采用特征相关性差异优化距离的改进k近邻算法

为有效地解决k近邻算法训练样本规模及分类精度间的矛盾,提出了一种采用特征相关性差异优化距离的改进算法(FCDKNN).该算法将特征熵值与其分布概率的乘积作为特征相关性的概念,在此基础上定义围绕特征相关性差异的样本距离测度,明确特征在类别上的重要性及相关性,在小样本情况下提取针对分类的大量有效信息,以增强算法的全局优化能...     

一种基于分层率失真优化的容错性视频转码算法

容错性视频转码能够在已压缩视频流中嵌入容错性工具,以增强视频流面向无线信道的抗误码能力.但是容错性工具的嵌入在降低失真的同时也会增加码率,因此需要进行率失真优化.针对这一问题,文中提出了一种基于分层率失真优化的容错性转码算法.该算法通过在帧层和宏块层分别对重同步标记的插人和帧内宏块的刷新进行不同粒度的优化来提高算法的灵活性,通过在帧层考虑帧内宏块刷新、帧内预测和运动矢量预测的影响来提高算法的精确性,通过在宏块层减少候选模式的数量来降低算法的复杂度.实验表明,该算法与基于单层率失真优化的算法相比,信噪比可获得0.6～1.1dB的增益,复杂度最多可降低25%.     

新型智能照明控制系统的设计与验证

针对当今照明控制系统对环境照度变化响应比较慢的问题,提出了一种新型的智能照明控制系统。该系统采用可视光通信技术,并在照明设备和照度传感器之间建立直接通信,用来加快环境照度调节的速度。为了使该系统的控制更加精准,又采用了基于相关性系数的自适应邻域算法,对新的环境照度进行智能推断。实验结果表明,该系统可以在短时间内将测试地点的照度达到新的目标值。     

基于GML的市政道路管理模型

区别于传统的道路数据模型,基于地理标记语言（GML）的市政道路模型面向市政道路组成元素管理。分析市政道路组成元素的特点以及管理部门对市政道路管理的需求,依据GML的核心模式,建立面向管理领域的市政道路设施的空间属性一体化模型,并对该道路模型的应用前景进行分析。     

HTML表格向XML的智能转换

XML已经成为处理与管理信息的标准格式,而HTML表格被广泛应用于Web。为了充分利用与管理HTML表格信息,需要将HTML表格转换成XML。提出一种有效的处理方法,该方法包含2个部分,即表格识别与结构转换。表格识别通过检查格式、语法及语义的特征将表格提取出来并分割成值域与属性域,使用预设的表格模板分析属性域与值域间的层次结构并将其转换成XML格式。通过 300多个表格的实验表明,所提出的方法要优于传统方法,结果的准确率达86.7%。     

基于XML与数据库技术的权限管理

在基于角色的访问控制（RBAC）模型的基础上,结合XML应用特性,对权限管理中的系统和用户权限信息分别应用XML和数据库技术,设计并实现了将XML与数据库技术相结合的Web应用系统的权限管理方法,提高了Web系统权限管理的灵活性和复用性,并在实际系统中验证成功。     

冷床区钢坯自动跟踪系统关键技术的研发

安钢中板厂的炉号跟踪系统中,冷金属检测器CMD用来检测冷床区钢坯的运动,但是CMD只能检测出辊道上是否有钢坯经过,而不能判断钢坯在冷床区具体上到哪个冷床,因此,目前冷床部分的钢坯跟踪是靠人工手动完成的.针对该问题,提出一种新的运用数字图像处理技术完成冷床区钢坯自动跟踪的方法.该方法利用运动目标检测方法检测出辊道上有钢坯运动,然后经过最佳阈值分割、改进的区域生长算法、质心标记、数据库程序等步骤完成钢坯运动轨迹的标记,实现自动跟踪.     

基于感知网格的无线传感器网络动态采样策略

在分析无线传感器网络时空相关性模型的基础上,提出一种基于感知网格的无线传感器网络动态采样策略.将监测区域划分为多个感知网格,感知网格内只有簇头节点保持活跃状态,当出现异常数据后再激活感知网格内其他节点来获得更详细的信息.该策略通过减少无线传感器节点之间相同的或相近的采样数据上传来降低冗余信息的传输.仿真结果表明:该策略显著提高了无线传感器网络能量效率.     

基于近似偏最小一乘的闭环系统辨识新方法

本文基于近似最小一乘准则和主成分分析,针对反馈通道模型阶次低于前向通道模型阶次且反馈通道不存在噪声的闭环系统,进行了近似偏最小一乘递推辨识算法的推导.为解决最小一乘准则函数不可微的问题,本文算法用确定性可导函数近似代替残差绝对值.近似偏最小一乘辨识算法可以克服基于最小二乘准则的辨识算法在受到满足(SαS)分布的尖峰噪声干扰时残差平方项过大的缺点,具有目标函数可导,计算简单的优点.同时,通过主成分分析去除数据向量各元素之间的线性相关,可以得出模型参数的唯一解.仿真实验表明,本文算法可以对反馈通道模型阶次低于前向通道模型阶次的闭环系统进行直接辨识,抑制了尖峰噪声对辨识结果的影响,具有优良的稳健性,可以更好地应用于闭环系统辨识.     

考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法

项目相关性度量是基于项目最近邻的协同过滤算法的关键。已有的项目相关性度量方法在数据集稀疏或推荐低流行度产品时会面临较大挑战,因此提出一种考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法。该算法在度量两个项目的相关性时,若有记录只对两个项目之一有评分,则利用该记录所对应的评分用户的活跃度和被评价项目的流行度进行相关性惩罚,从而提高数据稀疏环境下低流行度产品被推荐的概率。实验表明,所提算法在保证评分预测精度的情况下提升了推荐结果的多样性和新颖性。