基于小波变换的数据流快速索引的研究

提出了一个新颖的方案来概要和索引分布式数据流,通过采用离散小波变换在线提取数据流特征,并插入到高维索引结构序列中,来减少维护索引结构所需的开销。实验表明该方法在分析模式和相关性检测上改进了查询精度和响应时间。     

基于遗传算法的基坑支护协同演化处理模型

分析了基于遗传算法的协同演化优化方法及深基坑支护的特点。提出了用基于遗传算法的协同演化优化方法来求解基坑支护层次性优化问题的模型,并给出了约束处理和目标函数转换的策略。实例表明所提出的策略是可行有效的。     

基于草图的分布式数据流聚集查询的研究

讨论了基于草图的复杂聚集查询的近似处理算法.利用随机技术,在数据流过时实时计算数据的草图概要;同时采用了新颖的草图分割技术,有效地提高近似应答的精度.合成数据的查询实验表明草图技术能有效地降低估算误差.     

基于ObjectARX的深基坑支护绘图CAD系统的设计

根据深基坑支护工程设计的特点,给出了一个基于ObjectARX的深基坑支护CAD系统的体系结构,并说明了利用AutoCAD提供的ObjectARX二次开发工具实现该系统的主要技术。     

结合语义和文本特征位串的高效KNN算法

为了有效提高文本分类的效率,提出了一种基于语义相似的改进KNN算法.该算法结合了特征词的语义和文本的特征位串,由于考虑到文本向量中同义的关联特征词对文本相似度的贡献,有效地提高了文本分类的准确率和召回率;而基于文本特征位串进行的位计算方法,能从大量的训练文本集中筛选出可能的相似文本,较好地克服了KNN算法计算量大的问题.算法的分析与实验表明,改进的算法明显提高了KNN的计算效率,同时也提高了分类的准确率和召回率.     

氯离子选择电极法测定仲钨酸铵中氯量

利用氯离子选择性电极,建立了测定仲钨酸铵中氯量的有效方法。线性范围为0.4～4μg/mL,回收率在90%～110%之间。     

条带上圆形件的优化排样

针对圆形件下料问题,从条带的利用率角度讨论了板材上圆形件的排样问题。条带上圆形件的排样一般有3种排法:并排、品排和基于品排的斜排。由于基于品排的斜排极大地减小了相邻圆形件之间和板材边界与圆形件之间的空隙,因此被认为是最好的排样法。从理论分析、数据模拟和实例计算3个方面出发,具体分析了上述3种排法的优劣,旨在得出已知毛坯规格及数量时,采用何种排样方式排入毛坯。结果显示:基于品排的斜排在绝大多数情况下,材料利用率都优于其他两种方法,且3排斜排优于2排斜排;但从实际角度出发,当某块板材排入的需求毛坯数不大于10时,应采用并排法排入毛坯,当需求毛坯数大于10时,应采用3排品排法排入毛坯。     

基于束搜索的三阶段约束排样算法

基于矩形件三阶段约束排样问题(CTDC),提出基于束搜索的启发式算法优化排样方式、以快速生成同质块三阶段排样方式。采用动态规划确定段的价值。束搜索是一种剪枝的分支定界算法,节点用局部排样方式和余料来表示,对节点的分支,即填充余料。在每一层上选择高潜力的节点作为精英节点做进一步分支,其他节点直接删除不再回溯,这有利于提高算法效率。实验结果表明:算法生成的三阶段排样方式,排样价值高,切割工艺相对简单,且时间相对合理。     

利用协同演化方法实现深基坑支护的分布式优化

基坑支护优化是一个多层次、多参数的复杂系统,常规方法很难体现其层次性.针对深基坑支护问题的层次性和层次性问的相互影响,提出了一种新的协同优化算法:协同演化优化算法.该将现有的协作优化和协同演化结合起来,充分利用了协同演化的层次性和协作优化的并行性.分析了应用于深基坑支护复杂系统设计的协同演化优化算法,讨论了优化子系统间的存在的耦合关系和处理方法,最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了算法的有效性.     

机器人路径规划的快速扩展随机树算法综述

路径规划是移动机器人的重要研究内容。快速扩展随机树（Rapidly-Exploring Random Tree，RRT）算法因在机器人路径规划中的成功应用，自提出以来就得到了极大的研究与发展。快速扩展随机树作为一种新颖的随机节点采样算法，相对传统路径规划算法，具有建模时间短、搜索能力强、方便添加非完整约束等优点。介绍了快速扩展随机树算法的基本原理与性质，并从单向随机树扩展、多向随机树扩展、其他改进等方面概括了算法的研究现状。最后，展望了算法未来的研究方向与挑战。