一种基于区间重叠度分析和互信息的AP选取新策略

基于接收信号强度定位(received signal strength in—dication,RSSI)技术的无线保真(wireless fidelity,wi Fi)室内定位中,是通过接收不同的访问接入点(access point,AP)的信号来估计用户的位置。提出了一种基于区间重叠度分析和互信息的AP选取新策略,在离线阶段利用RSSI区间重叠度分析选取AP,在定位阶段通过互信息的方法再次选取AP。根据选取出的AP匹配出K个指纹参考点,再通过贝叶斯算法对定位点进行位置估计。实验结果表明,提出的AP选取新策略与其他方法比较,能够减少AP选取时间,提高定位精度和定位效率。

基于WiFi信号的整体区间重叠度的AP选取算法

针对WiFi指纹室内定位中AP(access point)选取算法问题,提出了一种基于WiFi信号的整体区间重叠度(overall interval overlap degree,OAIOD)AP选取的优化算法,给出了算法的流程和整体区间重叠度计算方法。通过实验并与区间重叠度、信息增益、信息增益率、互信息等多种AP选取算法相比,结果表明:该算法定位精度较高,可靠性和稳定较好,增强了AP对指纹点的识别能力,又减少了指纹点中AP之间的关联性。

基于模糊聚类分析的构件并行技术研究

提出了一种新的面向科学计算的构件技术——基于模糊聚类分析的构件并行技术,旨在提高构件间的并行度和数据局部性,避免通信瓶颈.该技术分为两个阶段:域划分和子构件组合.其中域划分利用了编译时的数据依赖分析技术.然后考虑访问步长的影响,利用不定方程,提出了区间重叠度的概念.基于此利用所设计的基于区间重叠度的模糊聚类算法实现子构件分类组合,并给出了算法的形式化描述.实验结果表明,通过该算法的编译时优化,构件程序能够获得良好的数据局部性、适中的粒度以及高度的并行性,算法具有很好的可扩展性.

一种时间序列shapelets快速发现算法

传统shapelets发现算法搜索海量子序列,计算其分类信息增益,算法时间复杂度高。提出一种shapelets快速发现算法,针对时间对齐相似序列集,引入均值子序列和分类区间重叠度IOD)定义,减少候选shapelets数量,提高分类性能评估效率,对算法进行多核并行化实现。UCR数据集对比实验表明,快速算法执行效率提升显著。

BED-CEIA估计HIV-1新近感染率的有效性及其影响因素的评价

在艾滋病流行病学研究中,衡量艾滋病流行趋势最常用的指标是HIV累积感染率和新近感染率.与累积感染率相比,新近感染率对艾滋病流行趋势预测、干预效果评价以及防制策略的制定等能提供更直接的信息.在获取新近感染率的方法中,除了经典的流行病学队列随访方法,目前普遍使用的血清学方法之一是IgG捕获BED酶联免疫法（BED-CEIA）.2001年,美国疾病预防控制中心（CDC）艾滋病免疫和诊断室评估了16种基于不同抗体和原理的HIV-1新近感染检测方法,发现新近感染者与既往感染者相比,各种抗体滴度均较低;其中gp41抗体滴度在新近感染者和既往感染者中的差别最大,两者的滴度区间几乎没有重叠,新近感染者的gp41抗体亲和力低于既往感染者,从而认为gp41抗体能够区分新近感染者和既往感染者,并且酶联免疫实验操作相对简单、效果也较理想,因此该室着手开发基于gp41抗体的HIV-1新近感染检测的酶联免疫方法[1].