基于变权Voronoi图和混合粒子群算法的电动汽车充电站规划

针对城市电动汽车充电站规划布局及服务范围划分的问题,提出一种基于变权Voronoi图和混合离散粒子群算法的优化算法。为解决离散粒子群算法在达到最优解时容易发生变异的问题,改进了离散粒子群算法中的概率映射函数,提高算法迭代中后期的全局搜索能力;引入加权Voronoi图生成过程中可随充电站的服务能力和最大服务半径约束动态调整的变权重系数,使充电站服务范围的划分可控且更为合理;利用最短路径法求得用户充电行驶过程中的交通路径距离来取代传统的欧式距离,提高算法的准确性。运用改进后的混合离散粒子群-变权Voronoi图算法求解算例模型,通过算例结果验证了所提算法用于电动汽车充电站规划的有效性。

障碍空间中基于Voronoi图的不确定数据聚类算法

为了有效解决障碍空间中的不确定数据聚类的问题,引入计算几何中的Voronoi图对数据空间进行划分,提出障碍空间中基于Voronoi图的不确定数据聚类算法.根据Voronoi图的性质,提出4项聚类规则.利用KL距离进行相似性度量.根据障碍集合是否发生变化,提出了静态障碍环境下和动态障碍环境下的不确定数据聚类算法.理论研究和实验表明:静态障碍物环境中的不确定精炼聚类算法(简称STAO_RVUBSCAN算法)、障碍物动态增加情况下的不确定聚类算法(简称DYNOC_VUBSCAN算法)、障碍物动态减少情况下的不确定聚类算法(简称DYNOR_VUBSCAN算法)和障碍物动态移动情况下的不确定数据聚类算法(简称DYNOM_VUBSCAN算法)都具有较高的效率.

基于加权混合元Voronoi图的机坪移交区域划分方法

对于机坪管制移交区域的确定,国内尚且没有相应的理论与方法,该文在对机坪塔台和空管塔台工作负荷分析的基础上,提出基于加权混合元Voronoi图的机坪移交区域划分模型,并且对Voronoi图的栅格生成算法进行研究。在VC++6.0平台上利用栅格生成算法成功实现Voronoi图分割,最后通过某机场的地面网络结构图和机场交通密度分布进行算例分析,确定了机坪移交区域,符合生产单位对机坪移交区域确定的要求。方法具有独特性,可以为国内机坪管制移交工作的开展提供合理的参考。

“思维导图+”的在线混合教学模式在数据库应用课程教学实践中的应用

针对数据库应用课程的特点及教学现状,提出结合超星学习通平台与钉钉直播软件,将思维导图贯穿整个在线教学过程的"思维导图+"的线上混合教学模式,并以数据库技术与应用(Access)课程为例,从"课前学习—课堂直播—课后拓展提升"介绍基于思维导图线上混合教学模式的实践过程,阐述科学的课程考核评价体系,最后通过调查问卷说明教学效果。

多连通域Voronoi图的算法及数据存储

通过对两种主要单连通域Voronoi图算法的剖析,改进初始化算法和数据结构,得到便于工程应用的单连通域Voronoi算法,并将波阵面传播的思想扩展应用到求多连通域的Voronoi图,形成新的多连通域问题算法,从而解决了工程中特别是分层制造技术中Voronoi图应用的一般性问题。

传感器网络中基于加权Voronoi图的能量均衡数据采集算法

基于乘法加权Voronoi图在稀疏无线传感器网络中设计了一条优化的数据采集路径.在这个优化路径中,移动采集节点访问一个虚拟Voronoi图的节点子集进行数据收集.这个Voronoi图节点子集是通过精心设计的迭代过程生成的,在给定通信半径内,能够覆盖所有的传感器节点,同时考虑了传感器节点的能量均衡消耗.连接Voronoi节点子集形成的优化路径缩短了数据采集路径的长度,从而缩短了数据采集时延.通过调整虚拟Voronoi图的覆盖系数,可实现满足不同要求的综合考虑时延与能量消耗的折中方案.

一种基于图划分的混合属性数据聚类算法

实际应用中存在着大量同时具有数值型和符号型属性的混合属性数据,研究混合属性数据的聚类具有重要意义。经典聚类算法仅仅处理数值型数据或符号型属性数据,对混合属性数据往往无效。现有混合属性数据聚类算法分别将数值型属性和符号型属性数据单独计算,忽视了两种属性之间的相关性,聚类效果不理想。提出一种基于图划分的混合属性数据聚类算法。算法将一行属性值定义为一个图节点,计算图节点的相似性,采用一种自适应调节属性权重的方法,将数值和符号属性的相似性统一成一个互联合相似度矩阵。用图划分方法对数据进行聚类划分,通过迭代寻优的方法调整数据之间的契合度,从而求得类内相似度最大并寻得最优解。实验结果表明,混合属性聚类算法与其他方法相比具有明显的优势。

基于Voronoi图的工程数据格式转换研究

根据工程软件数据格式间的转换关系,构建一个以软件和数据格式为节点的网络图。利用常用工程软件的数据格式,确定软件和数据格式节点在二维空间中的位置分布,并基于Voronoi图实现网络图的可视化。实验结果表明,该方法能够有效地分析软件和数据格式间的复杂关系,提高信息移存的效率。

Voronoi图划分实现位置数据发布隐私保护

针对位置这一特殊数据发布的隐私问题,提出了基于Voronoi图预划分的隐私保护策略。该策略通过信息熵计算处理待发布位置与敏感位置关联关系,并利用关联最低位置作为图心建立Voronoi图。进而利用Voronoi单元格特性将待发布的位置信息替换为图心位置,以此实现敏感信息隐藏的目的。在信息隐藏的基础上,利用广义差分隐私原理,提出了基于位置发布数据的ε-敏感位置关联隐私模型,并证明所提出的算法能够满足该模型。最后,通过比较实验进一步证明了所提出的算法在隐私保护能力和发布数据可用性方面的优势,并对实验结果进行了详细的成因分析。

基于Voronoi图的空间点事件统计聚类方法

挖掘地理空间数据中点事件聚集模式对于揭示流行疾病、犯罪分布热点区域及城市基础设施空间分布格局等具有重要意义。针对不同形状、密度和大小的显著空间点聚集模式的识别,目前以空间扫描统计为代表的方法虽然可以对空间点聚类的显著性进行统计推断,减少虚假聚类结果,但其主要用于识别球形或椭圆形状的聚簇,对于沿着街道或河道分布的任意形状、不同密度的显著空间点聚簇识别还存在局限。因此,本研究提出一种基于Voronoi图的空间点聚集模式统计挖掘方法。首先,采用Voronoi图来度量空间点分布的聚集性,将空间点聚类问题转化为热点区域探测问题;其次,结合局部Gi*统计量探测统计上显著的空间点聚簇;最后,通过模拟数据和真实犯罪事件数据进行实验与对比分析。结果表明:本方法能够有效探测任意形状的空间点聚类,并对空间点簇的显著性进行统计判别,识别显著的空间点簇,减少随机噪声点的干扰;聚类识别结果优于现有代表性方法,如DBSCAN算法、空间扫描统计方法等。

基于混合云的数据流图越权访问检测算法

通过对在私有云、公有云并存的混合云数据访问的研究,发现越权访问普遍存在,且对于数据安全存在很大的安全威胁。基于此情况,采取对状态、规则、自动机、系统资源等多要素在多级混合云环境下进行形式化描述;运用数据流图记录了不同状态的访问行为及其所造成的数据流动方向,设计了读操作和写操作访问合法性检测算法,并对其形式化进行描述,该算法可有效地检测混合云中越权访问违规操作,解决了现有模型对数据间接传递防护方面的不足。

Voronoi图算法及其在混合电路的衬底耦合研究中的应用

提出了对版图进行划分的Ｖｏｒｏｎｏｉ图的算法：将Ｖｏｒｏｎｏｉ图进行变换，通过扫描技术，从下到上对每个点与交点进行处理，从而形成变换后的Ｖｏｒｏｎｏｉ图，最后将此图转换为Ｖｏｒｏｎｏｉ图．在计算中，针对集成电路的物理特性，改进了阱区附近的Ｖ图的生成以及多个水平位置点和兼并问题．算法时间复杂度为Ｏ（ｎｌｏｇｎ），空间复杂度为Ｏ（ｎ）．

基于Voronoi图的障碍不确定数据的聚类算法

数据采集过程中普遍存在不确定性,并且在现实地理空间中,不确定数据之间可能存在障碍物间隔。为解决障碍空间中不确定数据的聚类问题,提出APPGCUO算法,该算法包括三个过程:在障碍物约束下采用R树节点最小最大值方法提出的RPT-OUCure算法,用以生成局部最优解,提高生成局部最优解的效率;继而利用近似骨架的理论提出GIABO算法,以局部最优解生成有效初始解,避免划分聚类算法中任意初始解的不足;最后结合Voronoi图的特性提出VPT-KMediods算法,减少不确定数据的积分运算量。实验结果表明,APPGCUO算法具有较高的聚类效率和质量。

空间数据库中基于Voronoi图的线段组最近邻查询

为了弥补现有的研究成果无法有效的处理空间数据库中组最近邻查询问题,提出了空间数据库中基于Voronoi的线段组最近邻查询方法.静态数据集情况下提出了STA_LGNN算法,这一查询过程分为两个阶段,包括过滤过程和精炼过程.在过滤过程中,根据Voronoi图的性质以及影响区域的几何特点,提出相应的剪枝规则.在精炼过程中,根据线段间位置关系得出相应的距离表示方法,通过对距离进行比较后得到最终正确的查询结果.理论研究和实验表明,所提算法能有效地处理空间数据库中基于线段的组最近邻查询问题.

一种支持三维Delaunay三角剖分与Voronoi图生成的数据结构

目前,很多三维Voronoi图生成算法都是先构造Delaunay三角剖分,然后根据剖分后的数据结构来提取出Voronoi信息。在这个过程中,一种简单易处理的数据结构可以提高算法的效率,而在提取Voronoi信息时需要这种数据结构提供足够多的拓扑信息,以便快速简便地提取Voronoi信息。因此一种易于处理而又保有足够多拓扑信息的数据结构显得尤为重要。描述了一种数据结构,使Delaunay三角剖分算法的实现更加直观、简单,而且足够的拓扑信息简化了Voronoi信息的提取过程。

基于LOF算法的多维混合型数据控制图设计

为了解决含顺序型和名义型变量混合型数据的监测问题,提出了一种基于LOF算法的多维混合型数据控制图(mixed-type data local outlier factor control chart,MLOF)。在监测过程变量变化的过程中,该控制图充分考虑了顺序型变量的等级特性和名义型变量的信息熵,基于数据的密度来衡量观测点的异常程度。分别使用基于信用卡申请数据集的仿真案例和基于德国信用卡数据集的实例,对比MLOF控制图和现有混合型数据控制图在异常点检测上的表现。仿真案例共模拟了30种监测场景。结果表明,在57%的场景中,MLOF控制图的综合表现都是最好的。而实例也验证了MLOF控制图更适用于数据量大、聚类情况复杂的混合型数据监测过程中。

基于Voronoi图的传感数据自然邻点插值算法研究

提出一种基于Voronoi图的插值算法,通过采用邻近点查询法找出待插值节点的相关邻近节点,再根据邻近节点构建局部Delaunay三角网,并据此形成局部Voronoi图,将待插值点看成一个虚拟节点更新局部Voronoi图;依据各邻居节点的Voronoi面积和观测值计算出待插值点的预测数据;最后进行模拟实验,验证算法结果。

一种关系—图数据库混合存储系统设计

为了提高不同场景下面向多表连接、分组、排序、聚合等组合后的数据库复杂查询的效率,设计了一个基于MySQL的Neo4j的混合存储系统。系统定义了一种类SQL查询语言C-SQL来连接两个数据库,并提供统一数据访问接口;基于动态成本模型进行查询优化,将用户查询转化成可并发执行的枚举查询;通过对查询响应时间的度量,确定最优查询计划,进而提高复杂查询的效率。最后通过解析MySQL的Binlog日志解决了从MySQL到Neo4j的数据同步问题。

图数据库Neo4j下的POI同位特征提取

本文以图结构为基础,针对城市兴趣点(POI)在空间网络中的同位特征展开挖掘,突破了传统欧式空间下的各种限制。在理论方面,本文总结了图结构下的空间分布关联特征和挖掘方法,并与欧式空间进行对比,通过剖析Apriori算法,利用网络Voronoi图构建连接图结构和关联规则挖掘算法的桥梁,并采用同位模式判定方法进行图结构与欧式空间的比较分析;在实践层面,使用图数据库Neo4j存储、管理和处理图结构,充分发挥Neo4j在复杂关联数据处理方面的优势,提升了算法效率。另外,本文还利用Neo4j进行关联规则挖掘,验证了基于图结构的方法比欧式空间更适应城市POI结构特征的结论。

基于能流图的混合动力车数据分析方法

相比传统汽车,混合动力车驱动系统更加复杂,具有多个能量源,其能量流具有多路特性,所以在其控制中,及时获得相关数据,并对数据进行完整的分析显得尤为重要。能流图作为统计数据的整理和分析工具,目前已在很多能源领域得到广泛应用,但在汽车上的应用尚少。本文参照当前国际上普遍采用的能流图结构,以从实际运行的混合动力车上采集的数据,绘制典型的混合动力车的能流图,并予以分析。该方法已成功应用于国内某混合动力车。