基于欧氏距离最小化的非常规工况空调水系统运行关联准则研究

对某地铁空调系统进行了模拟,获得大量运行数据,利用关联准则数据挖掘方法对运行数据进行挖掘,得到了能够指导空调系统高效运行的关联准则。对于未能挖掘得到关联准则的部分工况(非常规工况),提出了一种基于欧氏距离最小化的方法,对中央空调水系统运行的非常规工况进行了关联准则补充,并以两种非常规工况为例进行对比分析。两应用实例中采用从近到远的三个欧氏距离补充的关联准则对系统进行模拟运行。两实例的系统能效分别为5.72、5.63、5.46与5.71、5.53、5.04。与相对应的既有模式能效相比,最高能效分别提升了1.4与1.7。结果表明采用最小欧氏距离补充的空调水系统运行关联准则能够很好地保证空调系统高效运行。

使用交叉距离最小化算法设计支持向量机

针对核方法在处理非线性可分数据问题上的优势,将一种硬间隔无核支持向量机——交叉距离最小化算法(cross distance minimization algorithm,CDMA)推广到带核的版本,称为带核的交叉距离最小化算法(kernel cross distance minimization algorithm,KCDMA).利用乘子将交叉距离最小化算法表示为内积的形式,然后使用核函数代替内积运算,并且引入二次惩罚,这样扩展后的模型能处理非线性可分数据集,并且允许一定的分类偏差.实验结果表明,与一些经典的支持向量机方法相比,该方法具有明显的竞争力.

基于离差最大化与距离最小化的专家权重确定方法

该文提出了一种基于离差最大化与属性权重向量距离最小化的多属性群决策中专家权重确定的新方法。首先,根据专家给出的客观评价决策矩阵,通过熵权法计算出属性权重值。然后,根据计算得到的属性权重向量构成属性向量矩阵,建立专家函数,求出对应专家权重。其次,再采用离差最大化的方法计算出相应专家的权重。最后,将由距离最小化与离差最大化的方法得到的专家权重值进行加权集成综合,进而给出多方案间的排序。最后,给出算例对其进行说明该方法的可行性与实用性。

一种运输距离最小化的物流配送中心选址的计算机求解算法

将要求运输距离最小化的物流配送中心选址问题抽象为图的最短路径求解问题,将图中所有顶点到其他顶点的最短路径值求和,选取和值最小的顶点,该顶点所对应的位置作为配送中心,满足到其他顶点运输距离最小,提出了具体算法,并给出相关实例进行验证。

基于色彩距离最小化和最大色彩差的文本定位

提出了一种基于色彩距离最小化和最大色彩差(MCD)的场景文本定位方法。首先,使用多次K均值聚类和色彩距离最小化的方法,从不同复杂程度的场景图像中提取文本连通区域;考虑到色彩聚类方法容易受光照影响,使用基于MCD最大色彩差的方法,提取文本连通区域作为补充,由于将色彩与梯度信息相结合,在一定程度上能克服光照的影响;将得到的连通区域通过设定的字符合并规则,构建文本行;候选文本行中通常包含错误检测的非文本行,为了提高文本检测的正确率,最后采用基于特征提取和机器学习的方法,验证候选文本行,得到文本定位结果。将本文方法在ICDAR2011和ICDAR2013公共数据库上实验,对于ICDAR2011数据集,本文获得的召回率、准确率和F指标分别为0.66、0.77和0.71;对于ICDAR2013数据集,本文获得的召回率、准确率和F指标分别为0.65、0.77和0.70。将本文方法与其它文本检测算法比较,结果表明本文方法的可行性、有效性。

依存距离最小化是人类语言的普遍规律吗?

麻省理工学院弗特勒尔等人对37种自然语言进行了基于语料库的大数据分析,为人类语言中的依存距离最小化倾向提供了最新的实证依据,在科学研究领域引起广泛关注。这项研究可能是迄今为止涵盖语言最多的依存距离研究,在普遍性的验证上较先前研究更为全面,在方法上也有自身的一些特点。但其研究有多处值得商榷。早在2008年,浙江大学刘海涛团队对依存距离最小化倾向进行了较为深入的研究,促进了人们了解人类语言如何在普遍认知机制制约下形成与演化,也帮助人们更深入地认识人类的认知机制。这些研究充分体现了语言研究是一个具有交叉学科特点的研究领域,是多语言、大数据技术、语言的普遍规律及认知科学充分融合的学科。这四大因素结合起来的研究将会展现当代科学研究的光芒,并将对当代语言科学的发展起到重要的推动作用。

基于解剖距离的功能脑网络建模方法研究

为了分析解剖距离对静息态功能脑网络建模的影响,在解剖距离的基础上将节点共同邻居引入到功能脑网络的建模中。设计三个模型,分别是基于解剖距离,节点共同邻居个数和解剖距离与节点共同邻居个数。借鉴残差的方法创建最优静息态功能模型网络评价标准。在每种模型网络中选出最优的模型网络。然后将每种模型中的最优网络与真实数据fMRI网络对比选出能够最大程度模拟真实网络的模型网络。结果证明在AAL模板下单独基于解剖距离建立的功能脑网络能最大化的模拟真实的网络。

点云模型上测地线的计算

给定点云模型上2点,将点云数据沿与xyz三坐标轴垂直方向进行单元剖分后,采用Dijkstra算法求出2点间的最短路径作为初始测地线;然后通过带弧长最短约束的平方距离最小化方法对初始测地线进行迭代优化,计算得到点云模型上给定2点间的一条样条表示的精确测地线.文中算法只需局部拟合抛物曲面,无需对点云模型进行三角化或曲面重建,适合大规模点云数据模型上测地线的计算.

基于KELM选择性集成的复杂网络环境入侵检测

为解决复杂网络环境网络入侵事件特征复杂多变、新型入侵检测度低、检测时间长、难以实现实时检测的问题,本文提出一种基于核极限学习机(Kernel Extreme Learning Machine,KELM)选择性集成的网络入侵检测方法(SEoKELM-NID).该方法采用Bagging策略独立快速训练出多个KELM子学习器;然后基于边缘距离最小化(Margin Distance Minimization,MDM)准则对KELM子学习器的集成增益进行度量,通过选择增益度高的部分KELM子学习器进行选择性集成,获得泛化能力强、效率高的选择性集成学习器;同时,引入一种基于批量样本增量学习的KELM子分类器在线更新策略,实现入侵检测模型的在线更新,使SEoKELM-NID能有效适应复杂网络环境的变化.在KDD99数据集和一个以太网和无线网络混合的复杂网络仿真实验平台上进行了仿真实验验证,结果表明,SEoKELM-NID相比基于单个学习器以及传统集成学习的网络入侵检测方法具有更好的识别准确性以及更快的识别速度,特别对于未知的网络入侵连接事件响应速度快、漏报率低.

低对比度图像高精度轮廓三维重建算法研究

为了解决低对比度成像条件下传统三维轮廓重建算法精度偏低的问题,提出一种基于邻域距离最小化准则、由粗到细的高精度轮廓三维重建算法。首先使用Canny算子对目标图像进行边缘检测,再利用目标形状、尺寸等先验信息剔除分割出的虚假目标边缘。随后,计算边缘点法线方向上的梯度加权值作为工件初始化轮廓,根据左右一致性原则筛选出粗匹配点对,在匹配点对邻域附近使用亚像素进行精细搜索,利用邻域距离最小化准则估算出当前最佳亚像素匹配点对,并将其用于激光刻形工件的尺寸测量,总体精度可达0.1mm。该方法有效降低了轮廓重建算法对边缘定位精度的依赖,同时提高了轮廓重建精度。

基于改进灰色模型电力负荷预测

随着电力市场的推进,负荷预测已成为保证电网稳定运行的基础,电力负荷预测在电力系统规划中的重要性和迫切性越来越受到高度重视。然而,基于电力系统的复杂性,保证预测的准确性是电力企业负荷预测工作的关键。传统的GM(1,1)模型在实际应用中存在很多缺点和局限性,本文从初始条件处理和初值的选取方面进行了改进:对原始输入数据的处理,运用了指数加权法,对初值的处理,利用预测值和实际值的欧氏距离最小化的方法来确定的连续变化微分方程时间响应函数中的参数c值来代替x(1)(1)作为初值。通过实例分析得出本文中的改进取得了较好的效果。

语言学的交叉学科研究:语言普遍性、人类认知、大数据

麻省理工学院学者近期发表在国际顶尖期刊《美国科学院院报》上的一项语言学交叉研究利用已经公开发布的依存树库,对37种语言进行了统计分析,指出人类语言存在依存距离最小化这一倾向。此研究被媒体热议,但却存在一些缺陷。依存距离是两个句法相关词之间的线性距离,受工作记忆机制的约束,与句法处理的复杂度密切相关。因此,人类语言具有依存距离最小化的倾向。基于句法标注语料库的依存距离最小化研究表明,大数据研究方法在语言认知研究中具有重要作用。现代语言学具有鲜明的交叉学科色彩,语言研究中不同学科的相互借鉴与融合有助于深入揭示语言系统的运作规律以及语言与认知之间的关系。