基于改进SPRINT分类算法的数据挖掘模型

为解决目前数据挖掘模型分类时间长、挖掘准确率不高的问题,提出基于改进决策树分类算法(SPRINT)的数据挖掘模型。先采用最大-最小规范化公式完成原始数据线性变换,利用改进后的SPRINT分类算法按照输入数据特性进行分类,使用协同过滤技术生成与数据相近的属性集,计算数据属性相似度,生成语义规则集,为用户提供更优的数据服务。选取某公司营销数据集作为样本进行对比实验,结果表明,与对比模型相比,所提出的数据挖掘模型分类时间更短,挖掘准确率更高,能为用户提供更优质的数据服务。

基于改进SHKF算法的UWB/IMU组合定位方法

针对复杂环境下超宽带(UWB)无线定位系统存在非视距(NLOS)及随机误差的问题,提出一种基于改进Sage-Husa卡尔曼滤波算法(SHKF)的UWB/IMU组合定位方法。首先,设计了一种基于概率密度的提升树,将UWB/IMU特征数据的概率分布密度引入提升树的损失函数中,鉴别出NLOS信号;然后,设计了一种改进SHKF算法,根据新息变化趋势定义自适应因子,实时调整对新息误差修正的策略以调节历史噪声对当前定位的影响,进而提升UWB/IMU组合定位的稳定性和精度。实验结果表明,所提方法将NLOS信号鉴别精度提升至99.12%,定位均方根误差降低至4.30 cm,提升了复杂环境下UWB/IMU组合系统定位精度。

基于区块链的农产品供应链溯源数据多条件查询优化方法研究

随着基于区块链的农产品溯源系统迅速发展,区块链查询能力面临着巨大挑战。对于供应链参与方来说,区块链中保存的数据多为编码或序列化的数据,使得供应链参与方的审计和监督等存在多条件查询的工作变得十分困难。通常情况下,原生区块链并未提供满足多条件查询的查询方式。因此,为了实现多条件查询并提高查询效率,本研究提出一种农产品溯源数据多条件查询优化方法。首先,该方法采用一种优化的Merkle树结构(n-Tree)对交易信息进行重构,从而提供更高效的条件验证能力。其次,通过自适应多条件区块布隆过滤器判断交易信息中查询条件的存在性,进而快速过滤区块。最后,提出一种应用TWTN-Heap(Time weight and transaction number based heap)结构的索引构建方法,以区块权重为序构建主条件相关的区块号索引列表。产品数据的查询过程包括遍历区块号索引列表、过滤非相关区块以及验证特定查询条件,从而获得条件查询结果。实验结果表明,本研究提出的产品数据条件查询优化方法能够有效地解决农产品供应链面临的条件查询问题,同时保证查询时间消耗维持在15 ms左右,查询效率较默克尔语义字典树(Merkle semantic trie, MST)方法提高60.9%,较原始遍历(Orignal traverse, OT)方法提高87.7%。

基于GF-5卫星的西藏珠勒—芒拉地区矿物蚀变信息提取及找矿前景分析

【研究目的】近年来,遥感在地质调查和矿产勘查领域取得了广泛的应用,基于多光谱遥感数据的蚀变矿物填图为地质找矿工作提供了重要技术支撑,然而基于国产高光谱遥感数据在此领域的研究却为数不多。高分五号(GF-5)较小的波谱间隔提供了相比于多光谱更为丰富的目标地物波谱信息,为矿物的精细识别提供了良好的数据源。本文主要基于GF-5开展西藏革吉南地区的矿物蚀变信息提取,同时结合Landsat-8、ASTER多光谱数据提取结果叠加对比,综合野外调查验证,进一步深化遥感在地质矿产资源调查领域的应用。【研究方法】基于多光谱数据建立了不同类别蚀变矿物的光谱指数模型,在GF-5数据蚀变信息提取方面,摒弃了传统的光谱角匹配等方法,提出了基于决策树分类辅助混合调谐匹配滤波技术进行矿化蚀变信息的提取方法,最后综合区域构造、蚀变信息提取结果等要素,圈定成矿有利区,并开展野外调查验证。【研究结果】基于Landsat-8、ASTER两种多光谱数据对铁染、羟基类(Mg-OH、Al-OH)、碳酸盐类矿物信息进行了增强与提取;基于GF-5数据识别出了方解石、钠云母、普通白云母、多硅白云母、明矾石、高岭石、地开石、绿帘石8种蚀变矿物。【结论】结合不同数据源的提取与叠加结果,证实了本文提出的矿化蚀变信息提取方法的可行性。根据野外验证情况综合揭示了该地区发育高硫型浅成低温热液蚀变矿物组合,具有斑岩-浅成低温热液矿床的成矿潜力。本文认为高光谱与多光谱数据相结合有助于后续蚀变分带的分析与更精确的成矿预测,从而更好地服务于矿产勘查工程等领域。

一种面向区块链系统的轻量级高效可验证查询方法

近年来,随着区块链技术的广泛应用,各种场景下的应用对链上数据的查询需求与日俱增.针对区块链网络中轻节点的可验证查询问题,本文充分利用区块链的结构特性,提出一种新的轻量且高效的可验证查询方案,以支持对链上数据可验证的布尔范围查询.该方案将查询过程分为块间过滤和块内查询两阶段,针对块内查询,本文设计了一种简化的Merkle-B树结构,在兼顾查询效率的同时减少验证信息的大小,针对块间过滤,本文提出了两种分别基于布隆过滤器和位图的新型可验证数据结构,以高效支持对不同查询的批量处理和验证.安全性分析证明了该方案的可验证性;相关对比实验表明了该方案具有较好的查询性能和较低的开销.

不确定大数据流分类的决策树模型构建仿真

在不确定大数据流分类过程中,受噪声和孤立点的干扰,导致处理效果和分类精度无法达到预期要求。为解决上述问题,提出一种基于决策树模型的不确定大数据流分类算法。通过采用在线字典学习算法,对不确定大数据流去噪处理,消除噪声对分类过程产生的干扰。构建决策树,在剪枝过程中通过特征过滤算法,滤除不确定大数据流中掺杂的孤立点。将去噪后的不确定大数据流,输入决策树模型中,完成分类工作。实验结果表明,所提算法处理后的不确定大数据流振幅明显减小,且分类精度高,具有一定的应用价值。

基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法

针对目前图像去噪方法主要局限于单一噪声,无法有效解决多种混合噪声的不足,提出了一种基于DualTree CWT和自适应双边滤波器的图像去噪算法。该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,由改进阈值对各个方向子带的高频系数进行阈值量化,同时由自适应双边滤波对每尺度下低频子带系数进行滤波,并将重构得到的图像进一步去除噪声。实验仿真结果表明,该方法对混合噪声的滤除效果明显优于现有算法,且能较好地保护图像的边缘细节信息,通过客观评价指标峰值信噪比(PSNR)和均方根误差(RMSE)定量比较,PSNR提升了5.333 2~6.527 8 d B,RMSE可降低29.41%~46.03%,运行时间仅为1.492 0 s,整体降噪性能更优。

基于FPGA的数字带通滤波器设计与仿真

为快速准确地提取超声导波信号中的目标信息,采用流水线加法树阵列结构设计低阶滤波器,采用直接型低阶叠加实现20阶高精度带通滤波器。运用流水线技术与FPGA片上资源相结合实现对该结构数字算法优化,并将其应用在镍铬合金超声导波测温系统中。结果表明:所设计的滤波器对512点的混频超声导波信号滤波耗时约1047个时钟。该滤波器总体设计简单,可以达到实时滤波的功能。

基于跨视图原型非对比学习的异构图嵌入模型

基于非对比学习(NCL)的异构图嵌入模型不依赖负样本学习数据的内在特征和模式,可能导致模型无法有效地学习节点之间的区分度。提出了一种基于跨视图原型非对比学习的异构图嵌入模型(XP-NCL),通过寻找额外的正样本提供更多关于源节点的上下文信息,并重新考虑了正样本之间的相似性,从而为下游任务学习更高效的节点表征。该模型首先设计了一种基于异构图随机游走的树型结构,通过筛选出满足局部结构约束的随机游走路径,从而构建正样本的有向筛选树(DFT),该树包含丰富的邻居信息和语义信息;其次针对异构图的特性,定义了跨视图原型指数(ISDR)和峰值算子(peak operator),从多个维度考虑了同类样本在数量和数值上的对齐;在此基础上,模型利用停止梯度更新进行训练。最后,在ACM、DBLP和freebase数据集上,实验验证了节点的分类和聚类性能,结果表明,即使不使用负样本,XP-NCL表征与其他同构图和异构图基线相比,很多情况下都可以呈现出更优越的性能。

Linux下基于Netfilter的包过滤算法

通过对Linux操作系统下Netfilter防火墙中包过滤技术的分析,发现Netfilter包过滤使用简单的线性分级算法,当防火墙需要匹配的规则越来越多时,防火墙的性能会急剧下降,造成系统瓶颈。因此,提出一种基于二叉树和Hash函数的包过滤算法B-H。通过测试证明,该算法在大量规则的情况下能够达到快速匹配,有效地提高了包过滤的性能。

基于机载激光雷达技术的山区针叶林单木分割方法研究

以杉木为研究对象,利用无人机激光雷达点云数据,结合地面实测样地数据,探索创新现有的森林资源调查模式,提升森林资源外业调查效率,更新资源调查数据,保证数据的现势性。考虑到研究区为山地林区,地面起伏较大,选取了一种基于改进加密三角网滤波算法进行滤波和分类,并对比分析了分水岭、点云分割、层堆叠种子点三种不同的单木分割方法,完成了研究区单木位置、树高、冠幅等林木参数的提取研究,优化了激光雷达林木参数反演的技术流程。从30个样地中抽取10个样地,对比样木实测值与单木分割的估测值,结果表明:层堆叠种子点算法分割效果最优,F评分在64.61%~85.29%之间;点云分割算法居中,F评分在56.00%~80.60%之间;分水岭算法分割效果最差,F评分在45.57%~69.45%之间。同一种方法中,不同样地分割效果也存在差异,这可能与样地地形、树木结构形态等因素有关;样地中林木分布存在树木遮挡或树木分布结构不规则时,一定程度会降低单木分割精度。因此,根据不同林分情况,建立适用性较强的无人机激光雷达森林参数反演模型是未来努力的方向。

最小生成树分割下小样本图像纹理提取研究

图像的纹理特征是图像的重要视觉特征,对于小样本图像的纹理特征提取时,存在纹理信息提取精度不佳、纹理信息提取错误等问题,严重影响了图像纹理提取的效果。为了有效解决以上问题,提出最小生成树分割下小样本图像纹理提取方法。采用Shearlet变换和多尺度Retinex方法对小样本图像实行增强处理,以提高其可识别性和区分度。利用最小生成树分割方法,对小样本图像分割处理;通过Gabor滤波器实现小样本图像的纹理提取。实验结果表明,所提方法能够有效地提取出小样本图像的纹理特征,其提取精度在97%以上,且图像增强效果佳。

基于动态最小生成树的分布式协同目标跟踪算法

针对多连接通信拓扑传感器网络因可能存在信息冗余和未知相关性而造成融合估计偏差较大的问题,提出了一种具有通信层和融合层的基于最小生成树的分布式协同目标跟踪算法。在通信层,基于Bellman-Ford-Moore算法对多传感器网络进行动态配置,生成具有最小生成树结构的通信拓扑,消除分布式传感器网络中的冗余连接。在融合层,各传感器节点基于树形连接拓扑的通道滤波算法,对其存储的局部数据和从相邻节点接收到的数据进行分布式数据融合,实现协同目标跟踪。同时,以融合估计的动态均方差为性能评价标准设计了一种通用的数据融合评价方法,对该目标跟踪算法的性能进行了分析。该算法可以推广至任意类型的通信拓扑,并可消除冗余通信连接。仿真结果表明,该算法在理论边界范围内的估计误差的比例大于95%,具有良好的估计精度、跟踪性能和鲁棒性。

基于CPat-Tree的URL索引模型裁剪方法

海量URL会造成网络内容过滤系统索引效率低下。该文提出一种基于CPat-Tree改进的URL分级信息存储模型的裁剪算法,通过键值相似度实现键聚类,直接对存储数组遍历以合并相似的叶子节点,减少索引占用空间,提高查询效率。该方法裁剪前后的存储空间变化效果取决于键相似度,因此其具有良好的扩展性。

基于决策树和bloom filter的包过滤防火墙

分析了基于链表的包过滤防火墙的性能和特点,针对其不足,将决策树和Bloom Filter引入到包过滤防火墙中,并对其中涉及到的算法和步骤的开销进行了分析。分析表明,这种方法可以有效提高包过滤防火墙的性能。

基于Geohash的海战场仿真兴趣实体过滤方法

在虚拟海战场仿真中,按空间地理信息快速过滤出感兴趣的仿真实体能够有效加快仿真进程。在分析了海战场作战仿真中特性的基础上,论文提出了基于Geohash的海战场仿真兴趣实体过滤方法,该方法将改进的前缀树(trie-tree)与Geohash相结合,并具体描述了其在探测仿真过程中的应用方式。将所提出的方法与其他的传统算法进行对比实验分析,证明了该方法在海战场仿真中对兴趣实体过滤的有效性。

基于改进Canny算子的树障与导线边缘检测算法

针对目前输电线路通道树障检测中,树障与导线的边缘信息难以提取、不清晰以及连续性差等问题,提出一种基于改进Canny算子的树障与导线边缘检测算法。首先使用可以去噪保边的双边滤波取代传统Canny算子中的高斯滤波,使得树障与导线图片的边缘信息得以确保清晰,同时图片边缘更加细腻;然后使用基于Scharr算子3×3的梯度模板代替2×2的模板来改进梯度计算方法,在水平和垂直方向上扩充了45°和135°,两个方向的梯度模板加权求和;其次,对改进后的梯度幅值实施非极大值抑制,减少边缘检测带来的不利影响以使边缘变细;最后使用双阈值算法确定真实与虚假边缘,实现目标图片的边缘检测,减少干扰。实验结果表明,图片的边缘清晰度分别为8.53、0.474、12.93。改进后的算法对树障与导线边缘检测的结果相对于传统算法具有更好的边缘清晰度,可以清晰地观察树障与导线。

基于决策树的自适应互补滤波姿态解算

为解决惯性传感器在磁场干扰和大加速度干扰坏境下姿态解算精度下降的问题,提出一种基于决策树自适应的互补滤波姿态解算方法。针对陀螺仪特性,对其进行零偏补偿处理。将处理后的角速度数据与加速度数据构成静态检测单元,实现了静态情况和动态情况的准确分类。在动态情况下,由加速度数据和磁场数据组成的决策树通过分析外界干扰程度来自主调节系统误差增益,进而达到抗干扰目的,有效提高姿态解算精度。实验结果表明:静态情况下姿态解算不受磁场干扰,动态情况下能够有效避免磁场和大加速度干扰。

B-树和bloom filter相结合的IPv6路由查找算法

为了提高IPv6的路由查找效率,针对IPv6路由前缀分布不均匀的问题,提出了一种基于B-树和bloom filter相结合的IPv6路由查找算法(BTBF)。BTBF分为B-树和bloom filter查找两部分,利用B-树查找路由前缀的前16 bit值,然后通过B-树节点中位向量的映射,将下一步链接到bloom filter,再利用bloom filter位数组的值映射提取下一跳。实验结果表明,BTBF算法与其他树型和bloom filter类算法相比有效减少了空间和时间占用,在路由表项数变化较大的情况下也能维持稳定的查找性能。

软件定义Fat-Tree数据中心网络的多组播树动态切换机制

数据中心网络中单组播树传输往往难以应付网络拥塞和故障,从而导致可靠性和网络资源利用率较低.多组播树动态切换机制虽然能够灵活地对数据传输进行均衡和故障恢复,但在传统网络中难以部署和实现.软件定义网络将控制面和数据面分离,具有良好的可控性和可编程性.在支持Open Flow的Fat-Tree数据中心网络中,提出一种基于自适应滤波预测的多组播树动态分级切换算法.该算法首先为每个组播会话建立多个备选组播树,并根据收集的网络链路状态为每个组播树计算优先级值;然后采用自适应滤波算法对优先级值进行预测,并利用预测的优先级值设计组播树的动态分级切换策略和数据分发比例.最后,通过在Mininet平台进行了仿真实验,验证了本文所提算法的可行性和性能.