基于高斯过程的多分类器

为改善一对多高斯过程分类器(one against all Gaussian process classifier,OAA-GPC)存在的不足,提出基于一对一方法的高斯过程多分类器(one against one Gaussian process classifier,OAO-GPC),以及在其基础上改进的基于有向无环图方法的高斯过程多分类器(directed acyclic graph Gaussian process classifier,DAG-GPC),这两种分类器在训练二分类器时仅需将其对应的两类训练样本作为输入,在不降低识别率的基础上减少算法的运行时间。在Oil、Segment、USPS这3个数据集上的实验结果表明,OAO-GPC和DAG-GPC的运行时间远低于OAA-GPC,且识别率与OAA-GPC近似相等,可迅速有效地解决样本的多分类问题。     

基于面阵图像传感器的带材对中检测系统

为克服现有带材对中检测技术的不足,提出一种采用线形激光配合面阵CMOS图像传感器的新型带材对中检测方案.根据新型对中检测的特点,设计了高速嵌入式图像处理系统,通过传感器硬件开窗技术减小数据量并提高帧率,采用亚像素技术提高了检测精度,克服了传统面阵图像传感系统帧率低、滞后大、分辨率不足的问题,使系统可适应高速带材的对中检测与控制的需要.     

基于克里金插值的SWAT参数率定大规模并行方法

SWAT（Soil and Water Assessment Tool）水文模型是近几年国内外使用最广泛的分布式水文模型,因其良好的精度、广泛的适应度得到了众多水文工作者的欢迎。但由于其参数率定部分过高的计算量,给水文工作者建模调参过程中造成了大量的不便。为了提高SWAT参数率定的运行效率,本文基于克里金插值理论,对于SWAT原有的优化算法进行改进,提出了一种基于随机过程的参数率定方法,通过一种“期望优化”的方式对拟合曲面进行寻优。并通过Intel MKL和一个对等式并行框架加以并行实现。大大提高了SWAT参数寻优的计算效率以及参数精度,并通过天山北坡流域的模拟验证了此并行模型的有效性,说明了克里金优化方法在水文模拟参数寻优的过程中能够达到良好的精度。     

测试稿件

复杂网络理论是时间序列分析中一种有力的工具。但在面对高频数据时,现有建网方法是低效的。因此,提出利用时间序列符号化技术压缩原始序列,并构造网络的方法。该方法使用最小二乘估计时序分段斜率,提取序列的局部特征,并构造字典判断节点是否邻接。模拟试验表明,所建网络的标度指数、集群系数与过程的Hurst指数高度相关,可以精确地捕捉原过程的复杂性特征     

基于不确定数据的可能频繁闭序列模式挖掘

; 对于不确定数据的频繁序列模式挖掘,会导致可能频繁模式数量的指数级出现,其中有些无用的挖掘结果,引起频繁序列的冗余。针对上述不足, 提出了可能频繁闭序列模式(pfcsp)的定义, 以及一种基于不确定数据的可能频繁闭序列挖掘算法U-FCSM。此算法中,基于一种元组不确定数据模型,计算序列的可能频繁性,应用BIDE算法的闭序列思想判断可能频繁序列是否是可能频繁闭序列模式。为了减少搜索空间与避免冗余的计算,应用了几个剪枝与边界技术。U-FCSM算法的有效性与效率通过大量的实验得以表明。     

基于非定长系统调用序列的程序行为动态度量方法

针对目前程序动态度量研究中实时性与准确性较差的问题,提出了一种利用程序行为特征进行度量的方法。 通过筛选程序运行过程中产生的系统调用,依据其关联特性构成非定长系统调用序列作为程序的行为特征;采用后缀树结构设计实时特征度量匹配算法（feature matching with updating suffix tree,FMUS）,实现了程序运行过程中的实时特征匹配。 实验表明,该方法具有较高的准确率和低时间耗费比。     

一种基于熵的文本相似性计算方法

文本比较是求解两个文本间相似度的过程,文本间的相似度越高代表两个文本越趋于类似。传统的相似度算法主要从字符的角度度量文本的相似性,而忽略了文本内多个共同文本串对于文本相似度的影响。针对此问题,本文提出一种基于熵的相似度求解方法。该方法在对文本间字符信息的提取基础上,建立共同子文本串度量维度,然后采用熵的方法进行相似度度量。实验表明,该方法具有更平滑的相似度曲线,验证了算法的有效性和准确性。     

数据丢失情况下的最小二乘参数辨识算法

现有系统参数辨识方法大多是建立在输入输出数据可以完全测量和完全获取的基础上,而在实际系统中,由于传感器故障或网络传输机构故障,使得数据丢失现象经常发生。研究一类线性系统在输入或输出数据丢失情况下的系统辨识问题,并将数据丢失现象描述为随机伯努利序列,在此基础上提出新的辨识算法来估计数据丢失情况下系统的参数。最后,通过仿真示例验证所提算法对数据丢失的影响。结果表明,所提出的算法相较于递推最小二乘法有更好的收敛性。     

基于优选准则的混合混沌序列的生成

针对传统的m序列、Gold序列可用作扩频码的数量有限这一问题,提出了用混沌序列代替传统的m序列、Gold序列的方法。针对单个低维混沌映射产生的混沌序列存在抗攻击能力差、密钥空间小、保密性不理想等缺点,依据优选结果将单个低维的改进型Logistic序列与Chebyshev序列组合产生了一种新的混合序列。仿真结果表明,新的混合混沌序列平衡性高、类随机、相关性好,且该混合混沌序列和m序列、Gold序列的抗AWGN干扰和抗单频干扰的能力相近。     

过程工业大数据建模研究展望

人们对大数据的认识已从"3Vs" (Volume-大容量; Variety-多样性; Velocity-处理实时性)、"4Vs" ("3Vs"与Value-价值)、到现今的"5Vs" ("4Vs"与Veracity-真实性).在此背景下, 首先分析过程工业大数据的"5Vs"特性; 接下来, 综述现有数据建模方法, 并结合过程工业大数据特有性质 (包括:多层面不规则采样性、多时空时间序列性、不真实数据混杂性) 论述现有数据建模方法应用于工业大数据建模时的局限; 最后, 探讨过程工业大数据建模有待研究的问题, 包括:1) 多层面不规则采样数据的潜结构建模; 2) 用于事件发现、决策和因果分析的多时空时间序列数据建模; 3) 含有不真实数据的鲁棒建模; 4) 支持实时建模的大容量数据计算架构与方法.