基于摩擦振动递归特性识别滑动轴承摩擦状态的试验研究

为了有效监测滑动轴承摩擦状态,提出一种基于摩擦振动递归特性识别滑动轴承摩擦状态的方法。在滑动轴承试验台进行边界摩擦、混合摩擦和液体摩擦状态下的模拟试验,提取摩擦振动信号,并应用递归图及递归量化分析研究摩擦振动信号递归特性的演变规律。结果表明:摩擦振动递归图与摩擦状态密切相关,能反映滑动轴承由边界摩擦到液体摩擦状态变化;递归量化参数中的确定度与聚类系数可用于预测与识别滑动轴承摩擦状态,为监测滑动轴承摩擦状态提供了一种新思路。

基于递归特性的网络应用流量行为分析

准确刻画不同网络应用流量的行为特征,是识别和控制应用流量以及保证互联网服务质量的关键。该文提出一种基于流量系统状态递归特性的分析方法,研究应用流量的内在动力学行为。针对实际网络中多类不同应用流量的时间序列,首先重构流量序列的高维相空间,然后分析应用流量系统状态运动轨迹的递归特性,揭示其各自固有的内在行为。实验结果表明,流量的非线性动力学特征能够准确地刻画各类网络应用流量的行为,并且不随网络规模或网络协议版本的改变而发生变化。因此,流量的非线性动力学特征有助于提高互联网应用流量识别与控制的性能。

T-SQL中的递归

递归是经典的编程技巧之一，主修计算机科学的学生经常通过编写汉诺塔程序来学习它。在这篇文章中，Alexander Kozak探讨了T-SQL中的递归。

基于强化学习的大数据频繁项集挖掘算法

针对当前大数据集频繁项集挖掘算法处理速度慢的问题,提出一种快速的大数据频繁项集挖掘算法。对多目标强化学习技术进行改进,使其适合频繁项集挖掘的应用场景;将频繁1-项集作为强化学习的初始化空间,解决随机初始化方案性能不稳定的问题;利用频繁项集的递归属性引导项集空间的搜索过程,合理地缩小搜索空间。基于不同规模的会话数据集进行仿真实验,结果表明,该算法对于不同规模的数据集均实现了较高的计算效率,获得了较高的挖掘准确率。