飞行品质科目动作段自动筛选算法

飞行品质试飞是飞行器平台鉴定试飞科目最多、数据处理最为复杂的试飞项目。随着国内航空事业蓬勃发展,试飞架次和试飞数据呈现出跨越式增长。海量的试飞架次和试飞数据给试飞工程师数据处理的效率提出了挑战,制约了试飞进度和工程师科研精力,因此实现试飞数据的自动化处理和分析技术势在必行,而动作段的选取往往依靠试飞工程师进行手动选取,耗时耗力,成为影响数据处理效率的关键环节。

云制造环境下并行频繁模式增长算法优化

针对云制造环境下的海量数据挖掘,分析了现有并行频繁模式增长算法的实现和不足。研究了利用键值存储系统对其中的计数和分组部分进行优化。利用键值型数据库存储简单、自动增长且有序的方式,将计数和分组的信息存储在了键值型数据库上。通过减少对分布式文件系统的读写,并将计数过程和排序过程并行化执行,优化后的算法减小了存储节点的网络及内存开销。在真实数据集上,通过实验对比了优化前后算法的性能以及对于文件系统I/O的开销。

基于3D区域增长法和改进的凸包算法相结合的全肺分割方法

肺实质分割结果的准确性在实际临床应用中具有非常重要的意义。但由于肺结节的位置、大小、形状的不规则性,肺部病变的多样性,以及人体胸部解剖结构的明显差异等,使得各类分割方法不能统一地适用于所有的胸部CT图像,所以对于肺实质分割方法的研究仍具有很大的挑战。该文在国内外研究分析的基础上提出基于3D区域增长法与改进的凸包修补算法相结合的全肺分割方法。在3D区域增长法的粗分割基础上,对分割的结果进行细化工作,通过连通域标记法与形态学方法相结合去除气管和主支气管,得到初步的肺实质掩膜,最后应用改进的凸包算法对肺部轮廓进行修补平滑,最终得到肺部分割结果。通过与凸包算法及滚球法相对比,证明该文所提改进的凸包算法能够有效地修补肺部轮廓凹陷,修补后的结果分割精度较高。

由点云数据生成三角网格曲面的区域增长算法

提出一种新的由点云数据生成三角网格曲面的区域增长算法.该算法充分利用点云内在的几何与拓扑信息,使用一组检测过滤规则,对曲面进行快速网格重构.算法包括两部分:首先对点云做预处理完成数据精简,其次使用一组检测规则,从种子三角形出发,针对每个活动边,在点云中选择匹配点与其构成新的三角形,并通过不断更新边界,使剖分区域不断增长.所使用的检测规则,可以针对活动边与预选择匹配点之间的不同位置关系采用不同的阈值,从而避免了重叠与自交三角形的生成,防止产生错误拓扑,确保了重构三角网格曲面的质量.同时针对区域增长算法中的前沿分裂问题,在数据结构中采用反向重合边,使剖分过程始终保持一个前沿边界.实验结果表明,该算法具有运算速度快、结果准确性好、适用范围广等优点.

基于频繁模式增长算法的2型糖尿病患病风险预测的分析研究

目的：分析基于频繁模式增长（FP-growth）算法的2型糖尿病患病风险预测，避免经典Apriori算法在2型糖尿病相关危险因素分析中执行效率低的缺陷。方法：选取兰州某医院医学信息科2009年1月至2014年3月的2型糖尿病患者的首次病程记录资料及其健康数据档案，根据2型糖尿病相关危险因素分析中的需要，引入更适用于2型糖尿病相关危险因素分析的FP-growth算法。采用C#语言对经典Apriori算法和FP-growth算法进行编程，对比分析两种算法的执行效率。结果：通过对比分析得到两种算法在运行时间与记录数据以及运行时间与支持度两个方面的对比值。结论：FP-growth算法在预测2型糖尿病相关风险因素的分析中执行效率更高，能够找到更多的糖尿病风险因素。

MS休眠窗口叠加增长算法及其性能分析

针对休眠窗口的大小会影响移动站点节能性能及接收数据帧平均响应时间的问题,提出一种叠加增长算法,从而达到较好的节能效果且具有较短的平均响应时间。该算法定义第K个休眠窗口长度是第K-1和K-2个休眠窗口长度之和,以减缓各休眠周期内休眠窗口增长的速度。仿真结果表明,该算法在平均能耗和平均响应时间方面均优于IEEE802.16e规定的指数增长算法。

数控机床可靠性增长模型参数的贝叶斯算法确定

以国产数控机床的可靠性为研究对象,给出了适合数控机床的可靠性增长模型,引入了适用于小子样抽样试验的贝叶斯参数确定算法,通过贝叶斯参数估计值与传统的参数估计值分别与实验真值比较,得出应用贝叶斯算法所确定的模型参数具有更高的可靠性和准确性结论。

基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型

利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。

基于区域增长的单幅雷达测图算法

探讨了雷达在获取数字高程中的应用 ,在研究雷达成像余弦散射模型的基础上 ,分析了常用的利用余弦散射模型提取高程算法的优缺点 ,提出了基于区域增长的余弦散射单幅雷达测图的新算法。并以河北张北地区的ERS1卫星雷达影像为例进行了验证 ,取得了良好的效果。

前馈多层神经网络BP算法与可靠性增长模型

本文叙述了可靠性增长和 BP算法的基本概念 ,着重研究神经网络 BP算法用于可靠性增长的预测方法。Gompertz模型是可靠性增长的一个很好的预测模型。本文引用文献中的多个实例 ,将BP算法预测结果与 Gompertz模型预测结果相比较 ,结论基本上一致。这说明该方法不但可行 ,而且有简便。

基于区域增长的海岸带黑暗像元自动提取算法研究

针对海岸带区域独特的地表状况设计了一个近海岸的黑暗像元自动提取算法。首先利用修订型归一化水体指数(RNDWI)和归一化植被指数(NDVI)对黑暗像元备选区域进行确定,然后从备选区域中找到初始黑暗像元,最后利用多阈值的区域增长法对黑暗像元的选取进行优化,最终计算得到黑暗像元值。应用此算法对Landsat-5 TM影像遥感数据进行处理,结果表明,大气校正之后的典型地物光谱曲线更接近于真实的光谱曲线,说明此算法设计合理,其大气校正结果与用ENVI软件进行FLAASH大气校正和黑暗像元法大气校正的结果相比,此算法更接近于FLAASH模型法,校正效果较好。同时利用黑暗像元自动提取算法得到大气校正后的结果大大减少了反射率值为负的情况,提高了数据的利用率。

基于区域增长的连通域标记算法的优化

与以往基于区域增长的连通域标记算法用目标点作为种子不同,优化算法将游程作为种子,结合游程和种子算法的优点,减少种子的数量和目标点邻域的搜索次数.实验表明,本算法能有效地减少算法冗余操作,明显提高效率,且性能优于其它算法.

利用遗传算法进行软件可靠性增长模型参数估计

为解决利用传统数值方法估计软件可靠性增长模型参数值时存在的问题 ,笔者讨论了利用遗传算法进行求解的相关策略 ;提出了一种新的编码方式及变异算子 ;通过涉及多个模型的实验 ;采用实际数据 ,对所提出算法的效果与传统数值方法进行了对比。实验与对比分析结果显示 :该算法针对这些模型表现出了良好的普适性。

基于分布式协调系统的并行频繁模式增长算法的优化

频繁模式挖掘可以发现数据中频繁出现的模式,是关联规则挖掘的重要步骤。并行频繁模式算法将其应用到并行环境中,以对海量数据进行挖掘。在Apache软件基金会的Mahout项目实现的基础上,对计数和排序阶段以及算法的执行顺序提出了新的优化策略。优化后的设计将计数信息存储在分布式协调系统上,充分地利用了分布式协调系统的高可用性、适宜存储元数据信息的特点。该设计减小了小文件在分布式文件系统(HDFS)上的开销,同时保留了其优点,还能使计数过程和排序过程并行执行,减小了计算节点的内存开销。对比了文件系统I/O的开销,并分析了实现设计中的难点,为未来的工作打下了基础。

优化的区域增长InSAR相位解缠算法

在区域增长的干涉合成孔径雷达(InSAR)相位解缠算法中,种子的选择和种子相位值的确定是关键问题之一。本文研究了优化的区域增长2维相位解缠方法,包括合适的种子选取和种子相位值的优化处理,提出了将干涉相位图中相位跳变导致的边缘曲线作为种子,通过分析边缘曲线之间的相邻关系,基于遗传算法优化种子的相位值。仿真结果表明,该算法的计算量与干涉相位图的像素点数成近似线性关系,同时由于该算法属于局部算法,可以通过并行处理进一步提高计算效率。优化的区域增长2维相位解缠算法与其他2维相位解缠算法相比较,其解缠后的相位条纹与原始干涉相位图相位条纹的一致性非常好。该算法的处理结果与最小成本网络流相位解缠法相当,但其计算量却远远小于最小成本网络流相位解缠法的计算量。

教育对经济增长贡献算法的改进

本文就教育对经济增长贡献已有的算法及其缺陷进行评述,考虑到AK模型能够比较好地刻画我国的经济增长以及教育本身的延时性,本文提出两条改进意见:发达地区可采用舒尔茨的教育资本存量法,非发达地区和全国范围宜在此基础上选用延期回归方程法,本文还结合深圳1978～1994和中国1978～1996年的样本对此作出解释和验证。

基于区域增长算法的篮球运动员投篮运动轨迹提取方法

为了提高篮球运动员投篮精度,需要进行篮球运动员投篮运动轨迹预测和特征提取,提出基于区域增长算法的篮球运动员投篮运动轨迹提取方法.采用视频传感图像追踪的方法进行投篮运动轨迹图像采集,对采集到的轨迹图像进行边缘轮廓特征提取,建立轨迹图像融合模型,结合区域线性增长方法进行投篮运动轨迹图像特征提取和角点标注,根据轨迹图像的角点分布和边缘轮廓分布进行投篮运动轨迹特征提取,提高篮球运动员投篮的精度和轨迹调控能力.仿真结果表明,采用该方法进行篮球运动员投篮运动轨迹预测准确率最高可达100%,提高了运动轨迹提取精度,增强了篮球运动员投篮的动作调控和改善能力.

三角形增长算法构建Delaunay三角网DEM的原理与实现

本文主要论述了三角形增长算法建立Delaunay三角网DEM。首先通过最优边找首三角形,其次通过直线与点几何关系来寻找可能扩展点,通过找最大夹角来判断满足狄洛尼法则的扩展点,最后通过新加入边与已扩展边的数目来判断是否为重复狄洛尼扩展点,符合条件则构建三角网。然后通过空外接圆法则验证了所构三角网符合狄洛尼三角网的条件。狄洛尼三角网的建立和空外接圆的验证程序采用M语言来编写。

基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型

针对现有的软件可靠性增长模型(SRGM)适用性较差、预测精度波动大的问题,使用自适应步长布谷鸟搜查(ASCS)算法对模糊神经网络(FNN)的权重和阈值进行寻优,利用得到了最优权重和阈值的FNN建立SRGM。在使用缺陷数据对FNN训练的过程中,利用ASCS来调整FNN的权重和阈值,以此提高在预测过程中的精度,同时采用多次预测结果取均值的方式来减小FNN预测的波动性,以此建立基于结合自适应步长布谷鸟搜查算法的模糊神经网络(ASCS-FNN)的软件可靠性增长模型。利用3组软件缺陷数据,以误差比均值和误差平方和作为衡量标准,对基于ASCS-FNN、结合模拟退火算法的动态模糊神经网络(SA-DFNN)、FNN、BP网络(BPN)建立的SRGM的一步向前预测能力进行比较。预测结果表明,在四组模型中,基于ASCS-FNN建立的SRGM相对于SA-DFNN、FNN、BPN建立的SRGM的平均预测精度相对提高率RI(AE)和RI(SSE)分别为-1.48%、54.8%、33.8%和14.4%、76%、35.9%,并且该模型比FNN、BPN建立的SRGM在相同缺陷数据下的预测波动性小,而且网络结构比SA-DFNN的网络结构简单。因此该模型具有预测精度较高、预测稳定和具有一定的适用性等优点。

基于区域增长分割算法的医学图像重建

Marching Cubes(MC)算法是经典的三维重建算法,但它采用阈值分割,算法单一.利用目前比较成熟的分割算法结果,将其作为MC算法的输入数据以改进重建算法.实验证明该方法有效扩充了MC算法的适用范围,大大提高了MC算法的重建精度.