流数据环境下基于k集合覆盖的分布式标签共现算法

通过分析集值属性的标签共现频率,可以挖掘频繁模式以及进行异常的检测。为了提高标签共现计算的性能,提出了一种流数据环境下基于k集合覆盖的分布式标签共现算法。采用多集合的容斥原理对标签共现问题进行了分析,并提出了一种分布式标签共现计算流程;通过引入信息检索中的倒排索引对标签及其出处进行索引,基于k集合覆盖的思想将整个倒排索引划分到多个分布式从节点上,并根据流数据的变化动态地更新每个从节点的局部索引,在对所有从节点的结果进行汇聚后得到最终结果。实验表明,提出的基于k集合覆盖的分布式标签共现算法与其他算法相比较,不仅具有较低的平均更新时间,而且使用更少的索引副本,因而更适用于大规模流数据的标签共现计算。

基于Hubness与类加权的k最近邻分类算法

针对高维不平衡数据中维数灾难和类不平衡分布问题,提出一种改进k最近邻(kNN)分类算法HWNN。将样本的k发生分布作为其在预测时对各个类的支持度,以此减少高维数据中hubs对kNN分类带来的潜在负面影响。通过类加权的方式增加少数类在所有样本k发生中的分布比例,以提升对少数类样本的预测精度。在16个不平衡UCI数据集上的实验结果表明,该算法在高维不平衡数据中的分类结果优于典型kNN方法,且在普通维度的不平衡数据中优势同样明显。

湘江衡阳段天然放射性核素水平调查

为了掌握湘江衡阳段天然放射性核素水平及来源,分别于枯水期(11—12月)、丰水期(4—6月),对湘江衡阳段和该段4条主要支流(舂陵水、蒸水、耒水、洣水)水中的U、Th、^(226)Ra、^(40)K、^(210)Po、^(210)Pb 6种天然放射性元素/核素进行了调查。测量结果表明:与长江水系及洞庭湖水系历年放射性水平均值相比,湘江衡阳段6种天然放射性核素中^(226)Ra、^(210)Po、^(210)Pb明显偏高,说明湘江衡阳段的确受到了放射性污染。4条支流中,舂陵水及蒸水放射性核素浓度异常,明显高于汇入前后的湘江水体的放射性活度浓度。因此,这两条支流区域可能存在放射性污染源头,应对这两条支流区域进行更深入的取样调查,找出其污染源。

入室盗窃犯罪时段分布特征分析

在犯罪时间分析中,时段分析由于颗粒度较小,容易受到犯罪时间模糊性的影响。以某市的入室盗窃案件为样本,从报案时间和时段概率两个角度研究犯罪时间的分布特征。从结果来看,基于报案时间和时段概率的犯罪时间分布具有相同的统计分布特征,但在分布的集中度上存在着差别,主要表现为基于报案时间的时段分析容易低估夜间发案的可能性。在案发时间推断方面,基于时段概率的分析方法能够提供一种较为合理的解决方案,为公安部门进行警务工作提供有效的依据。