IM^2:一种改进的MIN/MAX窗口函数优化技术

窗口函数作为一种分析型的OLAP函数加入SQL(Structured Query Language)标准已有十多年,而且随着分析型应用需求的增长窗口函数有着越来越广泛的应用前景.窗口函数的语法非常简单,却可以表达诸如rank、moving average、cumulative sum等复杂的查询.尽管目前主流的商业数据库几乎都支持窗口函数,但是现有的执行策略效率低下,不能满足大批量数据的处理需求.本文主要针对窗口函数中MIN和MAX聚集函数,提出了一种改进的IM^2优化策略,可以有效地提升窗口函数的执行效率.本文不仅从时空复杂性理论分析层面进行了证明,而且与已有算法进行了对比实验,证明了本文方法的高效性;另外在目前主流的开源数据库PostgreSQL中实现本文算法,与SQL Server对比有着显著的优化效果.

基于Max-min distance聚类算法的园地空间聚类--以永泰县嵩口镇为例

空间聚类是空间数据挖掘的重要手段之一。本文研究了一种基于质心点距离的Max-min distance空间聚类算法:通过加载园地图斑数据,计算其园地图斑质心,判断聚类中心之间的距离,并将符合条件的园地图斑进行聚类,最终将聚类结果可视化表达。本文的算法是利用Visual Studio 2017实验平台和ArcGIS Engine组件式开发环境,采用C#语言进行编写。实验结果表明:1)Max-mindistance聚类通过启发式的选择簇中心,克服了K-means选择簇中心过于邻近的缺点,能够适应嵩口镇等山区丘陵地区空间分布呈破碎的园地数据集分布,有效地实现园地的合理聚类;2)根据连片面积将园地空间聚类结果分为大中小三类,未来嵩口镇可以重点发展园地连片规模较大的村庄,形成规模化的青梅种植园。

基于min-max准则与区域划分的I-k-means-+聚类算法

针对I-k-means-+算法聚类结果不稳定、求解精度较低的问题,提出一种基于min-max准则与区域划分的I-k-means-+聚类算法.首先,提出min-max准则,计算每个数据点到最近中心的距离,优先选择距离最大的数据点作为新的聚类中心,避免多个初始中心聚集在同一个簇中的情况;其次,将分裂簇中的数据点分割到不同区域,在每个区域中选取一个数据点作为候选中心,以增加候选中心的多样性;最后,对于配对失败的簇,通过增益重新选择新的分裂簇与原删除簇再次配对,以提高配对成功率,进一步降低目标函数值.实验结果表明,与I-k-means-+算法相比,本文算法在运行效率基本相当的前提下,求解精度平均提高6.47%,且聚类结果更稳定;与k-means、k-means++算法相比,本文算法的求解精度更高.

一种基于最小值和Min-Max方法修正的科研项目综合相似度计算方法

对于科研项目查重,常规方法为对科研项目的项目名称、申请书等项目组成部分分别进行相似度计算,加权处理得到综合相似度后再判断项目的相似度,不易区分客观上有一定相似度而实际上不相似的科研项目.提出一种基于最小值和Min-Max方法修正的科研项目综合相似度计算方法,先设定项目组成部分相似度最小值,低于最小值的项目组成部分不参与项目综合相似度计算,再基于Min-Max方法对项目组成部分相似度进行修正,经过修正的相似度加权处理后得到项目综合相似度.实验结果表明,基于最小值和Min-Max方法修正的计算方法能较大程度提高似相似实际不相似科研项目综合相似度的精确度.

一种遥感影像Min/max流去噪方法的研究

提出一种曲面Min/max流去噪方法,利用图像曲面曲率代替经典方法曲线曲率并修改开关机制,增强对复杂噪声环境的适应性,同时加入梯度权控制边缘曲面演化速度,在噪声压制的同时尽量保持边缘。实验表明,该方法能够在去除噪声的同时保持比较清晰的图像边缘。

基于MIN-MAX云重心推理的目标威胁评估方法

将云推理技术引入信息融合领域,提出一种新的基于MIN-MAX云重心推理的威胁评估方法。按照实际应用背景下目标的特点,构建分层式威胁评估属性集合;定义云群、云族、云三层隶属关系,对各属性进行云模型转换,并根据各属性的云模型设计前件云发生器;依据专家经验,构建推理规则库,并设计MIN-MAX云重心推理算法,将归一化属性值输入相应的前件云发生器,生成属性云滴,通过由下而上地逐级推理,得到威胁度云滴;最后,将经过多次重复推理得到的威胁度云滴输入逆向云发生器,输出值作为最终的威胁程度。以联合防空作战为背景,仿真实现了空中目标的威胁评估,验证了该方法的有效性。

应用min-max标准化分析法测定区域经济增长差异——以陕西省榆林地区为例

以陕西省榆林市为例,通过建立测算指标体系,利用min-max标准化分析法对相关经济数据进行标准化处理,测算经济增长的综合指数排名,分析经济增长差异的原因,提出缩小区域经济发展水平差异的战略。

无师General Fuzzy Min-Max人工神经网络

针对一般模糊极小极大(generalfuzzymin max,GFMM)神经网络不能够完全无师聚类和自适应在线学习的问题,提出了一种无师训练的一般模糊极小极大(generalfuzzymin max,GFMM)人工神经网络。它继承了GFMM网络的优点,可以输入n维模糊量,尤其是新增加了无师学习的功能,弥补了GFMM网络不能自适应在线学习新类的缺陷。实验测试结果与分析表明,该网络在自动目标识别的实际应用中具有广泛的适用性。

一种基于分层译码和Min-max的多进制LDPC码译码算法

该文在现有译码算法的基础上提出一种高效的非二进制低密度奇偶校验码(NB-LDPC)译码方法,充分利用了分层译码算法与Min-max算法的优点,不但译码复杂度低、需要的存储空间小,而且可将译码速度提高一倍。应用该算法,对一种定义在GF(25)上的(620,509)码进行了仿真。该码的仿真结果表明:在相同误码率下,该文译码算法所需最大迭代次数仅为Zhang的算法(2011)的45%。

平面上的min-max型点-线选址问题

本文研究两类平面选址问题; (1)求一直线到n个给定点的最大加权距离为 最小;(2)求一点到n条给定直线的最大加权距离为最小.对这两个非线性优化问题。我 们给出最优解的刻划及迭代次数为多项式的算法.

基于Min-Max方法和移动轨迹融合的车辆无线定位算法

针对无线信号易受外界因素干扰而造成定位突变的问题,提出一种融合Min-Max方法和移动轨迹方法的车辆无线电定位算法,并进行外场实验验证。结果表明,该算法的定位精度高于其它算法;超过90%的样本数据定位误差小于2m。

带阈值的Min-max模糊Hopfield网络的稳定性与容错性分析

本文讨论了带阈值的Min-max模糊Hopfield网络的性质，并研究了该网络的一致稳定性与平衡态的Lyapunov稳定性。给出了一个模糊模式成为该网络吸引子的等价条件。然后在一定的条件下，得到了这个网络吸引子的一个非退化的吸引域，从而我们所建立的模糊神经网络模型具有较强的容错性。最后的例子证实了这一点。

改进的模糊Min-Max神经网络与模糊系统建模

应用改进的广义模糊Min-Max神经网络进行样本分类,并以此分类结果确定模糊系统所需的模糊规则数,再运用TSK模糊系统实现函数建模,该方法的优势在于,改进的广义模糊Min-Max神经网络具有较好的自适应分类能力,可用来初步确定模糊规则数和规则空间的划分,有效避免了模糊建模时常见的规则数选取之随意性。实验结果证明,该方法实用有效。

一类min-max-min问题的区间算法

讨论了一类由一阶连续可微函数构成的无约束min-max-min问题．通过构造目标函数的区间扩张、无解区域删除原则,建立了求解min-max-min问题的区间算法,证明了算法的收敛性,给出了数值算例．理论证明和数值结果表明方法是可靠和有效的．

General Fuzzy Min-Max神经网络的改进与应用

针对 General Fuzzy Min- Max(GFMM)神经网络不能自适应学习新类的缺陷 ,提出了一种基于该网络的无师训练改进算法。它一方面继承原 GFMM网可以处理模糊输入量的优点 ,重构了网络中的模糊隶属度函数 ;另一方面结合ART2神经网络无师学习的特点 ,引入了网络警戒门限和运行状态切换控制。改进后的 GFMM神经网络完全具备了自适应调整和无师学习的能力 ,并展现出了良好的并行处理性能。自动目标识别中的应用结果表明

Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络。

分层组播中MAXMIN公平速率分配算法的运用

以分层多速率组播解决方案为研究目标,针对多速率组播与TCP单播共存网络的公平性问题,通过在分层组播中应用max min公平速率分配算法来得到各虚会话的公平速率,并采用二分法对速率集合进行不同粒度上的整合,给出了具体的分层解决策略,从而为异构网络环境中分层多速率组播在公平性前提下的有效实施提供了保障。

基于Min-Max算子的遥感影像线状地物提取

将模糊数学中极小-极大算子的概念引入到遥感影像线状地物的半自动提取中。实验结果表明该方法能够有效地克服影像上各种噪声的影响,提取速度较快并具有较强的鲁棒性。

无师训练Fuzzy Min-Max人工神经网络

提出了一种无师训练的ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 人工神经网络，它兼有一般ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 网与ＡＲＴ２网的优点，既弥补了ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 网不能自适应在线学习新类的缺陷，又消除了ＡＲＴ２网警戒门限过高的弊病。经模式识别仿真对比，对同样的输入数据，我们提出的网络用较低的警戒门限值即可达到ＡＲＴ２用很高的警戒门限值才能达到的分类效果，且计算量大大减少。对模式识别而言，所提出的网络比ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 网和ＡＲＴ２网更具有实用价值。

求解max-min模糊关系方程的一种数值方法

借助max-min神经网络的学习过程,为max-min模糊关系方程的求解提供一种新的数值方法。运用光滑函数逼近max-min网络的输入/输出关系,并用其导数代替max-min函数的导数;基于梯度下降法,构造出训练max-min神经网络的学习算法,为max-min模糊关系方程提供一种新的数值求解方法。数值实验验证了算法的有效性。