考虑客流拥堵的城轨网络脆弱性评估

考虑区段中断造成的客流拥堵,提出城轨网络脆弱性定量评估方法。利用动态客流分配模型模拟突发中断后客流在城轨时空网络中的分布情况,以乘客广义出行费用增长为指标衡量各运行区段的脆弱性,鉴别关键区段;并根据车站客流动态,确定应采取限流措施的车站与时段。以北京市轨道交通网络为例计算突发中断下各区段脆弱性,研究结果表明,复兴门至王府井区段、雍和宫至建国门区段和天通苑至大望路区段为该网络中的关键区段。当复兴门至王府井区段临时中断时,应在复兴门站、王府井站、大望路站与四惠东站实施限流,并在西单站与天安门东站实行封站。该方法能评估突发中断下城轨系统客流拥堵动态,为客运组织应急规划提供数据支持和决策评价。     

基于符号零压缩二叉决策图的装配可行性判定方法

为了扩大装配序列规划的求解规模并提高求解效率,提升装配自动化水平,给出了装配体联接矩阵和干涉矩阵的零压缩二叉决策图描述,建立了基于符号零压缩二叉决策图的装配操作可行性判定方法。基于该方法,可以高效地求解出一个装配体的可行装配操作。结合实例验证了基于符号零压缩二叉决策图的装配体模型和可行装配操作判定方法的正确性和可行性。     

噪声不敏感的柱状图特征描述符及其在图像检索中的应用

基于内容的图像检索方法往往将图片的内容表示成柱状图,根据图片柱状图之间的相似性进行图片的检索。数码图片中包含的噪声使得柱状图变得平滑,从而使图片之间变得更为相似,这增加了返回结果中包含的图片数量。为了进一步提高图片检索的性能,提出了一种对噪声不敏感的柱状图特征描述符,并应用该特征描述符进行图像之间的相似性匹配。首先将图片中的噪声描述为平稳附加高斯白噪声,并给出了相应的柱状图表示;然后通过随机变量的原点矩定义了柱状图的特征描述符,并分析了如何应用特征描述符恢复原始图片的柱状图。在算法的性能验证过程中,将提出的方法与4种相关算法进行比较,应用两个真实的图片数据库的图像检索实验验证了所提方法的有效性。     

多维度的安卓应用相似度分析

基于安卓的智能设备的普及和移动互联网的发展带来了安卓应用的繁荣,但同时也带来了移动应用的开发、维护、安全等方面的问题。采取了多种技术,提取了安卓应用的功能描述、权限声明及源代码,并基于这些信息对1173个安卓应用进行了统计分析、相似度计算、聚类以及交叉对比;利用多个维度的安卓应用特征相似度分析,初步得到了安卓应用多个维度的相关规律,其可辅助不同的安卓应用的开发和管理任务,如权限过度声明检测、重打包检测、应用描述完善、领域内的公共类库的发现和提取等,从而帮助改善安卓市场的生态并提高安卓应用的开发效率。     

一种面向同步交互的软件演化过程建模方法

全球化软件开发导致以交互方式协作开发的频率和复杂性越来越高。为了控制和规范软件演化的开发行为进而提高软件质量,文献[10]设计了软件演化过程元模型EPMM,由EPMM定义的软件演化过程模型未能形式描述其交互的特点。基于EPMM[10]定义的软件演化过程包括全局层、过程层、活动层和任务层4个抽象层的思想,设计了软件演化过程元模型CEPMM。CEPMM定义的软件演化过程模型可 形式描述同步交互的特点是在其活动层,由此提出一种基于通信系统演算(CCS)的软件演化过程活动层的建模方法,然后在Visual Studio平台下实现软件演化过程活动层可视化的建模工具CAmodel。CEPMM构建的软件演化过程活动层模型不仅可以描述并发、迭代等特点,还可以形式描述同步交互的特性,为模型进行严格的数学方法分析、推理奠定了基础。     

基于PCA降维的云资源状态监控数据压缩技术

云计算资源状态监控作为保障云服务质量和可靠性的重要自动化手段,必须从海量的监控数据中分析出各类云资源的真实状态信息。为了减少资源监控任务自身对云计算资源的消耗,提出一种基于PCA(Principal Components Analysis)降维的监控数据的降维和筛选技术。监控数据转换利用PCA降维,将原始监控数据映射至若干主成分方向上,实现数据压缩。而监控数据筛选则着眼于在保留原始数据的前提下,筛选出关键监控指标以有效表征资源状态。基于VICCI云服务实验平台的实验结果证明,所提出的方法能够从多种监控数据中快速筛选出表征资源状态的核心数据,在保证状态监控效果的前提下,有效减少了监控任务所需处理的数据量。     

基于流形学习和稀疏约束的快速特征提取算法

针对稀疏保持投影算法在特征提取过程中无监督和L1范数优化的计算量较大的问题,提出一种基于流形学习和稀疏约束的快速特征提取算法。首先通过逐类PCA构造级联字典,并基于该字典通过最小二乘法快速学习稀疏保持结构;其次构造用于描述不同子流形距离的局部类间散度函数;然后整合所学习到的稀疏表示信息和局部类间散度信息以达到既考虑判别效率又保持稀疏表示结构的目的;所提算法最终转化为一个求解广义特征值问题。在公共人脸数据库(Yale,ORL和Extended Yale B)中 的 测试结果验证了该方法的可行性和有效性。     

基于相位恢复的三维可视化应用研究

空间曲面的三维数字化测量在工业检测、虚拟现实、影视艺术以及文物保护等领域具有重要的应用价值。提出一种实现自由曲面三维数字化的方法,该方法不仅能重建物体的几何模型,而且能实现物体表面色彩等纹理属性的恢复。利用结构光照明重建空间三维点云数据,并利用匹配算法建立物体的几何模型;然后通过交互式选取点优化策略进行纹理映射的方法实现目标物体的真实感三维重建。与传统的方法相比,该方法能够精确地实现目标物体的纹理重建,避免了特征检测困难或粘贴标准点等方法的数据处理困难以及后期数据的人工等操作,实验结果也验证了该方法的有效性。     

基于数据块的关系数据库日志挖掘技术

在关系型数据库中数据库通过Redo日志来实现事物的快速提交,并记录事物的操作过程与操作内容.通过对Redo日志的分析与变化数据内容的捕获,将变化数据传送到灾备端,并在灾备端实现变化数据的写入,是目前数据库复制最主要实现原理.本文分析了oralce数据库Redo日志文件结构,阐述了日志文件头标志位信息.结合Redo 日志文件头定位分析技术,给出了一种基于数据块的数据库Redo日志挖掘算法.通过测试分析,验证了该Redo日志挖掘技术的可行性与可靠性.最后展望了下一步的研究方向.     

动态置信度的序列选择增量学习方法

贝叶斯在训练样本不完备的情况下,对未知类别新增训练集进行增量学习时,会将分类错误的训练样本过早地加入到分类器中而降低其性能,另外增量学习采用固定的置信度评估参数会使其效率低下,泛化性能不稳定.为解决上述问题,提出一种动态置信度的序列选择增量学习方法.首先,在现有的分类器基础上选出分类正确的文本组成新增训练子集.其次,利用置信度动态监控分类器性能来对新增训练子集进行批量实例选择.最后,通过选择合理的学习序列来强化完备数据的积极影响,弱化噪声数据的消极影响,并实现对测试文本的分类.实验结果表明,本文提出的方法在有效提高分类精度的同时也能明显改善增量学习效率.