基于内容的多媒体数据库索引算法研究

分析了多媒体数据库信息检索的索引算法,并且对k-means聚类算法中初始聚类数目和聚类中心的设定进行了改进,设计了一种用于大容量图像数据库的索引方法.在1万多幅风景图像数据库上反复进行实验,结果表明该算法能够有效地支持大容量图像数据库的基于内容的检索.     

一种具有噪声干扰的MIMO非线性时变系统自适应控制

针对含噪声多输入多输出不确定非线性时变系统,提出一种基于多维泰勒网(MTN)的自适应控制方案,其中两个MTN分别用来实现优化控制和非线性滤波.首先,提出多维泰勒网控制器(MTNC)以实现实时跟踪控制.将滤波输出与期望值之间的闭环误差作为MTNC的输入,根据系统不确定因素引起的误差,基于稳定的学习率,设计线性再励的自适应变步长算法以快速更新MTNC权值.其次,提出多维泰勒网滤波器(MTNF)以消除测量噪声.由于定义了测量值与MTNF输出之间误差的Lyapunov函数,自适应MTN滤波系统兼具基于Lyapunov理论的自适应滤波(LAF)和MTN的特有性质.最后,通过在Lyapunov意义下选取适当的权值更新律,可使MTNF输出渐近地收敛到期望信号,并证明了滤波器的收敛性和稳定性.仿真结果验证了所提出方案的有效性.     

Bayesian Approach for Estimating the Distribution of Magnitudes,Interevent Times and Distances of Earthquake Sequences

Abstract

A Bayesian approach has been applied to estimate the distribution of magnitudes, interevent distances and times of earthquakes occurred in 2017 in central Italy by using a small amount of random samples drawn from the distribution of the same seismic parameters for the earthquakes occurred in 2014-2016. We applied the method to the whole and aftershock-depleted seismicity by using the exponential and the normal model to fit the distributions of the seismic parameters. Our findings indicate that the exponential model fits the distributions of the seismic parameters much better than the normal model. Furthermore, in the whole seismicity case, the method requires at least 2100 to 2300 random samples to estimate the distributions of the seismic parameters of earthquakes occurred in 2017 with an estimation error less than 0.01; while in the aftershock-depleted case, a minimum number of random samples varying between 360 and 1470 occurred in 2014-2017 is required to estimate the distributions of the seismic parameters of earthquakes occurred in 2017 with an estimation error less than 0.01.     

基于BP神经网络的天然与非天然地震识别

基于BP神经网络算法,选择山东地区天然与非天然地震事件为研究对象,选取P波初动方向、P波初动振幅与S波最大振幅比以及P波最大振幅与S波最大振幅比作为神经网络输入元,构建合理的网络模型,搜集大量的地震样本数据进行训练,实现对山东地区天然与非天然地震事件的识别。震例预测结果显示,P波初动方向和振幅比可以作为识别天然地震和非天然地震主要依据,BP神经网络方法具有对地震事件类型识别的可行性。     

基于Gibbs抽样的轴承故障诊断方法

针对现有轴承故障诊断方法的不足,即诊断片面性问题,提出了一种基于Gibbs抽样的轴承故障诊断方法。首先对轴承振动信号进行局部特征尺度分解（LCD）得到内禀尺度分量（ISC）;然后对轴承振动信号和ISC分别提取时域特征,按照特征敏感度高低对时域特征排名,选择排名靠前的特征组成特征集;其次使用特征集训练产生基于Gibbs抽样的多维高斯分布模型;最后通过后验分析得到概率,实现轴承故障诊断。实验结果表明诊断正确率达到100%,与基于SVM的轴承诊断方法相比,在特征数为43个时诊断正确率提升了11.1个百分点。所提方法能够有效地对滚动轴承故障状态进行诊断,对高维复杂的轴承故障数据也有很好的诊断效果。     

基于Kademlia的P2P多维范围查询系统

结构化P2P网络具有良好的可扩展性,但难以支持多关键词查询、范围查询等复杂查询。该文分析已有复杂查询方法,提出一种基于Kademlia的P2P多维范围查询系统K-net。K-net在进行多维范围查询时,完成高维范围数据降维和范围划分,减少查询所需带宽。模拟结果显示,该系统具有良好的查询准确度和可扩展性。     

基于多维时间序列挖掘的降雨天气模型研究

为研究降雨天气中降雨量和相关气象要素的关系,找出降雨前后相关气象要素的变化规律,提出了多维时间序列数据挖掘模型.该模型首先对气象要素时间序列进行维度选择预处理,剔除不相关及冗余维度,然后运用提出的极值斜率分段线性拟合法对时间序列进行分段、数据压缩及特征值提取,最后使用k-means聚类算法对处理后的多维序列进行符号化,利用规则提取得到降雨天气模型.实验结果表明了该模型具有较好的实用价值.     

基于数据仓库的QAR数据分析

针对现有各航空公司分析QAR数据的平台不统一、QAR数据量大、分析和处理数据能力不足、导致海量的数据变成了信息垃圾,在对QAR数据和数据仓库技术研究基础上,结合航空公司关心的问题,设计了QAR数据仓库,给出了数据仓库模型的设计,详细阐述了QAR数据分析主题的提取方法,提出QAR数据仓库的星型模型.通过ETL设计了多维数据集,以超限事件为例展现了对QAR数据的安全分析,为航空公司改进飞行品质、提高安全系数提供依据.     

多维注意力特征聚合立体匹配算法

现有基于深度学习的立体匹配算法在学习推理过程中缺乏有效信息交互, 而特征提取和代价聚合两个子模块的特征维度存在差异, 导致注意力方法在立体匹配网络中应用较少、方式单一. 针对上述问题, 本文提出了一种多维注意力特征聚合立体匹配算法. 设计2D注意力残差模块, 通过在原始残差网络中引入无降维自适应2D注意力残差单元, 局部跨通道交互并提取显著信息, 为匹配代价计算提供丰富有效的特征. 构建3D注意力沙漏聚合模块, 以堆叠沙漏结构为骨干设计3D注意力沙漏单元, 捕获多尺度几何上下文信息, 进一步扩展多维注意力机制, 自适应聚合和重新校准来自不同网络深度的代价体. 在三大标准数据集上进行评估, 并与相关算法对比, 实验结果表明所提算法具有更高的预测视差精度, 且在无遮挡的显著对象上效果更佳.     

基于混合多维云模型的工业绿色发展水平测度

如何测度各省工业绿色发展水平高低, 判断各省工业绿色创新能力差异, 本文从绿色投入要素和绿色产出效益视角构建集结综合属性值的工业绿色发展多指标评价体系; 并在云模型基础上提出了基于混合多维云模型的区间多属性测度方法. 该方法创新性地利用区间权重和云权重的相互转换, 在解决多指标权重不一的问题后, 再运用父云贴近度计算工业绿色发展水平, 云投影度测定工业绿色创新能力; 最后采用省际间的工业面板数据进行验证. 结果表明, 相较于一般的多指标综合评价法, 该测定方法的实证结果与实际情况更相符合, 说明了该方法既能对工业绿色发展水平的整体情况进行评价分析, 也能精确计算出各指标贡献度, 从而判断其是否具有工业绿色创新能力. 因此, 本研究可为各地区调整工业绿色发展水平测度指标、制定工业绿色发展规划提供实质性建议和理论决策依据.