基于RD-PSO优化算法的自适应数据流分类

为了无缝地适应非平稳数据流分类任务中的不同概念漂移,提出一种基于复制动力学和粒子群优化(Replicator Dynamics and Particle Swarm Optimization,RD-PSO)的自适应数据流分类技术。该技术基于三层体系结构通过从目标数据流的特征池中随机选择一定百分比的特征来创建不同大小的分类类型,使用粒子群优化技术通过单独优化所提算法的每一层中的特征组合来处理突发式和复现式概念漂移。结果表明与现有方法相比,该算法在准确性和鲁棒性方面均优于现有方法。

数据流上自适应的稀疏Skyline挖掘

Skyline查询的结果集为数据集中不被其他对象所"支配"的对象的全体.近年来,它在在线服务、决策支持和实时监测等领域的良好应用前景,使其成为数据管理与数据挖掘领域的研究热点.实际应用中,用户通常期望快速、渐进地获得Skyline计算结果,而流数据的连续、海量、高维等特性,使得在确保查询质量损失受控的前提下挖掘稀疏Skyline集合成为一个极具价值和挑战性的问题.本文首先提出一个新颖的概念:稀疏Skyline(Sparse-skyline),它采用一个Skyline对象来代表其周围ε-邻域内的所有Skyline对象;接着,给出了通过数据维度之间的相关性来自适应调整查询质量的两个在线算法;最后,理论分析和实验结果表明,与现有的Skyline挖掘算法相比,本文提出的方法具有良好的性能和效率,更适合于数据流应用.

基于有限反馈的数据流数自适应SDMA

针对目前绝大部分有限反馈自适应SDMA由于使用固定满波束发送策略而导致在稀疏网络中严重的用户间干扰的问题,该文提出了一种基于有限反馈的数据流数自适应SDMA,该方案能通过自适应地选择并行发送波束的数目来达到有效控制用户间干扰的目的。具体实现如下:通过用户的有限反馈信息,以及信道的二阶统计信息,基站端使用约束最大似然估计的方法估计出使用不同数目发送波束的发送模式所支持的最大和吞吐量,从而自适应地选择最优的发送模式。仿真结果表明:该文提出的方案能在增加很少反馈量的前提下显著改善现有SDMA方案的性能。

数字孪生水利水电工程中BIM自适应流转技术研究

为解决BIM模型在数字孪生水利水电工程各阶段应用中因业务需求不同导致其几何、材质、属性、结构等精度适配度不高的问题,设计了一套BIM模型按需自适应流转的技术方法,以实现BIM在水利水电工程数字孪生中的高效应用。该方法定义BIM模型属性、结构、几何、材质的数据导出规范,通过建立上述多维信息的映射关系,结合改进的3DTiles几何轻量化算法,实现BIM模型属性、结构、几何、材质按需自适应流转。基于该方法,依托Revit软件开展项目应用实践。研究结果表明:使用该方法流转的BIM模型结构齐备、属性完整,并能按需满足几何与材质的精度要求,同时支持高效应用与高性能渲染。研究成果可为BIM模型在水利水电工程全生命周期数字孪生应用提供基础技术支撑。