具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream(Fault-TolerantGrid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS(Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.

非计算机专业C++程序设计课程教学改革探索

C++程序设计课程,是高校理工科专业普遍开设的一门实用性较强的应用型课程。文章从C++程序设计课程的特点出发,针对非计算机专业C++程序设计课程教学中存在的问题,提出了非计算机专业C++程序设计课程教学改革的思路与设想。

持续载荷飞行模拟器运动系统研究

首先介绍了一种新型具有持续载荷特性的飞行模拟器的原理及系统组成,在此基础上,推导了其运动系统稳态数学模型,最后以某型载人离心机为运动平台进行了飞行模拟器验证实验,结果证明运动系统模型的正确,离心机运动平台能够满足持续载荷飞行模拟器提供载荷要求,且系统响应速度可以满足持续载荷飞行仿真要求。

基于改进SFAM多分类器的SLFS逼真度评估

持续载荷飞行模拟器(SLFS),是飞行模拟器从"无持续载荷模拟功能"到"有持续载荷模拟功能"的技术跃升,能够实现逼真的模拟实战飞行训练。因为有了持续载荷模拟功能,人体感知模拟环节提升到核心地位,逼真度评估方法必须与之相适应。利用数据挖掘中分类算法对模拟器的开环逼真度和闭环逼真度按不同权重进行层次评估。简化自适应谐振神经网络(SFAM)具有优良的分类性能和更快的收敛速度,但也存在当输入模式类属间差距较大时分类出错以及分类稳定性的缺陷。为了改善网络性能,采用自适应警戒参数的方法对网络进行优化;采用多SFAM分类器集成复合的方法克服分类缺陷。经试验,改进的多SFAM分类器在对影响持续载荷模拟飞行逼真度的各种因素分类过程中表现了较高的分类精度,是一种有效的适应持续载荷飞行模拟器的逼真度评估方法。

基于正态逆高斯和特征贡献度的睡眠分期实验研究

针对自动睡眠分期任务,提出了一种基于正态逆高斯和特征贡献度的睡眠分期实验框架.提取睡眠脑电信号特征,并对信号进行可调Q因子小波分解(TQWT),针对TQWT子带提取正态逆高斯参数特征;基于SVM模型实现特征贡献度排序与筛选,针对高贡献度特征,比较多种分类器的分期结果并设计多分类器组合自动睡眠分期算法.采用PhysioBank的Sleep-EDF数据集进行验证,取得了89.88%的平均睡眠分期准确率,相较于单一分类器的分期准确率有较大提升,对睡眠障碍的临床诊断与研究具有较大价值.

基于前缀树的数据流容错概要结构构造

应用于数据流环境的数据挖掘算法应首要考虑算法的时空复杂性,而要实现消耗巨大计算资源的容错模式挖掘则更要专注于算法的效率.容错模式挖掘是为了从被噪声干扰的真实世界数据中获取允许一定程度错配的、更加泛化的有用知识.提出一种新的单遍历、高压缩的容错前缀树形概要结构DSFT-tree(Data Stream Fault-Tolerant Frequent PatternTree),用来捕捉最近到达的数据流中的数据元素,并且能够高效移除过期数据,实现最大限度地降低计算资源消耗.利用滑动窗指针和位向量表达法实现容错树形概要结构的高效重构,并进一步基于滑动窗口技术实现了数据流环境下的容错频繁项挖掘.实验采用IBM数据发生器产生事务数据,在合理时间内最终挖掘频繁项的数量为FP-stream算法的1.5倍.