天然肠衣搭配问题的数学模型

针对天然肠衣搭配打捆问题,依据给出的规格表和原料信息表,以及有关要求给出了3种规格成品捆数最优方案的双目标（以捆数尽可能的多和最短长度原料的长度尽可能大为目标）规划模型.对于规格Ⅲ的模型给出了分段优化的求解算法,规格Ⅰ及规格Ⅱ的模型不需用分段,由Lin-go程序在很短的时间内可得到最优解.对于该问题的求解方法,可以推广到生产中有关原料的配比等问题.     

云数据管理的新数据模型

为解决云计算中海量数据的存储管理问题,分析了关系数据模型和NoSQL数据模型各自的特点,提出了一种新的数据模型。该模型根据数据本身的特点将数据横向切分为一组实体的集合,不同的数据实体负责处理不同的数据应用,结合了关系数据模型的可用性与NoSQL数据模型的可扩展性。通过详细定义该模型的数据结构、约束条件以及数据操作,保证了数据模型的完整性。通过一个原型系统运行实例,验证了该模型的有效性,为云数据管理提供了可行的解决途径。     

基于切空间判别的稀疏数据降维方法

为了有效地约简稀疏数据的维度,提出一种基于切空间判别的稀疏数据局部降维方法,其思想是扩展局部邻域,增大样本点间的重叠信息,使之在稀疏降维过程中通过充分的信息达到精确的低维嵌入;利用切空间判别的方法对扩展后局部区域的样本点进行选择保留,弃除切方向变化较大的点,使之实现更好的降维效果。实验结果表明,在人工生成的数据集上,新方法获得了较好的嵌入结果;并且在人脸识别与图像检索中得到了期望的可视化分类结果。     

基于虚拟窗口的自适应车流量检测应用研究

基于视频交通检测中实时性和准确性要求,研究了三帧差分、背景差分及动态阈值等算法,提出增加虚拟窗口的方法,使整个车流量检测算法只针对有效序列图像信息进行处理.该方法通过排除差异大图像求均值,快速初始化虚拟窗口背景模型,在检测窗口内使用三帧差分和动态阈值准确定位运动车辆目标,实时更新背景后,根据背景差分法得到的窗口图像信息统计车流情况.实验结果表明,该方法可以有效应用于基于视频的实时车流量检测中.     

具有PID反馈增益的自主水下航行器反步法变深控制

本文针对海底地形测绘时自主水下航行器(autonomous underwater vehicle,AUV)的变深控制问题,提出具有PID增益调节的AUV深度控制方法,基于反馈增益的反步法设计控制器,避免了采用传统反步法导致控制器中存在虚拟控制量的高阶导数问题;基于李雅普诺夫稳定性理论设计控制器参数消除了部分非线性项,得到的控制器的线性部分为状态变量的线性组合,具有PID控制器参数调节的形式;针对存在建模不精确、外界干扰和测量噪声时的闭环系统鲁棒性进行分析,保证了误差系统在扰动作用时的一致最终有界性.最后通过仿真实验验证了本文设计的控制器的有效性.     

一种涡轮叶尖间隙主动控制系统的建模与仿真

为了提高现代航空发动机的性能,通过机械装置来控制(减小)涡轮叶尖间隙成为现在和未来的一个研究热点。在分析研究了航空发动机在不同工况下涡轮叶尖间隙的变化规律的基础上,提出了一种双闭环主动快速控制系统。进而,设计了一种可以控制非均匀叶尖间隙变化的作动装置,并对其进行了深入的数学建模分析。最后,分别通过PID和模糊PID两种控制器工作方式,对所设计的涡轮叶尖间隙主动快速控制系统的控制效果进行了仿真验证,结果表明,在起飞时段,PID控制曲线与模糊自适应PID控制曲线基本重合;但是在巡航、迅速减速、迅速加速、再次巡航时段,模糊自适应PID的控制效果要明显优于PID控制。     

基于OPC的Matlab与vPower数据通信

vPower是一种有着丰富功能模块的电力系统仿真软件,便于仿真系统的组态。但是vPower在数据、智能算法的处理上不如Matlab灵活。利用OPC技术,将Matlab和vPower二者进行有效缝合,使二者之间的数据进行实时交换,实现了仿真过程中实时数据的有效处理。     

基于带权图的层次化社区并行计算方法

提出了一种基于带权图并行分解的层次化社区发现方法,该方法采用图划分的方式定义社区结构,并在这种社区结构之上实现了社会网络社区发现并行算法P-SNCD(parallel social network community discovery).P-SNCD算法有效地避免了传统的基于“模块度”的社区发现方法倾向于发现相似规模社区的弊端.同时,该算法能够以可扩展的方式,在处理器规模为O(hmn)或O(hn2)的条件下,以并行计算时间复杂度为O(logn)高效地挖掘大规模复杂社会网络中社区密度为h的社区,其中,n为社会网络节点数,m为边数,h为用户指定的任意社区密度.所提出的算法对用户参数输入要求简单,从而使得算法具有较强的实用性.充分的实验数据验证了所提出算法的精确性和高效性.     

Visual Word Soft-Histogram for Image Representation

基于视觉词的统计建模和判别学习,提出一种视觉词软直方图的图像表示方法.假设属于同一视觉词的图像局部特征服从高斯混合分布,利用最大-最小后验伪概率判别学习方法从样本中估计该分布,计算局部特征与视觉词的相似度.累加图像中每个视觉词与对应局部特征的相似度,在全部视觉词集合上进行结果的归一化,得到图像的视觉词软直方图.讨论了两种具体实现方法:一种是基于分类的软直方图方法,该方法根据相似度最大原则建立局部特征与视觉词的对应关系;另一种是完全软直方图方法,该方法将每个局部特征匹配到所有视觉词,在数据库Caltech-4和PASCAL VOC 2006上的实验结果表明,该方法是有效的.     

短文本信息流的无监督会话抽取技术

文本会话抽取将网络聊天记录等短文本信息流中的信息根据其所属的会话分检到多个会话队列,有利于短文本信息的管理及进一步的挖掘.现有的会话抽取技术主要对基于文本相似度的聚类方法进行改进,面临着短文本信息流的特征稀疏性、奇异性和动态性等挑战.针对这些挑战,研究无监督的会话抽取技术,提出了一种基于信息流时序特征和上下文相关度的抽取方法.首先研究了信息流的会话生命周期规律,提出基于信息产生频率的会话边界检测方法;其次提出信息间的上下文相关度概念,采用基于实例的机器学习方法计算该相关度;最后综合信息产生频率和上下文相关度,设计了基于Single-Pass聚类模型的会话在线抽取算法SPFC(single-pass based on frequency and correlation).真实数据集上的实验结果表明,SPFC算法与已有的基于文本相似度的会话抽取算法相比,F1评测指标提高了30％.