应用于供应链的区块链PBFT共识算法优化

目前,区块链在供应链领域中的应用越来越受到业界的广泛关注.但由于供应链中存在大量复杂性的事务,这给可信的主节点选取工作带来了挑战.因此,在机器学习分类算法与PBFT(practical Byzantine fault tolerance)共识算法的基础上,提出一种应用于供应链的区块链PBFT共识算法优化方法.对构建供应链与区块链的集成框架进行分析,根据供应链中参与共识的节点属性特征,运用K-近邻(K-nearest neighbors)来优化PBFT共识算法的主节点选取规则.实验结果表明,对共识节点进行信任评估分类可以较好地解决因视图切换所引发的效率问题,从而提升区块链的吞吐量、时延、容错性等共识性能,具有一定的实用性,也给区块链在其他行业的应用提供了思路.

一种启发式确定聚类数方法

聚类分析是数据挖掘领域中最重要的任务之一,目前许多聚类算法已经被成功应用到图像聚类、文本聚类、信息检索、社交网络等领域.但面对结构复杂,分布不均衡的数据集时,确定数据集的最佳聚类数目显得尤为困难.因此,本文针对结构复杂、分布不均衡的数据集提出了一种启发式最佳聚类数确定的方法.首先,构建随机游走模型对数据集中的点进行重要性排序,通过k-最近邻距离图谱确定重要数据点的个数,由此排除噪声点和不重要的点对类之间以及类内密度变化的影响.其次,通过设计的启发式规则(k-最近邻链间距和k-最近邻链最近邻间距)构建决策图确定最佳聚类数目并识别出聚类代表点.最后,通过最近距离传播算法进行聚类.实验表明该方法可以快速准确地找到最佳聚类个数,同时,本文提出的聚类算法与流行的聚类算法相比取得了比较好的聚类结果.

基于最近邻链的车牌检测算法

根据车牌字符的几何特征和空间排列规则,提出了一种基于最近邻链的自适应车牌检测算法,首先,采用自适应阈值分割算法消除光照变化的影响,并采用连通体分析方法消除部分干扰目标;其次,根据车牌字符连通体的区域特征,将宽度和高度都相近的连通体构造为最近邻连通体对,并将最近邻对连接为最近邻链,从而检测出所有可能的车牌区域;最后,利用两组不同长度的方波模板分别对车牌的水平和竖直投影进行匹配,它能够验证候选车牌区域的有效性,并求解所有车牌字符的最佳切分位置实验表明,该算法能够自适应地处理光照不均匀、尺度变化、透视失真、背景干扰以及质量退化等因素的影响,可以有效地检测出复杂背景中的车牌区域.

预定数据链规模的单纯型连续近邻链查询

研究预定数据链规模的单纯型连续近邻链(SCNNC)查询问题,基于Hilbert曲线,提出SCNNC_H_SS算法,将已处理过的数据点从数据集中进行剔除,可减少大量冗余计算。为对SCNNC进行动态维护和更新,提出SCNNC_H_CS算法。理论分析和实验结果表明,在数据集和待查近邻链的规模较大时,相比基于传统树索引结构的方法,该算法具有更高的查询效率。

数据集中单纯型连续近邻链查询方法

为解决数据集中的单纯型连续近邻链查询问题,提出一种基于Voronoi图的查询方法。给出单纯型连续近邻链查询的定义,利用Voronoi图的性质对大量数据点进行精减,设计可准确查询出数据集中单纯型连续近邻链的查询算法。实验结果表明,随着待查连续近邻链所含数据点规模的增大,该方法的效率比传统基于R树方法更高。

障碍物环境下的动态单纯型连续近邻链查询

单纯型连续近邻链查询在空间数据查询、空间数据挖掘和网络搜索等领域具有重要意义。针对障碍物环境下动态数据集中的单纯型连续近邻链查询问题,着重考虑新增点和删除点对初始单纯型连续近邻链的影响,基于判定圆域对初始单纯型连续近邻链进行二次计算和判断,提出在数据集动态增大和动态减小环境下的OB_DYNSCNNC_ADD和OB_DYNSCNNC_DET查询算法,以实现对数据集的有效筛选和过滤。理论研究和实验分析表明,2种算法均能实现障碍物环境下动态数据集中的单纯型连续近邻链查询,并具有较高的查询效率。

受限区域内的单纯型连续近邻链查询方法

由于已有的最近邻查询方法无法直接处理受限区域内的单纯型连续近邻链查询问题,针对受限区域和障碍物的复杂性,详细研究了受限区域内无障碍物和有障碍物环境下的单纯型连续近邻链查询方法,分别提出了VOR_NB_CRSCNNC算法和VOR_CB_CRSCNNC算法。算法基于计算几何中的Voronoi图和判定圆域对空间数据对象进行预先筛选和计算,每次查询仅需考虑落在数量较少的Voronoi多边形和判定圆域内的数据点,预先过滤掉大量数据,减少每次计算涉及的数据量。理论研究和实验分析表明,所提出的算法在查询过程中减少了数据逐一判断的冗余计算,受受限区域形状的影响较小,较大程度提高了查询效率。

RTC树的构建与不确定近邻关系查询方法

空间索引结构和查询技术在空间数据库中具有重要的作用,针对已有的方法在复杂空间数据对象的近似和组织方面的局限性,提出了一种基于最小外接矩形（MBR）、梯形和圆的新的索引结构（RTC树）。为了有效处理复杂空间数据对象的最近邻（NN）关系查询问题,提出了基于RTC树的最近邻查询（NNRTC）算法,NNRTC算法利用剪枝规则可减少节点遍历和距离计算。针对障碍物对数据集中最近邻的影响问题,提出了障碍物环境下的基于RTC树的最近邻查询（BNNRTC）算法,BNNRTC算法先在理想空间进行查询,再对查询结果进行判断。为了有效处理动态单纯型连续近邻链查询问题,进一步给出了基于RTC树的动态单纯型连续近邻链查询（SCNNCRTC）算法。实验结果表明,相对基于R树的查询方法,所提的方法在处理数据量较大的复杂空间对象的数据集时可提高60%~80%的效率。

一维双原子链晶格振动中的次近邻

目的研究一维双原子链的色散关系,并与最近邻近似下的结果进行比较。方法以一维离子晶体为例,分别考虑次近邻原子和所有原子的作用,利用数值模拟的方法。结果得到了一维双原子链的色散关系的一般表达式,即ω2=2m11m2{-x(m1+m2)±[x2(m1+m2)2-4m1m2(x2-y2)]}。结论对一维双原子链来说,次近邻对色散关系的贡献也是比较大的。

新能源行业上市公司供应链金融信用风险研究

随着全球气温普遍升高和极端气候事件的增多,各国的环境保护意识逐渐增强。在这种情况下,新能源汽车行业成为改善环境气候的重要领域之一。拟从供应链金融角度出发,结合KNN模型与SVM模型的优点,提出了KNN-SVM组合模型,并首次将其应用于新能源汽车行业相关企业信用风险评估中。结果发现,相比Logistic模型、KNN模型以及SVM模型,KNN-SVM组合模型具有更好的评估效果。

具有次近邻相互作用的五量子比特XXZ海森伯自旋链的热纠缠

研究具有次近邻相互作用五量子比特XXZ海森伯自旋链在磁场作用下的热纠缠性质,利用数值计算求出最近邻两量子比特和次近邻两量子比特的共生纠缠度(concurrence),分别记为C_(12)和C_(13).研究结果表明,阻挫参数对配对热纠缠具有重要影响,而且阻挫参数的变化对C_(12)和C_(13)的影响也各不相同;温度、磁场、Dzyaloshinkii-Moriya相互作用以及各向异性参数对配对热纠缠有着不同程度的影响;通过选择适当的模型参数,可以有效地调节和提高五量子比特XXZ海森伯自旋链的配对热纠缠.

基于数字内容偏好的多标签分类应用

目前电信行业的数字内容研究主要是基于业务口径进行不同偏好的用户洞察,多以业务经验进行判断,不利于数字内容用户规模的发展扩大。为此,本文利用大流量客户的历史数据,基于多标签分类算法对数字内容偏好进行研究,得到各类别的潜在目标客户,最终通过营销推荐客户喜好内容,提高精准营销能力。首先以M电信公司用户的基础、消费属性等脱敏数据作为数据源,并获取近3个月视频、音乐、阅读活跃用户清单,人工进行活跃维度的标注,得到初始数据集;由于正负样本不均衡,故采用多次下采样的方法随机抽样得到3份样本数据,并使用CC、ML-KNN、Rakel D等6种算法进行对比实验验证;实验结果表明:采用Rakel D及ML-KNN多标签分类算法在数字内容用户偏好洞察方面有较好的预测能力,故采用ML-KNN作为Rakel D算法的基本分类器,即Rakel D_MLKNN方法,对正负样比例不同的数据集分别进行预测,效果均优于前6种已经存在的常用多标签分类算法及传统经验选型方法。

有反铁磁近邻作用的海森堡铁磁长程作用自旋链的低温性质的修正自旋波理论研究

文章将修正的自旋波理论应用于研究具有铁磁长程相互作用J0/rp和反铁磁近邻相互作用J的海森堡铁磁链.通过限制总磁化强度为零,利用自洽方法得到了系统的自旋波热力学.结果表明,铁磁长程相互作用和反铁磁近邻相互作用对系统的低温性质有很大的影响.比热C和比热系数C/T(1/(p-1))均呈现受p与J诱导的低温峰值行为,而磁化率系数χT2显示了有一最小值,且受p与J诱导的低温行为.当J=0时,且在大p极限下,本文的结果与精确贝特方案的结果和量子蒙特卡罗数据吻合得很好.

基于Mean Shift的公交下车站点判定方法

为了解城市公共交通出行的时空特征,改善城市公交的运营服务,提升居民公共交通出行效率,对居民使用公共交通出行下车站点及下车时间的计算方法进行研究。利用出行链的思想,对连续出行的乘客采用阈值内最近邻算法判定公交下车站点信息。针对一些出行链头部或尾部断裂的情况,通过分析乘客中长期历史乘车记录,利用Mean Shift聚类算法得出每个乘客的居住地中心点O与工作地中心点D,采用阈值内最近邻算法计算离工作地中心或居住地中心最近的距离,从而对下车站点进行补充。实验结果表明,该方法能补充居民行程中85%的下车站点及时间,且准确率较高。

基于多标签学习的创伤救治层链决策研究

在现代创伤救治中,根据患者伤情进行合理而准确的院前评估并制定相应的救治决策对降低患者伤残率与死亡率具有重要意义。为了改善人工制定决策的缺陷,实现准确合理的标准化创伤救治决策制定,本文利用多标签学习思想,在对创伤救治决策进行深入分析与研究的基础上,将整体救治决策进行子决策划分,并提取出子决策对应的判定因素作为标签集。为了更好地考虑标签间的关联,将Classifier Chains算法的链式思想与多标签K近邻(Multi-label K-nearest neighbor,ML-KNN)算法融合,提出一种层链多标签学习算法,称为层链多标签K近邻算法(Layer chain ML-KNN,LCML-KNN)。LCML-KNN算法将标签依特点划分为两个层链,在第一层链的预测标签信息输出后对其进行独热编码,转化后的标签看作新特征放入第二层链进行预测与判断。LCML-KNN算法不仅更好地考虑了标签间的关联性,而且通过标签转化扩充了特征维数。在两个创伤类数据集上与现有各类多标签算法进行实验对比,结果验证了LCML-KNN算法的鲁棒性和优越性。

次近邻相互作用对Heisenberg XX链纠缠影响的研究(英文)

研究了存在次近邻相互作用(耦合)时Heisenberg XX链的纠缠特性．结果表明对近邻格点,随着耦合常数J的变化,次近邻相互作用的存在可能使其纠缠度增大或者减小;而对次近邻格点,引进次近邻相互作用却可以产生纠缠,并且使其随着|J|的增大而增大．近邻格点间纠缠存在的临界温度Tc随着J的增大而降低,次近邻格点间纠缠存在的临界温度Tc随着|J|的增大而升高．此外对纠缠W态的制备,次近邻相互作用的存在还使得三量子位情形时W态产生的时刻改变,而对于四量子位情形却没有影响．

基于改进曲率尺度空间算法的电力设备红外与可见光图像配准

针对现有电力设备红外与可见光图像配准难度大、配准时间长等问题,提出一种改进曲率尺度空间(CSS)算法的电力设备红外与可见光图像配准方法。首先引入Freeman链码差提高CSS算法的特征点提取精度,其次为每个特征点分配点到弦的垂直距离特征主方向,采用加速稳健特征变换(SURF)算法获得特征描述算子,最后利用双边快速近似最近邻(FLANN)搜索匹配方法和随机抽样一致(RANSAC)方法得到正确的匹配点对,获得仿射变换模型参数。实验结果表明:改进CSS图像配准方法与SURF、尺度不变特征变换(SIFT)、CSS配准方法相比性能指标均有显著提升,平均均方根误差(RMSE)较其他3种算法分别降低了77.73%、80.32%、7.63%;平均匹配时间分别降低了30.82%、40.12%、10.57%,提高了电力设备红外与可见光图像配准的效率。