基于量子系综分类的量子系统哈密顿量辨识

针对量子系统中的哈密顿量辨识问题,提出了一种基于量子系综分类的量子系统参数辨识方法.首先,所采用的量子系综分类方法结合了基于采样的学习控制方法和梯度流算法,可利用所设计的控制场有效区分具有不同哈密顿量参数的量子系统;其次,以交叉验证的方式对于所需估计的哈密顿量参数值进行区间判定,提高估计可靠性;再次,采用逐次细化判定区间的方法,辨识出最终的哈密顿量参数;最后,通过数值仿真验证了所提出的量子系统哈密顿量辨识方法的有效性和实用性.

基于云计算的数据流系综分类算法研究

综合分析了数据流分类算法以及云计算的基本理论,提出了基于Hadoop框架的数据流系综分类算法,算法采用MapReduce并行编程模型对传统基于动态权重系综模型进行改进,以提升算法的分类效率.分析结果表明,该算法在处理快速海量到达的数据流时,其执行效率远高于传统系综算法.

按需系综的数据流分类算法研究

传统分类器系综数据流分类算法内存消耗高、计算开销大。针对该问题,提出一种按需系综分类算法。根据数据流的特点,按需动态调整分类器的个数和权值,从而保持较高分类精度、降低开销。通过对2种人工数据流的实验分析表明,该算法对隐含概念漂移的数据流分类效率及精度都有一定提升,内存开销有所降低。

基于云计算的信息系统数据采集分析系统的研究与设计

从云计算三个层次的服务模式出发,提出了一种基于云计算平台的分布式并行信息系统数据采集分析系统。首先,通过Hadoop云计算平台提供的分布式文件系统提升数据的存取速度,增强系统的容错性。在此基础上,利用MapReduce编程模型并行化数据流系综分类算法,提高数据的分类挖掘效率。最后,采用Web Service技术构建了SOA服务体系架构,从而整合了技术平台。测试结果表明,检测系统运行高效,并且检测精度高,具有一定的实用性和推广价值。