基于Kappa系数的数据流分类算法

数据流挖掘已经成为数据挖掘领域一个热门的研究方向,由于数据流中概念漂移现象的存在,使得传统的分类算法无法直接应用于数据流中。为了能有效地应对数据流中的概念漂移,提出了一种基于Kappa系数的数据流分类算法。该算法采用集成式分类技术,以Kappa系数度量系统的分类性能,根据Kappa系数来动态地调整分类器,当发生概念漂移时,系统能利用已有的知识很快删除不符合要求的分类器来适应新概念。实验结果表明,相对于实验中参与比较的BWE,AE和AWE算法,该算法不但具有较好的分类性能,而且在一定程度上能较为有效地降低时间开销。     

一种基于关系熵和J量值的网络事件关联模式漂移检测方法

针对传统的模式漂移检测方法无法直接适用于关联规则分析的问题,提出了一种基于关系熵和J量值的模式漂移检测方法。抽取并定义了4种特征属性:关系量RC、关系熵RE、窗口数WC和J量值,并通过对时间相邻的两个滑动窗口内的关系熵和J量值的取值分布进行假设检验,判断和定位模式漂移的发生,得到模式漂移影响较大的事件集和事件对集,它们可为关联规则的调整和更新提供支持。实验数据表明该方法准确可行。     

一种采用时隙对准方式的TDMA自组网同步协议

通过对TDMA方式下的同步协议STS和TISS进行研究,提出一种基于时隙对准方式的TDMA自组网同步协议MFSS。该协议以工作周期为自组网节点之间同步的标准,在节点初入网时采用双向交互和时隙对准方法,消除了传输时延误差和初始时间偏差,从而实现了快速初始同步;随后通过监测过程保证了节点之间产生的时钟漂移误差可自适应控制,同时减小了重新同步带来的开销。仿真结果证明,相比于STS协议和TISS协议,MFSS协议在同步收敛速度、同步精度以及同步开销上都取得了更好的性能。     

基于Z-力敏元件的测力研究

Z-力敏元件是一种新型的半导体器件,输出为与压力应变有一定对应关系的频率量,该器件具有分散性、非线性、温度特性、零点漂移等特性,须通过硬件或补偿软件才能实际应用。本文对Z-力敏元件的特性进行了研究,通过三次样条插值方法实现力敏元件的线性化,通过二次插值方法实现温度补偿,通过加载时重量突变编程锁定的方法解决零点漂移。实验表明,通过数字化补偿后Z-力敏元件可输出与被测压力应变成正比的线性输出,该研究为Z-力敏元件的实际应用奠定了基础。     

光电稳定跟踪装置中微机电陀螺应用研究

以微机电陀螺在高精度光电稳定跟踪装置中的应用为背景,研究了陀螺输出噪声对光电稳定跟踪平台精度的影响。结果表明,陀螺噪声会引起平台基准轴的抖动和缓慢漂移。根据微机电陀螺的实测数据,分析了其噪声特性。基于AR模型建立了微机电陀螺的噪声统计模型。研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了该算法不能够取得较好滤波效果的原因。针对Kalman滤波在微机电陀螺信号低频去噪方面的局限性,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果。实测结果表明由于后者不依赖于噪声的精确模型,可根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果。最后给出了两种滤波算法的比较。     

基于EFDC模型的靖江河道多码头开发段溢油事故综合污染风险分析

基于环境流体动力学模型EFDC模拟了长江靖江开发段6个码头溢油事故下油膜漂移路径,提出了溢油污染风险评估方法,计算了多码头溢油事故的污染风险指数分布及其对保护区的综合污染风险指数。结果表明:码头位置和周围流场影响油膜的漂移路径;急流区溢油事故产生的油膜峰值迁移速度快,影响距离长,而缓流区溢油事故产生的油膜聚集程度高,影响时间长;多码头溢油事故产生的污染风险主要分布在各油膜路径的叠加区域,在开发段中部至下游末端形成强等级污染风险带,综合污染风险指数约为1.6;风险带主要影响W1保护区,应在高风险区域提前采取应急防范措施。     

MEMS旋转调制式航姿参考系统设计及误差补偿

为了实现中精度、低成本的航姿参考系统,提出了一种基于低精度MEMS(Micro Electronic Mechanical System)陀螺旋转调制技术的解决方案,研究了陀螺的刻度系数误差以及比例敏感漂移在旋转调制下的特性,分析了旋转调制技术可能引入的新误差,如旋转分解误差,涡动误差等;针对各种不同的误差源,给出了相...     

充填体下阶段水平矿柱回采顶板安全厚度及进路充填采矿法

为了安全回采松散矿碴及低强度充填体压覆下的阶段水平矿柱,采用古典杨森散体压力理论及矩形等厚薄板力学模型分析了留设顶板受载情况及安全厚度,并通过工程实例进行了验证。结果表明,当上中段破碎底部结构不予回采,下中段顶柱留设安全厚度时,可通过进路式充填采矿法实现水平矿柱的安全开采;其中,下中段顶柱高5 m,采高3.5 m,顶板安全厚度1.5 m,矿石回收率68%,贫化率3%,取得了较好的安全与经济效益平衡。     

光电平台MEMS陀螺性能及滤波算法的Allan方差评价

光电稳定平台被广泛应用于火控、侦察、制导等武器系统中,具有提供重要的态势感知、监视、瞄准和搜跟能力。随着光电技术的发展,光电稳定平台变得更加精准和轻便小巧。MEMS陀螺具有体积小、重量轻、成本低、可靠性高、测量范围大的优点,使其已经成为小体积、低成本光电稳定平台的首选惯性传感器。但在光电稳定平台设计时,选用MEMS陀螺和陀螺滤波处理就成了首要的问题。本文首先介绍了基于Allan方差评价MEMS陀螺随机漂移误差的方法,描述了4种常用的陀螺滤波算法,然后基于Allan方差详细地分析了这几种滤波器的应用特性和滤波器参数对滤波性能的影响。可以看出,使用Allan方差可以很好地评估MEMS陀螺和滤波器性能,指导陀螺滤波器选型和滤波参数配置,该评估方法可有效地解决光电稳定平台设计阶段的陀螺选型和滤波器选型。     

非平衡数据流在线主动学习方法

数据流分类是数据流挖掘领域一项重要研究任务, 目标是从不断变化的海量数据中捕获变化的类结构. 目前, 几乎没有框架可以同时处理数据流中常见的多类非平衡、概念漂移、异常点和标记样本成本高昂问题. 基于此, 提出一种非平衡数据流在线主动学习方法(Online active learning method for imbalanced data stream, OALM-IDS). AdaBoost是一种将多个弱分类器经过迭代生成强分类器的集成分类方法, AdaBoost.M2引入了弱分类器的置信度, 此类方法常用于静态数据. 定义了基于非平衡比率和自适应遗忘因子的训练样本重要性度量, 从而使AdaBoost.M2方法适用于非平衡数据流, 提升了非平衡数据流集成分类器的性能. 提出了边际阈值矩阵的自适应调整方法, 优化了标签请求策略. 将概念漂移程度融入模型构建过程中, 定义了基于概念漂移指数的自适应遗忘因子, 实现了漂移后的模型重构. 在6个人工数据流和4个真实数据流上的对比实验表明, 提出的非平衡数据流在线主动学习方法的分类性能优于其他5种非平衡数据流学习方法.