Knowledge Discovery for A Temporal Prediction Rules

We are obtaining a large database of some objects' records of fluctuations of a stock market,medical treatments,changes of weather in certain area and so on,where each record consists of multi-attributes taking multi-values changing with time. Our work is motivated by prediction,which is different from the work in 4,5,8,11. We want to help learn from past data and make informed decisions for the future. This paper is very significant to perfect the theory and the development of the temporal data mining.     

基于Web的谈判支持系统的研究与开发

论述了谈判支持系统的有关理论、应用现状以及存在问题，并通过对一个基于Web的谈判支持系统的分析提出了一种解决问题的新思路。     

动态增量聚类的设计与实现

传统聚类算法往往只适用于静态数据集的聚类。对于动态数据集,新增数据后,前期的聚类结果不再可靠,运用此类算法则需要重新聚类,这样会造成效率低下和计算资源浪费。在基于密度和自适应密度可达聚类算法的基础上,提出了一种新的增量聚类算法。理论分析和实验结果证明该算法能够有效地处理动态数据集,提高聚类效率和资源的利用率。     

圆柱谐振腔式MPCVD装置中氢、氩微波等离子体分布规律的数值模拟

在使用简化的等离子体放电模型的基础上,模拟了圆柱谐振腔式微波等离子体沉积室中,不同金刚石膜生长条件下微波等离子体的分布状态。在模拟中,针对纳米金刚石的生长环境,就纯氩气反应气体中,不同的输入功率、不同气体压力条件下,沉积室中形成的等离子体分布的变化规律进行了模拟,将其与一般氢气气氛下的相应模拟结果相对比。模拟所获得的结果,对微波等离子体方法沉积金刚石膜的操作环境的优化,有着一定的指导意义。     

液阻理论在剪板机液压系统中的应用

以剪板机液压系统出现执行元件运动速度慢及油温升高快等故障现象为例,应用实验测试的手段并通过数据分析及理论计算,找到了溢流阀稳态偏差大的原因及其使用中应注意的问题.     

基于神经网络的图像来源识别方法比较研究

随着手机等便携式智能电子设备的普及,图像已成为最重要的信息载体之一,在新闻、社交及司法等领域发挥着重要作用.在享用电子图像带来便捷性的同时,图像处理工具给不法分子通过篡改电子图像实施诈骗等犯罪活动提供了可能,识别图像来源、辨别图像真伪已成为遏制和惩罚此类犯罪活动的重要技术手段.该文讨论了神经网络在图像源识别中的应用方法...     

面向服务软件的网络拓扑表示方法

主要研究了面向服务软件的网络拓扑知识表示问题.首先通过分析OWL-s中服务轮廓和服务模型的定义,研究了Web服务的属性及Web服务之间的主要逻辑关系;而后,提出了面向服务软件的拓扑知识表示方法,运用属性关系图(ARG)来描述面向服务软件的结构;最后,用一个实例说明了该方法的可行性.通过该实例可以看出,该拓扑表示方法可以准确描述服务间存在的多种关系类型及服务本身的各种属性,为进一步研究面向服务软件的结构特性打下基础.     

模糊随机早期检测在组播拥塞控制中的应用

现有的组播拥塞控制算法大都基于端系统进行拥塞控制,而较少讨论中间路由器的主动队列管理机制。基于模糊逻辑对网络状态的动态适应性特点,提出了基于模糊逻辑的RED算法（Fuzzy Logic-based RED,FL RED）。该算法运用于组播拥塞控制中,网络能够及时对拥塞做出准确反应,更有效地分配和利用资源。仿真结果表明,该算法比普通RED算法具有更好的TCP-友好性,并且能够将队列长度维持在一个较小值,具有更小的传输时延。     

模数式桥梁伸缩装置疲劳试样尺度研究

为了研究模数式桥梁伸缩装置采用单跨试样代替三跨试样进行疲劳试验的可行性,首先采用力学简化模型对伸缩装置主要构件两种受力情况进行分析,再利用Ansys分析软件分别建立了整体加强320伸缩装置单跨试样与三跨试样的有限元模型,对伸缩装置进行强度对比分析.结果表明:在同种加载情况下,单跨模型中梁最大应力较多跨模型大,而多跨模型...     

基于车载环境的交通目标跟踪

针对车载环境下小目标难以识别和相机动态移动造成的目标跟踪精度下降问题, 提出一种基于改进YOLOv5与ByteTrack的交通目标跟踪方法. 首先, 引入Transformer与加权特征金字塔(BiFPN)结构的思想重构YOLOv5检测网络, 有效捕获了特征的全局依赖关系, 缓解了深层卷积小目标信息丢失问题, 改善了车载环境下的目标检测性能. 此后, 以ByteTrack为基础提出了添加相机移动补偿的CMC-ByteTrack跟踪方法, 更精准地描述了视频前后帧的数据关联关系, 提高了相机大幅位移时的跟踪精度. 实验结果表明, 改进YOLOv5的平均检测精度(mAP)达到了82.2%, 相比原算法提高了3.9%, 与CMC-ByteTrack结合后的跟踪准确性(MOTA)相比改进前的跟踪方法提高了2.8%.