数据集成增量检测中Sort Merge算法的改进和实现

在数据集成应用中,增量检测一个最主要的职责就是检测计算出数据源的增量数据,有多种方式可以检测分析出数据源的变化数据:触发器、日志分析、快照差分等等。而快照差分又可以采用不同的算法对两个快照进行计算,针对差分算法中SortMerge算法的一个改进和实现,主要利用有序文件来提高增量计算的效率。由于快照差分在字符串比对、文件差异计算、大数据量的差异对比、自然连接等实际问题有应用,对此类问题都有一定借鉴意义。

基于自适应流聚类的多站时差协同信号分选方法

多站时差协同信号分选是解决脉间波形捷变雷达信号分选的有效方法。已有批处理多站时差协同信号分选方法实时性不足,且存在无法有效挖掘雷达脉冲流动态变化特性的问题,该文提出一种基于自适应流聚类的多站时差协同信号分选方法。针对已有流聚类算法在雷达信号样本密度不平衡的情况下存在容易增批分选的问题,提出利用多站时差测量误差估计量对流聚类生成簇进行自适应检测与合并,有效抑制雷达簇增批现象的发生,以解决分选增批的问题。同时,通过利用多站时差测量误差估计量实现在线聚类阈值自适应设置,提高脉冲归属正确雷达簇的概率,减少在线聚类算法迭代次数。使用基于时间衰减窗口模型的未知簇检测,提高聚类概要的更新速度,避免了有效样本数过少而导致的聚类失败,提高了分选算法的环境适应性。仿真结果表明,与现有分选算法相比,面对不平衡复杂脉间波形捷变信号,该算法能够进行抑制增批,有效分选出正确雷达结果;面对多部雷达的出现/失活/复活演化过程,该算法可精准检测并展示动态演化特性;面对多部复杂脉间波形捷变信号,对比已有算法的算法复杂度大幅降低,特别在脉冲样本数密集情况下,能更好的保证分选处理的实时性;面对较大的多站时差测量误差和脉冲丢失率情况下,具有较高的分选正确率。

考虑技能学习差异的多工人协作柔性车间调度

在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。

基于脉组宽捷变的射频隐身雷达信号设计技术

射频隐身雷达能够从根本上提高雷达电子防御能力,是当前航空装备研究热点,而其重点是射频隐身信号设计。抗分选信号是一种重要的射频隐身信号,现在射频隐身信号设计领域的难点之一就是抗分选信号设计。通过分析雷达告警接收机等宽带实时电子侦察设备的主分选算法——序列差值直方图分选算法,指出该算法对于信号的脉冲重复间隔(PRI)大范围快速变化时会出现PRI估计错误的失效原理,提出基于脉组捷变的射频隐身雷达抗分选信号设计方法,即通过信号的脉组PRI大步进捷变,可以使RWR等实时宽带电子侦察设备的主分选算法输出出现较大误差,甚至完全错误。仿真及实验证明,基于上述方法设计的信号能有效对抗宽带实时电子侦察设备的主分选算法,实现雷达抗分选的目标。

多站时差与多参数联合分选定位方法

多站电子侦察系统中,两个观测站接收到的脉冲信号到达时间差可以用于分选和定位。针对复杂信号脉间信息关联性弱,不能对脉冲数极少的信号进行分选的问题,提出一种多站时差与多参数联合分选定位新方法。该方法利用时差窗先验信息,将主站和所有副站脉冲同时进行多站时差和多参数联合预分选,并将预分选结果按位置进行融合,得到最终分选和定位结果,能对脉冲数极少的信号进行分选定位,甚至可实现单个脉冲的分选定位。仿真结果表明了该方法的有效性。

TP304H/SA213T22异种钢焊口的状态检测与寿命评估

综合应用各种方法对TP304H/SA213T22高温再热器异种钢焊口进行了状态检测与寿命评估,结果认为取样管异种钢焊口已至寿命末期。据此该厂于2004年4月大修中有计划地对高温再热器管的异种钢焊口进行了全面改造,将此焊口安排到炉顶温度较低的部位,避免了泄漏发生后的大面积换管。

基于完全三叉树堆排序的波前扩展有限差分地震波走时快速算法

波前扩展有限差分地震波走时算法具有物理意义明确、因果稳定性强的特点,但每次波前扩展都要寻找波前面上的最小走时点。当计算网格点数较多,特别是涉及到三维走时计算时,寻找波前面上的最小走时点是一项十分耗时的工作。研究发现,波前扩展有限差分地震波走时算法的波前点具有两个突出特点:①波前点更新十分频繁,通常每次取出波前最小走时点后都要插入若干新的波前点;②新计算出的波前点的走时通常比较大。数据结构中的二叉树堆排序方法可以提高寻找波前面上最小走时点的效率,根据特点①,在原始二叉树堆排序方法的基础上,优化了插入新波前点和移除波前面上最小走时点的流程,实际计算结果表明,与原始的二叉树堆排序方法相比,改进后的二叉树堆排序方法可以提高大约20%的计算效率。根据特点②,将原始的二叉树堆排序方法推广到多叉树,实际计算结果表明,完全三叉树堆排序方法优于二叉树和四叉树堆排序方法,可以再提高5%的计算效率。

一种新的利用时差相关性的时差分选配对方法

在时差无源定位系统中,为了消除3种常见的高重频信号的定位模糊,提出了一种新的时差分选配对方法.新方法定义了相关系数来表征两个配对时差的相关程度,通过计算相关系数把属于同一个辐射源的两个时差序列分选出来,即同时完成了时差序列的分选和配对;然后,对单一辐射源的配对时差序列的相关矩阵进行分析,并依据高重频信号的配对表现剔除虚假时差对.仿真结果表明新方法能够大大减少虚假时差对的数量,从而抑制了虚假目标的产生,有效改善了定位模糊问题.

基于局部排序差值细化模式的纹理图像分类

针对传统局部二值模式及其扩展算法存在特征维度高、不能充分体现局部邻域像素间差值大小信息等问题,提出一种局部排序差值细化模式(LSDRP).首先根据采样半径大小对图像进行相应规格的高斯滤波,并按灰度值将局部邻域采样点排序;然后计算局部排序邻域内像素间的差值并将其融入排序二值编码对应位置的权值中,从而生成LSDRP特征;最后选取LSDRP特征模式中的高频模式表征图像,并级联多个半径下LSDRP特征的高频模式构成图像纹理的多尺度表示.在Outex,CUReT和UMD纹理库上的实验结果表明,所提算法计算简单且能在低维度条件下有效解决纹理分类中存在的光照、旋转变化问题;特别是在TC10,TC12_000和TC12_001纹理库上仅需120维特征即可分别达到100%,99.38%和99.72%的分类精度.

基于时差多参分选的多层感知器网络脉间识别

现代战争中,雷达系统发展迅速。为识别复杂的雷达信号调制模式以及混合体制雷达,该文提出一种基于多站获取脉冲时差参数联合其他脉冲描述字分选的办法,利用多层感知器神经网络得到脉间调制识别结果。该文通过时差参数与其他脉冲描述字去交错解决传统脉冲重复周期估计算法无法对复杂的脉间调制方式进行估计。利用训练好的多层感知器,获取完成去交错后的脉冲序列其特征向量,获得其脉间调制类型识别。通过实验仿真,在脉冲丢失率不高于20%情况下,对复杂脉间调制方式的正确识别概率在90%以上。

数学学习障碍儿童解决不同性质问题的表征研究

问题表征是问题解决的关键.缺乏充分有效的问题表征也是数学障碍儿童的主要症结.问题性质不同,问题表征方式和时间也会不一样.数学障碍儿童在熟悉程度与难度各不相同的问题解决的表征过程中显示出了显著的差异.这也为我们的教育干预提供了充分的依据.

波形特征的高斯混合模型锋电位分类算法

锋电位分类是进行大脑信息处理机制研究的基本步骤之一。针对锋电位信号的复杂性和非平稳性,从统计聚类的角度出发,采用高斯混合模型描述锋电位信号的概率密度函数,提出了一种新的基于波形变化率特征和高斯混合模型聚类的锋电位分类方法。首先计算锋电位的波形变化率,然后利用最大差异方法获得锋电位波形的低维特征,最后采用高斯混合模型算法对特征进行聚类,实现锋电位分类。采用开放的仿真数据分析了该算法的分类精度和可行性,然后分别利用来自5只大鼠和1只恒河猴初级视觉皮层的实测数据验证了该算法的实用性,并与主成分分析特征的高斯混合模型聚类、幅值特征的高斯混合模型聚类和变化率特征的k均值聚类等3种方法进行了比较。仿真实验中,在噪声水平为0.05、0.10、0.15、0.20时,误分率分别为1.18%±1.18%、1.41%±1.06%、2.27%±1.51%、2.98%±2.06%,低于其他3种方法;实测实验中,恒河猴数据的J3准则值为13.50±5.26,大鼠数据的J3准则值为26.43±10.46。与其他3种方法相比,平均J3准则值较大,且显著高于幅值特征的高斯混合模型聚类算法。所提出的方法表现出较高的分类精度和较好的类可分性,为实现神经元锋电位的可靠分类提供了一种有效的手段。

混合激光制导信号的批次分选与码型识别研究

针对目前研究较少的混合激光制导信号批次分选和码型识别问题,在分析激光制导信号编码特点的基础上,提出一种新的分选与解码算法。该算法首先采用序列差值直方图法(SDIF)识别骨架周期,然后利用已知编码规律采用变步长序列搜索法识别常规编码信号,最后根据脉冲序列独立性判断准则识别未知编码信号。仿真结果证明了该算法的有效性。

一种基于层次划分聚类的雷达信号分选算法

近年来,聚类分析在雷达信号分选领域中得到了大量的关注。大部分算法聚类数需要事先人为设定,为了解决这一问题,将基于层次划分的聚类算法应用到雷达信号分选当中。该算法通过数据各个维度的差与对应阈值的比较进行分类,并提出一种基于"点对"的平均距离的评价指标来确定最佳聚类,无需人为设定聚类数,可实现自动聚类。仿真实验表明,此算法对参数固定和参数变化的雷达都具有良好的分选能力,分选准确率较高。

基于时差的同类辐射源信号分选定位方法

多站电子侦察系统中,多个观测站接收到的脉冲信号的时差信息可用于信号分选和定位。但当多个参数相近的同类辐射源信号在时域和频域都混叠在一起时,会得到大量虚假时差信息。该文结合目标位置信息场定位法,提出基于时差的同类辐射源信号分选定位方法。该方法首先利用时差窗先验信息,将主站与副站的脉冲进行时差和参数匹配提取同类辐射源的时差信息,然后对得到的所有时差利用目标位置信息场定位法确定目标数目和位置,最后利用定位结果确定真实时差,剔除虚假时差,完成信号分选和目标精确定位。仿真实验验证了该方法的有效性和实用性。

基于不同年龄的自适应儿童乘员约束系统参数优化研究

针对单一碰撞工况匹配的儿童乘员约束系统不能保证在其他碰撞工况下儿童乘员的保护,而且极易造成更大的伤害。基于内置式自适应儿童约束系统的参数可调的特征,选取坐垫高度、坐垫长度、安全带限力值为优化变量,以儿童综合伤害评价值I及颈部损伤临界值Nkm为优化目标,采用多项式回归近似模型和非支配遗传优化算法(Non-dominated sorting genetic algorithm II,NSGA-Ⅱ)相结合的方法,分别对3、6、10岁儿童假人在法规GB 27887规定的正面碰撞和追尾碰撞工况下进行多目标优化计算。优化结果表明,在优化设计点,3个年龄段的儿童假人在两种碰撞工况下都能获得较好的保护。基于文中3个年龄段假人的优化设计点,拟合出优化变量与儿童身高和体重的相关关系模型,从而对不同身高和体重的儿童乘员都能达到很好的保护效果。

利用光压差分技术筛选细胞的影响参数

本文采用有限体积法建立了交叉型细胞分离模型,提出了一种基于光压差分的细胞筛选仿真方法,分析微流体中细胞筛选的影响因素。基于层流、流体流动粒子追踪、波动光学理论,利用有限元分析法建立了一种交叉型光学颗粒分离模型,研究了利用光压差分技术分离细胞的各种影响因素,其中包括微粒直径,激光功率、温度、光纤直径,分析了微粒在流体中因光辐射压力作用下的偏移距离。实验结果表明:在微流体中,激光功率、细胞直径、温度(20℃)和偏移距离大体上成正比关系,光纤直径和细胞直径在大小相当的情况下光辐射压力能够达到最大值,当激光通过光纤作用于直径分别为3,8和20μm的微粒时,光纤直径为7μm或8μm时光辐射压力最大,所以选用直径为8μm的单模光纤作为一个重要的实验光学器件。所得结论为深入研究细胞筛选影响因素的数值仿真精度提供了参考与借鉴。

基于多维关联规则分析的航班排序优化

为减少航班预先排序与实际调度结果之间的差异,提高航班运行效率,研究基于多维关联规则分析的航班排序优化方法。利用优化后的多维关联规则分析方法挖掘航班排序差异的特征信息,借鉴生物接种疫苗后的免疫行为,将挖掘到的特征信息用于免疫算法优化航班预排序。仿真结果表明,较之前预排序,优化后的排序结果在总差异和每个航班的偏差方面都得到了改善,该方法可行有效。

利用脉冲TDOA的雷达信号分选方法

针对传统雷达信号分选方法在复杂环境下分选雷达信号时对于信号形式的适应能力不强的缺点,提出一种对于雷达脉冲信号具有普适性的信号分选方法。该方法通过2个侦察站来侦察接收雷达信号,根据同一雷达辐射源的脉冲信号到达2个侦察接收站的时间差相同的原理进行信号分选。理论分析和计算机仿真表明该方法切实可行,能较好地解决复杂信号环境下雷达信号的分选难题。

一种基于TOA差值矩阵的雷达信号分选方法

由于几种经典的雷达信号分选方法在复杂的电磁环境下分别存在各自的缺陷,很难正确分选出全部目标信号,且伴有较高的虚警和漏警概率,因此提出一种新的基于脉冲到达时间(TOA)差值矩阵的信号分选方法,PRI的模式搜索与脉冲匹配过程均在该差值矩阵上完成。实验结果表明,该方法能够适应复杂的雷达信号环境,并且具有较高的脉冲分选正确率,以及较低的虚警和漏警概率。