不确定度模型下数据流自适应网格密度聚类算法

随着计算机技术及感知技术的发展及应用,各个领域普遍出现不确定性数据流形态的新型数据,吸引了众多研究者的关注.现有的数据流聚类技术普遍忽略不确定性特征,常导致聚类结果的不合理甚至不可用.为数不多的针对不确定性特征的聚类方法片面考察不确定性,且大多基于K-Means算法,具有先天缺陷.针对这一问题展开研究,提出了不确定度模型下数据流自适应网格密度聚类算法(adaptive density-based clustering algorithm over uncertain data stream,ADC-UStream).对于不确定性特征,该算法在存在级和属性级不确定性统一策略下,构建熵不确定度模型进行不确定性度量,综合考察不确定性.采用网格-密度的聚类算法,基于衰减窗口模型设计时态和空间的自适应密度阈值,以适应不确定性数据流的时态性和非均匀分布特征.实验结果表明,不确定模型下的数据流网格密度自适应聚类算法ADC-UStream在聚类结果质量和聚类效率方面都具有较好的性能.     

基于拓扑势的重叠社区及社区间结构洞识别——兼论结构洞理论视角下网络的脆弱性

社会网络和复杂网络上的社区识别已经成为当前研究的热点和前沿课题.针对目前社区识别方法不能兼具较低时间复杂度、无须专家知识或先验知识和允许存在重叠节点的不足,提出了基于拓扑势理论的重叠社区识别方法.通过提出的重叠节点社区归属不确定性测度,该方法同时实现了社区间结构洞的识别.实验验证了该方法的有效性.另外,文章在理论证明的基础上提出了影响因子优化算法;论证了结构洞理论视角下网络的脆弱性.     

基于归属不确定性的变规模网络重叠社区识别

 拓扑势理论是一种新的复杂网络社区识别理论.针对该理论和方法存在的应用范围不明确和社区重叠节点数量过少等问题,提出基于归属不确定性的变规模网络重叠社区识别方法.在证明拓扑势熵最小值点存在性的基础上,该方法通过提出重叠节点社区归属不确定性测度以及变规模社区的概念和思想,实现社区的有效识别.通过实验验证了该测度的合理性和有效性.实验结果表明,该方法不但具有识别变规模重叠社区的能力,而且还可获得与拓扑势方法相当的社区识别效果.     

改进PSO-BPNN的电力变压器故障诊断与模式识别

为了优化反向传播网络相关学习参数,提出一种粒子群优化辅助BP神经网络(BPNN)的新方法.以变压器油中气体体积分数百分比构造故障特征,将BP网络的初始权值和阈值进行实数编码,以对应PSO中的粒子,实现BP网络的离线训练与在线分析,对变压器故障模式做出判断.结果表明,该算法更合理地更新了粒子的位置和速度,最优地设置了全局极值,有效克服了粒子的早熟收敛,获得的故障诊断准确率高达91%,并大大提升了BP网络的收敛速度.该算法为此类设计提供了有效的模型参考.     

计算智能在移动机器人路径规划中的应用综述

移动机器人路径规划是建立在机器人定位与避障研究之上,进一步对机器人行为的深入.在给出人工神经网络(ANN)、模糊逻辑(FL)、遗传算法(GA)等计算智能原理性方法的基础上,从一般意义讨论了各类计算智能方法用于路径规划的切入点,研究了各类算法的实现机理与设计思想.最后结合目前的技术发展趋势,对路径规划问题未来可能的研究发展方向进行了探讨.     

理性的思考与创作——青岛市工商行政管理局办公楼方案设计

以青岛市工商行政管理局办公楼方案设计为例,阐述了当代城市中央商务区内办公建筑的设计要点及方法,对我国发达城市中办公建筑的创作具有一定的指导意义和借鉴作用.     

生物气候理论实践下的杰作梅纳拉商厦

从设计手法上概括总结了杨经文生物气候理论,通过理论分析和实例相结合,对杨经文提出的生物气候理论及其代表作品梅纳拉商厦进行了深入的探讨,以期为我国生态建筑设计提供参考。     

赫尔佐格和德梅隆作品的时装艺术性研究

赫尔佐格和德梅隆的建筑作品以简洁的形体和丰富的表皮给人以独特的时尚感,这种时尚感的原创根源在于时装艺术。他们通过精妙的材料构思将时装艺术中的编织、图案以及面料再造翻译成了纯粹的建筑语言,赋予建筑表皮如服装面料般的艺术感染力。正是时装艺术的介入使其作品独具风范并彰显于同时代的建筑师当中,并为当代视觉文化语境下的建筑创作提供了新思路和新方法。     

低年级建筑设计教学中的象征方法探讨

文章结合实例总结了象征方法在低年级建筑设计教学中应用的四种类型及其特点和应用方法,并指出象征方法是手段不是目的,它是培养学生设计能力的有效途径.文章为建筑设计的教学实践提供了新的思路和方法.     

基于距离的数据流离群点挖掘算法

传统的离群点挖掘算法无法有效挖掘数据流中的离群点。针对数据流的无限输入和动态变化等特点,提出一种新的基于距离的数据流离群点挖掘算法。通过Hoeffding定理及独立同分布中心极限定理,对数据流概率分布变化进行动态检测,利用检测结果自适应调整滑动窗口大小对数据流离群点进行挖掘。实验结果表明,该算法在人工数据集和真实数据集KDD-CUP99中可以对数据流中的离群点进行有效挖掘。