改进的Pattern Matrix算法在图书管理中的应用

根据用户的信息和图书借阅所产生的数据,分析用户的需求,利用改进的Pattern Matrix算法,从中挖掘出用户数据间的关联性,自动判断用户可能的借阅需求,从而将相关的图书信息推送给用户,增强图书管理的主动服务功能。

基于Spark的并行频繁项集挖掘算法

针对大数据环境下基于Spark的频繁模式增长(FP-Growth)算法存在创建条件频繁模式树(FP-tree)时空效率低,节点间通信开销大,以及冗余搜索等问题,提出了基于Spark的并行频繁项集挖掘算法(PAFMFI-Spark)。首先,该算法提出非负矩阵分解策略(SNMF),通过提供支持度计数查询和分解储存支持度计数的矩阵,解决了创建条件FP-tree的时空效率低的问题;其次,提出基于遗传算法的分组策略(GS-GA),均衡分配频繁1项集至各节点,解决了节点间的通信开销大的问题;最后,提出高效缩减树结构策略(ERTSS),缩减FP-tree树结构,解决了冗余搜索的问题。实验结果验证了PAFMFI-Spark算法的可行性以及相较于其他挖掘算法的性能优势,所提算法能有效适应各种数据的频繁项集挖掘。

基于非负矩阵分解的相关反馈图像检索算法

提出了一种新的基于非负矩阵分解(NMF)的相关反馈检索算法.在每次反馈过程中,由用户标记与查询图像相似的正例样本的特征向量构成样本矩阵,进行NMF分解,得到NMF的基矩阵和样本的系数矩阵,然后根据分解所得的模型进行检索.由于NMF在一定程度上勾勒出了相关图像在基矩阵所代表的空间中的分布,因而可以有效地提高检索的查准率.使用由500幅图像组成的图像库进行实验,通过与特征加权以及支撑向量机相关反馈方法的比较表明,该方法通过交互的NMF相关反馈,确实能使图像检索的查准率得到较大的提高.

Tatsuoka Q矩阵理论的修正

K.K.Tatsuoka和她同事开发的规则空间模型(RSM)是一种在国内外有较大影响的认知诊断模型,但是Tatsuoka的RSM中Q矩阵理论存在缺陷和错误,这些失误使得RSM中用布尔描述函数(BDF)计算被试理想项目反应模式(IRP)的方法缺乏理论依据。这里揭示了Tatsuoka的Q矩阵理论的缺陷和错误并引进既不使用BDF又便于应用的计算IRP的方法;接着还介绍一种由可达阵计算简化Q阵的方法,该方法显示了可达阵在构造认知诊断测验的重要性。这些结果对丰富Q矩阵理论及正确使用RSM进行认知诊断有一定的意义。

遗传算法在矩阵特征值求解中的应用

遗传算法进行全空间并行搜索,并将搜索重点集中于性能高的部分,从而使效率提高且不易陷入局部极小。具有固有的并行性,通过对种群的遗传处理可处理大量的模式,并且容易并行实现。重点研究遗传算法以及混合遗传算法在传统数学中的应用:解决矩阵特征值问题。通过大量的实验研究,证明遗传算法在传统数学的研究问题中有很高的应用价值。

有限扫描反射面天线相控波束重构技术

该文研究一种采用聚焦馈源阵列馈电的反射面天线,相控阵馈源离开焦平面向反射面移动一定距离,位于焦散区,能够增强反射面天线的波束重构赋形能力和有限视角扫描能力。采用改进的投影矩阵法,利用仅相位控制技术,求解相控阵馈源的激励系数,有效综合了聚焦馈源偏置抛物面天线的方向图。对算例的设计达到了采用仅相位技术控制波束指向、波束赋形、旁瓣电平等性能要求,实现了相控阵馈电偏置抛物面天线的波束重构或扫描,并利用商用GRASP仿真软件验证了该文的设计结果,说明了该文方法的有效性。

机械产品非线性装配顺序规划研究

提出了用于机械产品非线性装配顺序规划的关系码矩阵模型,通过编码将所有的装配关系信息集成于一个简单矩阵中,用连接模式,即二进制数模板技术来识别装配时零件的几何约束。基于关系码矩阵模型给出了规划可行的装配顺序,检测装配过程中零件的稳定性及识别子装配的计算方法,使用遗传算法搜索并优化装配顺序,用复合表表示遗传算法中个体的装配顺序。最后,通过一个实例验证了该方法的有效性。

基于相似性理论的轮胎花纹相似度检测与分析

基于相似性理论分析了轮胎花纹结构的特点。运用灰度直方图、均值哈希算法、共生矩阵法等图像处理方法,在MATLAB软件中搭建了一个轮胎花纹2D相似度检测系统。利用该系统对现有的轮胎花纹进行了相似度检测与分析。将特定花纹的局部改变与原有花纹进行相似度检测,结果验证了系统的稳定性和可靠性。该系统可为不同花纹之间相似度的量化提供依据。

基于压缩感知理论的汉明码译码

借助压缩感知理论研究汉明码译码问题,并将求解差错图案的问题转化为线性规划问题。借助无噪声干扰条件下的压缩感知观测模型,推导出差错图案重构的压缩感知模型。采用基追踪算法,把伴随式作为测量信号,校验矩阵作为测量矩阵,以(15,11)汉明码为例,完成对差错图案的重构,并验证其正确性。根据收码和重构差错图案计算出码字估值。从误码率和码字估值成功率两方面,比较硬判决译码算法、最大似然译码算法和基追踪算法的译码效果。仿真实验结果显示,采用无噪条件下的压缩感知理论和基追踪算法的汉明码译码可行且有效。

基于线图Q-谱的点模式匹配算法

针对大多数谱方法不能够较好地处理不同大小点集匹配的问题,提出了一种基于线图Q-谱的点模式匹配算法.首先,对相关点集构造赋权完全图,再对每个点利用与其关联的前k条最短边来构造线图;然后,根据线图构造无符号Laplacian矩阵,对其进行谱分解,并利用谱分解所获得的特征值(Q-谱)来表示点的特征,通过这些特征计算点之间的匹配概率;最后,通过KM算法来寻找点集之间的最优匹配.实验结果表明,文中算法具有较高的匹配精度,可以处理不同大小点集的匹配问题.

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据,利用非负矩阵分解算法(NMF)从时间和空间两个维度深入探究共享单车的出行规律,并构建逆序群体稳定性指标(RPSI)改善k值选择过程。利用得到的出行规律,运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型,对共享单车的出行需求进行预测,并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模型的结果进行对比。研究结果表明,共享单车可分为5种基本的出行模式,每个区域的出行都可以由这5种出行模式的线性组合来表达,其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征,分别确定其出行含义:通勤出行中居住地到地铁站的出行;通勤出行中地铁站到工作地点的最后一公里连接;居民其他的非通勤出行行为,如休闲娱乐活动等;回程通勤出行中从工作地点到地铁站;回程通勤出行中从地铁站到居住区的最后一公里连接。最后,模型预测结果的对比分析显示,本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。

改进仿射尺度不变特征变换算法的图像配准

为了更好地处理匹配效率、重复纹理匹配和仿射不变性匹配等问题,对完全仿射不变特征变换(ASIFT)算法进行两方面改进。匹配框架中特征提取的改进提高了ASIFT算法的匹配效率;利用优化随机采样算法(ORSA)结合以单应矩阵为几何线性约束模型的随机抽样一致性(RANSAC)改进匹配算法,提高了匹配精度和重复纹理结构的适应能力。实验结果表明,提出的改进算法能较好地匹配高度相似纹理,计算量小,计算速度快且精度高。

面向入侵检测的Aho-Corasick算法内存消耗研究

多模式匹配算法在网络入侵检测系统中有着广泛的应用,目前的研究主要集中在如何提高算法的匹配速度上,对于算法的内存消耗研究较少。对于基于硬件实现的嵌入式入侵检测而言,如何降低多模式匹配算法的内存消耗也是一个值得关注的问题。Aho-Corasick(AC)算法是一个基于有限状态机的多模式匹配算法,该算法具有O(n)的时间复杂度,但是由于状态表存储开销较大使其难以应用到嵌入式入侵检测系统中。对AC算法的内存消耗进行了深入地研究,分析了几种可行的AC有限状态机存储策略,提出了一种改进的Banded-Row格式的AC有限状态机存储策略。实验结果表明,该策略能够在较小地影响AC算法匹配速度的前提下,更加有效地降低其内存消耗。

变形模式的拓扑约束识别

根据变形观测的位移矢量，识别变形体及其运动模式，是变形分析的一项重要内容。以往的作法是根据矢量作图人工判断变形块体，然后选择适当的模式进行拟合。本文提出了一种在点位邻接拓扑关系加其他先验信息构成约束的识别思想及相应算法，从而可实现变形模式的自动识别。最后的算例说明了该算法的实现过程，有效性及潜在意义。

基于精英蚁群算法的SPARQL优化算法

针对目前SPARQL(Simple Protocol and RDF(Resource Description Framework)Query Language)查询语句执行时间较长的问题,提出一种基于精英蚁群算法与权重矩阵的SPARQL查询语句优化算法。文中结合SPARQL针对不同图形状设计了有效的权重矩阵算法,因此本方法对不同查询形状均具有专门的优化参数;然后将权重矩阵作为蚁群算法的输入参数,分别利用人工蚁群与精英蚁群方法对SPARQL不同形状的查询语句进行优化。最终基于Apache Jena ARQ查询引擎进行实验,对比实验结果表明,该方法对于较宽广范围的查询语句均具有较好的优化效果,对三元组模式数量较多的查询语句效果尤佳,并且优化效果较为稳定。

云阳宝塔滑坡监测的变形模式识别与分析

根据变形观测的位移矢量,识别变形体及其运动模式,是变形分析的一项重要内容。以往的作法是根据矢量作图、人工判断变形块体,然后选择适当的模式进行拟合。本文提出了一种在点位邻接拓扑关系加其他先验信息构成约束的识别思想及相应算法,从而可实现变形模式的自动识别。最后的算例说明了该算法的实现过程,有效性及潜在意义。

多类模式识别的动态多叉树算法研究与实现

研究模式识别方法 提出动态多叉树算法 ,用以解决实际环境中复杂的或大模式类别学习及系统动态扩展问题 ,该算法利用分治和局部最优原理缩小目标范围 ,结合整体学习方法提高识别率 ,模拟人脑的循序渐进学习方式 ,实现知识增殖和继承 可解决现有识别系统在学习新知识会破坏已有知识 ,需重新学习的问题 并具有较高的识别率 ,可有效地处理巨模式类识别的问题 该系统可以用于人脸、字符、指纹等对象的识别分类 系统的构造方法体现其通用性 ,性能分析表明其可行性 。

基于混合遗传算法的导频优化

OFDM系统中,基于压缩感知的稀疏信道估计能够充分利用无线信道的固有稀疏性,进而降低导频开销,提高频谱利用率。针对压缩感知信道估计的导频设计,通过最小化压缩感知理论中测量矩阵的互相关性,提出一种基于混合遗传算法的导频优化方法。该方案首先采用遗传算法获得次优初始导频序列,然后结合导频位置以及导频功率对导频序列逐位进行替换、优化,以使测量矩阵的互相关性最小。MATLAB仿真结果表明,相比于伪随机导频设计和等间距导频设计,该算法能够保证较低的均方误差和误码率。

一种基于模式矩阵的Apriori改进算法研究

针对经典的Apriori算法耗费大量的时间和空间的特点,提出基于模式矩阵的关联规则算法。该算法扫描数据库次数为一次,降低了挖掘的时间复杂度;扫描后的数据库以矩阵形式存放,减少空间复杂度。并应用具体事例进行验证,对效率进行了比较。

二元BCH码译码器伴随式矩阵检错算法的优化与检错器的设计

根据译码器接受码字的伴随式来构造伴随式矩阵,利用伴随式矩阵的可逆性来检错接受码字的实际错误个数λ,使得实际中当接受码字有λ(λ≤t)比特出错时,译码时只需迭代2λ次就可以得到错位多项式,这样对于每一个码字可以减少迭代次数2(t-λ),而对于一段消息来说,大大地减少了迭代次数。这里通过对二元BCH译码器伴随式矩阵检错算法的优化,在译码器中增加一个检错模块用于检错通信信号中的实际错误比特数,可以大幅减少译码的迭代次数,提高译码速度,提高通信质量和效率。