基于超立方体顶点采样的区间数SVM分类模型研究

研究了针对区间数样本的支持向量机分类问题。定义了区间数样本与超立方体之间的映射关系,研究了基于区间数样本的超立方体表示框架;提出了基于二叉树完整遍历的满足样本约束的超平面顶点采样方法,建立了通过分类目标函数转换的分类学习模型。实验仿真结果表明了该方法的可行性与有效性。

基于在线社交网络的JPS跳跃并行顶点采样方法

针对现有在线社交网络(OSNs)采样方法无法有效地应用于低连通性的社交网络,且采集的样本顶点平均度严重偏离原始社交网络、顶点过度采样等问题,本文基于蒙特卡罗随机游走(MHRW)采样方法,引入双重跳跃策略、并行机制和顶点缓存区,提出一种跳跃无偏并行顶点(JPS)采样方法。将在线社交网络数据集建模为包含顶点和边的社交图进行模拟采样,利用Python/Matplotlib绘图库绘制采集的样本顶点属性图。实验结果表明,该采样方法更有效地应用于不同连通强度的社交图,提高了采样过程中的顶点更新率,降低了样本顶点的平均度偏差且能够更快速地收敛。

新型线性组合采样法SPWM谐波数值分析

阐明了常用的不对称规则采样法SPWM的采样次数多、占用处理器资源大的问题,详细分析了能够解决这一问题的线性组合采样法的整体原理。通过双顶点采样法与对称规则采样法的比较,引出新型线性组合采样法,并利用Matlab强大的数值计算功能对几种采样法SPWM波行进行谐波分析,同时给出了分析过程中的关键程序段。分析结果证明了线性组合采样法的有效性,也证明了双顶点采样法是不实用的。

基于随机游走的大规模图中节点对采样算法

社会网络中的节点对采样可用于大规模社会网络的好友预测和用户兴趣识别。当整个网络的拓扑结构不完全或者随机选择用户的代价很高时,传统的均匀顶点采样方法的性能迅速下降。为此,提出了一种基于随机游走的大规模图中节点对采样算法。首先对社会网络的节点对采样进行了系统分析,对不同跳数下的节点对进行了定义;然后将社会网络转换成等价的网络图。新图中的顶点是原图中的边,新图中边的两个顶点是原图中含有相同顶点的两条边。最后,在新图上应用随机游走模型对节点对进行采样。实验结果表明,提出的方法统计误差小、执行效率高,性能明显优于均匀节点采样的相关算法。

社交网络子图采样算法

在线社交网络(Online Social Networks, OSNs)数据量庞大,如何以低成本采样获取具有代表性的子图成为当前一个研究热点。现有的大部分采样算法仅仅体现在样本列表的无偏特性上,很多情况下,其采样样本构造的诱导子图难以代表原图结构。本文对各种类型的OSN提出了一种新的采样方法,该算法在原有的随机游走算法基础上重新计算了采样跳转概率,修正采样诱导子图的偏差,使其能够更出色地代表原图。同时,本文的采样算法通过计算权重的方式采集邻接节点,省去了自循环过程,从而大幅度提高了采样效率。实验结果表明,本论文提出的采样算法在度分布、聚类系数、传递性、同配性各个方面综合对比,采样获取的子图更加接近原图的属性结构。最后,该算法在大多数情况下,其性能与表现均优于现有采样算法。

基于dsPIC30F的数字式交流异步电动机变频调速系统设计

介绍了基于数字信号控制器dsPIC30F实现的交流异步电动机变频调速系统,结合对称规则采样法和不对称规则采样法的优点,提出了顶点采样不对称规则法来实现SPWM,该方法具有不对称规则采样法失真少和对称规则采样法采样次数少的特点,实验波形好。该设计方案已与厂方合作,运用于轨道交通的相关项目中。

地理要素的分布式空间近似查询处理方法

针对传统空间查询无法满足地理数据交互式可视化对处理时间要求的问题,以窗口查询为例,提出了一种空间近似查询处理方法。该方法包括预处理和查询两步:在预处理阶段,利用分布化的线简化算法对空间对象进行顾及误差的预处理采样,将采样过程及误差值用树型结构保存;在查询阶段,以豪斯多夫距离定义数据可视化的误差,进行误差可知的顶点即时采样与截取,从而实现针对可视化应用的高效的空间近似查询处理。在Hadoop集群上利用77GB的OpenStreetMap数据集进行了实验,证实了本方法的效力与效率。