有较高的分类感知性能,有效地实现了对主用户信号的频谱感知.     

电纺PANI/PEO纳米纤维传感器制备与应用

采用静电纺丝法制备了聚苯胺/聚环氧乙烷（ PANI/PEO）纳米纤维,研究了电压、接收距离对电纺PANI/PEO纳米纤维直径的影响,对电纺参数进行了优化。通过对电纺接收端的控制,制备了平行纳米纤维阵列,实现了纳米纤维的定向排布;通过对电纺射流沉积次数的控制,制备了PANI/PEO纳米单纤维传感器,并对NH3进行了气敏性测试。结果表明：当电纺电压为20 kV且接收距离为20 cm时,获得的PA-NI/PEO纳米纤维直径为105 nm,且形貌较佳,在此优化参数条件下制备的单纤维PANI/PEO纳米传感器在常温下对低浓度的NH3有良好的线性响应输出。     

类搜索算法

提出利用类结构驱动的群体进化计算方法——类搜索算法(CSA).CSA在个体间构造簇类形态的虚拟连接关系,并通过对类组织的结构和类搜索过程进行动态调节来优化模拟进化系统的计算状态,提高群体的搜索效率.介绍了CSA的基本模型,并基于CSA融合进化算子与差分计算机制设计出数值优化算法CSA/DE.对多个典型高纬函数和复杂混合函数的仿真实验结果说明,CSA/DE是一种对高纬连续问题高效、稳定的搜索优化方法.该工作一方面验证了CSA的可行性和有效性;另一方面则显示:基于类搜索模型可有效融合异构且具有不同计算特性的搜索机制,形成对待求解问题更具针对性且协调性更佳的搜索计算方法.这为高性能优化算法的设计提供了一条新的途径.