电力管廊顶管施工杆塔中心桩位移自动化计算方法

在不同的杆塔结构中,同一种算法的位移值存在较大差距,为提高位移计算精度,在不同的杆塔中心桩偏移条件下设计电力管廊顶管施工杆塔中心桩位移自动化计算方法。基于连通域提取杆塔点云坐标,论述KD树分割原理,计算其时间复杂度,在不同的阈值中确定点云坐标,得到归一化的点云数据;计算不同条件下位移值,将等长横担杆塔的中心桩与长短横担杆塔中心桩作为主要的杆塔结构,创新性地分别计算其中相挂点位于中心点处以及中相挂点偏移情况下的位移值,设计中心桩位移自动检测与计算算法,对应点云数据,获得中心桩位移。实验结果表明,该计算方法所得到的位移值与实际测量值最接近,位移计算精度更高。为保证电力管廊顶管施工杆塔的稳定性,提供了理论与实际参考价值。

基于双数组Trie树的中文分词词典算法优化研究

基于双数组Trie树的中文分词词典具有较高的查找效率,但其插入时间复杂度较高。为此提出了一种基于双数组Trie树结构的改进算法iDAT,在原始词典初始化时优先处理分支多的节点,并在初始化之后对base数组中的空序列的下标值做Hash,Hash表中存放空序列之前的所有空序列个数之和,而后运用iDAT算法进行插入。本算法借鉴了单模式匹配的Sunday算法中的跳跃思想,在适当增加空间开销的基础上,降低了Trie树在动态插入过程中的平均时间复杂度,在实际操作过程中有着良好的性能。

基于布莱克曼窗S变换与数据库查询的电能质量扰动识别与分类新方法

针对基于特征值方法电能质量扰动识别中存在庞大而复杂的特征值选取问题,提出以特征曲线为特征的布莱克曼窗S变换与数据库查询新方法。提出布莱克曼窗S变换采用布莱克曼窗宽函数并通过窗宽比控制窗宽,相较于多分辨率广义S变换具有更好的时频分辨率。通过布莱克曼窗S变换得到扰动信号的时频模矩阵,在模矩阵上提取时频特征曲线,然后通过波动能量密度与快速傅立叶变换进行特征曲线分割,排除噪声的干扰,降低特征曲线长度,最后建立树状结构的时频数据库,采用动态时间规整距离查询分类方法,根据隶属度的关系进行快速分类,提高识别的正确率。通过仿真数据分析表明高时频精度的布莱克曼窗S变换提高了算法的识别正确率并且特征曲线分割提高了算法的抗噪声干扰能力,现场数据验证了该算法的有效性。

基于互关联后继树的时间序列相似性查询

时间序列的相似性查询是分析时间序列变化规律的一种重要方法 ,对于时间序列的分类、预测以及知识发现都具有重要的现实意义 提出了一种基于分段技术的、同时支持可变长度的快速相似性查询方法 其主要思想是 :首先依据序列变化的重要点将序列逐步分段 ,抽取各子段的变化特征 ,通过分类方法将其转变成符号序列 在此基础上 ,引入一种称为互关联后继树的全文索引技术 ,从而实现序列的快速相似性查询 ,其时间复杂度降到了O(L) ,此外 。

基于时间线段树的智慧教室录播系统设计

针对传统录播系统在进行录播信息搜索、通断电自启时,存在搜索稳定性差、自启耗时长的问题,提出并设计基于时间线段树的智慧教室录播系统。此系统硬件部分主要包括总线通信接口、高清视频信号采集电路、电源管理电路、视频采集/输出模块电路等;在软件设计过程中引入时间线段树对智慧教室录播信息搜索性能进行优化。实验结果表明,采用改进设计系统时,其稳定性约为86.47%,自启动耗时约为11.34 s,均要优于传统设计系统,具有一定的优势。

基于字符树结构的高性能中文词库技术

海量中文信息处理是大数据处理的一个分支,而利用大数据技术进行中文信息处理一定离不开中文分词,所以中文分词技术是大数据中文信息处理的基础性技术.中文分词技术自本世纪以来,一直在性能与精确度两个方向在推进;在性能方面主要以改进分词扫瞄算法,改进词库存储技术与查询方式来提高性能.在精确度上主要是对未登录词与歧义词的甄别与处理方法进行改进.本文摒弃了通过词库索引查询的思想,提出一种基于字符树的词库存储结构.它的分词速度是普通折半法的35倍,占用内存只是它的1/5.它将为大数据技术在处理中文信息时在性能上推进了一大步.

改进的肝脏软组织分割算法及实时绘制

提出了一种基于GraphCut算法的高精度CT肝脏软组织分割算法，并利用开放运算语言（OpenCL）实现了肝脏软组织实时高效绘制。这种改进的GraphCut算法分割准确度高，平均正确率达到96．2％，而且利用OpenCL实现的基于八叉树的改进RayCasting算法大大提升了并行绘制速度，得到了近于200倍的加速，从而为实现实时跨平台虚拟手术系统提供了有力保障，也使得医生可以更高效更准确地诊断、治疗病患，该方法有良好的实用前景。

支持时序数据聚合函数的索引

时序数据是工业新发展的关键,其中针对时序数据的聚合操作成为主要的应用场景之一。传统关系型数据库不足以支撑海量的时序数据,而现有的NoSQL数据库对时序数据的聚合操作显得低效耗时。该文提出了一种结合概要表和线段树思想的支持时序数据聚合操作的高效索引机制,并实现了基于这种索引机制的查询算法。该查询算法将概要表的思想引入NoSQL中,缩小了待查询数据集,并通过在概要表上建立概要森林的形式,将最坏情况下的待查询数据集进一步缩小为索引个数的lbn倍。此外,该算法通过计算直接定位出待查询的一系列索引数据,有效避免了一般树形结构的递归遍历操作,减少了大量的磁盘开销。最后,通过与一般索引机制的查询对比实验,验证了该索引机制的可用性和高效性。