改进的PPM数据压缩算法及性能分析和比较

PPM算法在文本无损压缩方面具有比 LZ算法更高的压缩率 .PPM算法分建模和编码两步 ,在建模时有两种方法选择上下文模型 ,一种是固定最大长度上下文 ,即 PPM;另一种是不固定最大长度上下文 ,即 PPM*.在 VC++环境下利用 PPM*D算法编制的压缩软件 ,通过对文本、图像、声音文件以及可执行文件进行实验 ,效果令人满意 ,其压缩率都比 Winzip要高 .

基于非压缩后缀树的在线PPM预测模型

PPM模型适合预测用户的下一个请求,但已有的PPM模型不具备在线性,更新通过重构来实现,不能满足实时更新的要求。该文提出基于非压缩后缀树的在线PPM预测模型,采用非压缩后缀树实现增量式在线更新,提高了模型的更新速度。该模型的优点是具备在线性。

UCM-PPM:基于用户分级的多参量Web预测模型

Web在过去数十年飞速发展,其低延迟和快响应的特性已经变得越来越重要.面对这样的需求,通常会预取用户即将访问的文件到缓存中,利用代理服务器缓存来获取数据,避免网络堵塞,提高Web访问效率.可见,在预取技术中,一个有效的预测模型是非常有必要的.针对目前缓存预取工作对用户差异关注度不足和度量指标单一化的薄弱环节,提出一个基于用户分级化的Web预测模型,并且能够随着Web请求进行多参数动态调整.该模型通过对代理服务器上用户访问情况分布的变化趋势分析,将用户集分为重要性不同的若干等级,并适当利用序列相似度来聚类低贡献用户产生的会话,之后在部分匹配预测模型的基础上,结合缓存替换策略为预测树结点构造包含多个参量的目标函数,并使构建好的模型能够进行自适应调整.最后通过实验证明该模型可以有效提高缓存的预取性能.

基于变分模态分解和稀疏表示的局部放电信号去噪算法

鉴于局部放电信号受各种噪声的干扰,文章提出一种基于变分模态分解和稀疏分解的局部放电信号去噪算法。以稀疏表示算法为核心,基于局部放电信号的特性构建其过完备字典,再采用匹配追踪算法在过完备字典中搜索出原信号的最佳匹配原子集合重构信号;为解决过完备字典维度过高而导致的搜索次数太多的问题,引进变分模态分解算法和峭度值筛选进行预处理和预重构;优化后的方法可以限制稀疏分解算法的搜索范围和字典参数,以减小计算复杂度。仿真验证以及对工程环境中实测信号的去噪结果表明:该方法具有更好的降噪效果,即使在极低信噪比的情况下,依旧能提取出有效的局部放电信号。

用于二级缓存的一种改进的自适应缓存管理算法

在机群系统或数据库服务器等应用环境下,由于本地内存资源限制,某些大内存应用与磁盘交互过多,会严重损害其性能.在高速网络支持下,把其他节点内存或采用专门的内存服务器作为系统的二级缓存,可减少对磁盘访问并提高应用性能.在二级缓存应用模式下,基于LIRS算法并对其存在的缺点进行改进,提出了一种自适应缓存管理算法LIRS-A.LIRS-A可根据应用访问特征自适应调整,避免了LIRS不适应某些具有时间局部性模式的情况.在TPC-H应用中,LIRS-A比LIRS最多有7.2%的性能提升;在网络流分析数据库的典型Groupby查询中,LIRS-A比LIRS的命中率最多可提高31.2%.

基于预测的Web缓存替换策略

为提高Web缓存性能,在缓存替换算法的基础上加入预测机制,提出了基于预测的Web替换策略P-Re。预测算法采用PPM上下文模型,当缓存空间不够用来存放新的对象时,P-Re选择键值较小且未被预测到的对象进行替换。实验表明,基于预测的W eb缓存替换算法P-Re相对于传统替换算法而言具有较高的命中率和字节命中率。

基于流行度的自适应Web预测模型

目前基于局部匹配预测(PPM)模型的研究关注的焦点是在保证预测精度的前提下,尽量缩减PPM的空间占用,但缺乏自适应动态更新机制,难以实现在线预取。针对Web访问特点,提出了基于流行度的自适应预测模型。该模型的核心是基于Web对象流行度的PAPPM预取算法,通过模型构造、模型预测和模型更新三个过程实现了动态自适应的Web预取。讨论并实现了确定性上下文预测,最优阶估算以及上下文LRU替换策略等功能。在Web缓存与预取一体化条件下的实验表明,该模型具有较高的性能,适用于在线预取。

匹配阈值的预测计算和自适应算法实现

基于否定选择算法,提出一种匹配阈值的预测计算方法,通过通用方程计算最优阈值,实验证明提高了检测率,同时分析了预测计算的适用范围。针对静态固定阈值的方法不能适应网络数据动态变化,利用遗传算法进化检测器同时实现阈值自适应,仿真结果表明提高了检测率,降低了误测率,能在自体集动态变化的情况下动态生成检测器。

永磁辅助式同步磁阻电机自寻优控制及参数辨识

针对永磁辅助式同步磁阻电机的电感参数会随着电流变化发生明显改变,由此造成采用原有永磁同步电机所用的最大转矩电流比控制策略和高性能控制方法难以达到预期效果的问题,提出将电感偏导项加入自寻优控制中以解决普通自寻优控制中不能预测下一时刻电感从而导致电机失控的问题,并分析其产生原理,利用模型参考自适应法来构建满秩参数辨识系统,将辨识结果代入改进自寻优控制策略与模型预测电流控制中,从而确保了高性能控制方法能够发挥应有的效果。针对电机的不同运行工况进行了仿真和实验验证,实验结果证明加入电感偏导项能够克服原有自寻优控制和参数辨识同时使用产生的失控问题。相较于固定参数,利用改进自寻优控制与参数辨识控制的电机电流幅值、电流幅值误差和波动都有了改善。

用于两相流环空压力预测的自适应物理信息神经网络模型

石油勘探开发不断面向着更为复杂多变的地层,为应对深层复杂油气藏钻探过程中存在的气侵现象,需要采用控压钻井技术(MPD)以防止气侵导致的井喷事故。其中,通过求解气侵工况下两相流井筒水力学偏微分方程组(PDEs)来准确预测井底压力是制定控制方案的关键。采用基于自适应物理信息神经网络(PINN)方法对两相流井筒环空压力进行预测:首先,根据井筒机理设计全连接神经网络,用于拟合训练数据样本的分布;其次,将已知的两相流井筒模型的偏微分方程以微分形式约束条件融入神经网络的损失函数中,此外,采用可训练的自适应权重提升神经网络模型精度,使网络在训练过程中着重关注边界点、初始点等求解困难区域;最后采用Adam算法对网络参数和微分方程的权重进行优化,并使用L-BFGS算法对网络参数进一步优化。随机选取有限差分法在稠密网格情况下求解井筒水力学模型所得的部分数据作为实验数据集。实验结果表明,相较于常规的物理信息神经网络和传统的有限差分法,用于两相流环空压力预测的自适应物理信息神经网络模型性能更佳。

共溶剂-SC CO_2中固体溶解度的小波神经网络关联与预测

为了更好地关联和预测共溶剂-超临界（SC）CO2中固体的溶解度，本文采用经局部动量法和自适应理论优化的小波神经网络模型（WNN），分别以共溶剂的溶剂参数α、β、π^＊和溶解度参数δd、δp、δh为影响因素，关联了4种共溶剂-SC CO2体系中萘普生的溶解度，以预测其在乙醇-SC CO2中的溶解度。其关联误差AARD分别为1．94％和2．12％；其预测误差AARD分别为8．14％和30．32％。以上结果表明共溶剂的溶剂参数α、β、π^＊是共溶剂-SC CO2中固体溶解度的主要影响因素；优化的WNN模型能较好地关联和预测共溶剂-SC CO2中固体的溶解度。