基于三维空间的概念格自动布局

论文讨论了几种常见的概念格自动布局形式,通过对各种自动布局方式特点的分析,提出了概念格的三维自动布局策略,对三雏空间中的层次布局与层内节点自动布局问题进行探讨并加以实现,较好地解决了二维布局中格节点横向过度扩张和线段交叉的问题。     

基于同类概念的概念格横向合并算法

提出了同类概念的观点,在格的合并算法中通过利用同域概念格之间的同类概念和概念的父—子关系实现对其所有子节点的快速更新,以提高概念格横向合并算法的时间效率。并进一步论证了把节点数量较少的格插入到节点多的格中比反着做更省时间。实验表明,该算法和相关文献中的同域概念格横向合并算法相比,其时间性能有明显改善。     

基于概念格的语义相关度计算

为了提高检索信息的相关度和检索效率,基于形式概念分析的理论,提出了一种利用概念格来计算词汇之间语义相关度的计算方法,并将其应用到信息检索当中.实验结果表明,基于概念格的语义相关度计算方法是有效的,且该方法在信息检索系统的语义理解方面能起到很好的支持作用.     

概念格构造算法的改进

概念格作为形式概念分析理论中的核心数据结构,已经在知识工程和软件工程等领域得到了广泛的应用。概念格的构造在其应用过程中具有重要的意义,研究人员已经提出了一系列构造概念格的算法,主要是批处理和渐进式算法,其中渐进式算法是很有前途的一类。文章通过对概念格渐进式构造过程的分析,对Godin算法做了部分改进,给出了算法的伪码并加以实现,最后,根据运行数据进行了算法的性能分析。     

遥感数据分发系统单队列控制模式的设计与实现

鉴于遥感单一影像文件大、总体数据海量的特点,针对如何保证遥感数据分发系统能有序、规范、高效地为各行业用户提供共享数据问题,对遥感数据分发系统的硬件部署框架结构进行分析,提出一种基于固定容量的单队列控制模式解决方案,并对其进行实现.通过单队列控制模式的控制流程及策略,系统稳定并可靠地完成了数据分发任务,最终保证了系统的运行性能和数据的传输质量,满足了用户对遥感影像的获取需求.     

基于算法生成树的遥感并行算法的设计与实现

对当前遥感影像处理中存在的信息提取速度慢、CPU利用率低的问题进行了分析和讨论,在此基础上提出了算法生成树的概念,并提出了对此生成树的一种并行执行方法;该方法能够提高CPU利用率、缩短算法执行时间算法能够并行执行,试验表明此种方法执行效率比常规算法的效率要高;另外,该算法已在实际项目中得到应用,系统运行稳定,执行效率高.     

基于梯度提升回归树的短时交通流预测模型

短时交通流预测是交通流建模的一个重要组成部分,在城市道路交通的 管理和控制中起着重要的作用。然而,常见的时间序列模型(如ARIMA)、随机森林(RF)模型在交通流预测方面由于被构建模型产生的残差和输入变量所影响,其预测精度受到限制。针对该问题,提出了一种基于梯度提升回归树的短时交通预测模型来预测交通速度。首先,模型引入Huber损失函数作为模型残差的处理方法;其次, 在输入变量中考虑预测断面受到毗邻空间因素和时间因素相关性的影响。模型在训练过程中通过不断调整弱学习器的权重来纠正模型的残差,从而提高模型预测的精度。利用某城市快速路的交通速度数据进行实验,并使用MSE和MAPE等指标将本文模型与ARIMA模型和随机森林模型进行对比,结果表明,文中所提模型的预测精度最好,从而验证了模型在短时交通流预测方面的有效性。     

基于连通区域标记算法的圆检测算法的研究

针对传统Hough变换进行圆检测,计算量过大、检测同心圆精度不高、自动化程度低等缺点,提出一种基于连通区域标记算法的圆检测算法。该算法首先通过连通区域标记算法对图像进行处理得到一个圆,解决了传统Hough变换计算量过大的问题,再根据圆的特性确定其圆心及半径,从而避免了检测同心圆精度不高的问题。最后,分别取圆心的8邻域像素为圆心做圆,找到最优圆并将其与检测得出的圆进行比较来确定最终的圆,以达到自动化的目的。实验结果表明,提出的算法可以正确地检测出圆并具有很高的检测精度同时比Hough变换计算量小、自动化程度较高。     

普招网报系统中服务器集群与缓存的研究

该文对河南普招招生志愿填报系统中服务器集群的部署与缓存的使用进行了研究,提出了服务器集群与缓存技术相结合来提高网站的性能的方案,该方案制采用了一种新的基于地址表的服务器集群部署方法。同时对服务器集群下Memcached的使用进行说明,并对其存在的缺陷提出了解决方法。该方案适合于类似大型网站的部署具有很强的推广价值。     

基于图划分的谱聚类算法在文本挖掘中应用

传统文本挖掘算法都是建立在凸球形的样本空间上,当样本空间不为凸时,算法就陷入"局部"最优.为了满足"全局"最优,引进了无向图结构表示文档之间的相似关系,由无向图建立文档之间的相邻接矩阵,谱聚类算法是通过对邻接矩阵进行分析,导出聚类对象的新特征,利用新的特征对原数据进行聚类.通过实验对该算法和其他的文本挖掘的算法进行分析比较,实验结果表明该算法聚类效果比传统数据挖掘方法好.最后指出谱聚类的不足和进一步的研究方向.