用于移动路径预测的多步Markov模型

针对k阶Markov预测器在状态空间上的高复杂性,提出了用二步Markov预测器进行WLAN环境下的移动路径预测。通过分别对二步和k阶Markov预测器条件熵的计算,在理论上了证明了二步Markov预测器的可行性。同时在1200个WLAN用户的移动跟踪数据集上对两者的预测精度的比较分析结果表明:二步Markov预测器在不同长度的移动跟踪数据集上比一阶Markov预测器有更好的稳定性,在大幅度地降低了k阶Markov预测器状态空间复杂性的同时,与二阶Markov预测器预测精度大致相当,并且比二阶以上Markov预测器的预测精度更高,具有比较大的实用价值。     

异构网络中基于轨迹预测的资源预分配方案

针对轨迹预测的网络资源管理方法研究中普遍存在的轨迹特征学习不充分、轨迹预测结果精度低、颗粒粗单等问题,提出双向循环神经网络的轨迹预测算法。通过深度挖掘用户的移动规律,实现对用户的移动预测。根据用户的移动预测信息设计网络资源预分配方案、移动行为划分网络资源,实现对多小区的协作式资源优化管理。仿真试验结果表明,在轨迹预测问题中,双向循环神经网络的轨迹预测算法比普通神经网络算法有更好的综合性能。在网络资源管理中,轨迹预测的网络资源管理预分配方案能够较准确地预测用户所连接的基站,使基站具有较高的资源利用率。     

基于CTBN的移动对象不确定轨迹预测算法

为了高效准确地预测移动对象动态运动轨迹,提出了一种基于轨迹时间连续贝叶斯网络(CTBN)的不确定性轨迹预测算法,充分考虑了移动速度和方向对移动对象动态运动行为的影响,包含3个主要步骤:热点区域挖掘将轨迹数据集划分为不同的热点聚簇;轨迹时间连续贝叶斯网络的构建,其由3个变量(街区号、移动速度、移动方向)构成的状态组合;利用该网络预测移动对象动态运动行为计算可能运动轨迹。不同数据集上的实验结果表明该算法的预测精度优于朴素预测算法,并证明了热点区域挖掘的作用在于能够在保证较高预测准确性的前提下提高预测时间性能近60%。     

基于双层多粒度知识发现的移动轨迹预测模型

针对现实移动轨迹空间分布上的稀疏性、不均匀性对移动轨迹建模与预测方面带来的挑战性问题,提出基于双层多粒度移动轨迹知识发现的在线轨迹预测模型.分别在粗/细粒度语义层对移动轨迹数据进行多粒度建模与模式挖掘,基于粗/细粒度语义表达之间的关联包含关系建立双层移动模式映射索引结构.通过在双层语义模式上对在线移动轨迹进行匹配与输出合并互补操作,实现对在线查询移动轨迹的混合预测.在真实数据集上的实验结果表明,采用提出的方法能够有效地提升预测精度,可以扩展稀疏数据下的可预测轨迹范围.     

一种隐私保护的在线相似轨迹挖掘方法

为了解决相似轨迹挖掘中的隐私保护、轨迹数据简化和在线处理问题,提出了一种能够保护用户原始轨迹数据隐私的在线挖掘相似轨迹的方法．该方法首先利用随机投影技术压缩和扰动原始轨迹数据,然后通过基于密度的聚类方法判定各个时间段内相似的移动对象,采用局部敏感哈希技术寻找在足够多的时间段内都相似的移动对象,避免了传统方法中的交集运算,实现快速估计轨迹间相似度．实验结果表明: 该方法能够有效的发现相似轨迹,并且时间开销较小．     

基于缓存候选结果集的轨迹隐私保护方法

在基于位置服务的连续范围查询过程中,针对相交区域需要重复查询的问题,提出一种基于缓存候选结果集的轨迹隐私保护方法。该方法采用二级缓存机制,分别在用户端和匿名器中缓存用户查询得到的候选结果集,供用户移动轨迹上的后续查询点使用,以减少用户与服务器之间的交互,降低用户信息暴露给服务器的风险。同时通过基于Markov模型的移动位置预测方法进行k-匿名,提高缓存的命中率。安全分析表明该方法能有效保护用户的轨迹隐私。实验结果显示该方法能减小服务器的计算和通信开销。     

基于GA-BP-AdaBoost 强预测模型的大坝变形应用

基于大坝变形量与多影响因素复杂非线性关系问题,提出了基于遗传算法优化BP 神经网络的AdaBoost 强预测模型( GA-BP-AdaBoost) 。算例分析表明,该强预测模型融合了遗传算法全局优化和BP 神经网络的局部寻优的特点,同时AdaBoost 强预测器通过给弱预测器的预测序列赋予不同的权重,综合不同预测序列的精度优势,实现了AdaBoost 强预测器“优中选优”的目的,最大限度地提高了预测精度,验证了本文基于遗传算法优化BP 神经网络的AdaBoost 强预测模型在大坝变形监测中的可行性和实用性。     

基于可变基函数和GentleAdaBoost的小波神经网络研究

针对传统小波神经网络(wavelet neural network, WNN)受隐含层节点数影响大、网络误差易陷入局部极小、预测结果不稳定的问题,提出使用GentleAdaBoost和小波神经网络相结合的方法,提高网络预测精度和泛化能力。该方法首先对样本数据进行预处理并初始化测试数据分布权值;然后通过选取不同的隐含层节点数、小波基函数构造出不同类型的小波神经网络弱预测器序列并对样本数据进行反复训练;最后使用GentleAdaBoost算法将得到的多个小波神经网络弱预测器组成新的强预测器并进行回归预测。对UCI数据库中数据集进行仿真实验,结果表明,本方法比传统小波神经网络预测平均误差减少40％以上,有效地提高了神经网络预测精度,为小波神经网络应用提供借鉴。     

基于NURBS的挖掘机器人时间最优轨迹规划

为提高挖掘机器人的工作效率,保证其运行轨迹平滑,提出了一种基于NURBS曲线的轨迹规划方法。利用5次NURBS曲线插值挖掘机器人关节位置,引入矢值函数,通过莱布尼茨公式求解NURBS曲线的高阶导矢,设定启停速度和加速度,得到经过指定关节位置加加速度连续的轨迹曲线。分析了NURBS曲线权因子在挖掘轨迹局部规划中的作用。采用序列二次规划方法求解约束条件下的非线性最小化问题,规划出时间最优轨迹曲线。仿真和试验表明:提出的轨迹规划方法能够得到满足物理约束的时间最优关节轨迹,且可进行轨迹局部优化。     

基于BP神经网络的公路隧道交通量预测

准确的公路隧道交通量短期预测,可使隧道通风系统获得良好的控制效果,而良好的隧道通风系统能够有效地降低隧道中有害气体难度,对保护人身安全及其降低隧道运营成本有重要意义。本设计采用具有非线性逼近和实现全局优化能力的BP神经网络进行公路隧道交通量的短期预测。通过确定适当的BP神经网络结构,对已知的历史交痛量数据进行网络训练和学习,获得能够预测小时交通量的BP神经网络预测器。运用西门子WINCC组态软件编制界面和神经网络预测器。实验结果表明该神经网络预测器对公路隧道交通量具有较好的预测能力。     

开采沉陷动态参数预计的三次指数平滑法

在我国,概率积分法是应用最多的一种开采沉陷预计方法.该方法中的预计参数在不同采动程度下是变化的.能否准确获知动态参数的变化规律将决定着开采沉陷的预计精度.为较好地解决这一问题,引入了一种动态参数预计的新方法,即三次指数平滑法.应用此方法对实测资料进行了预计和比较,结果表明,各预计参数的平均相对误差都小于4%.由此可见,该方法对开采沉陷的预测具有一定的应用价值.     

开采沉陷动态参数预计的三次指数平滑法

在我国，概率积分法是应用最多的一种开采沉陷预计方法．该方法中的预计参数在不同采动程度下是变化的．能否准确获知动态参数的变化规律将决定着开采沉陷的预计精度．为较好地解决这一问题，引入了一种动态参数预计的新方法，即三次指数平滑法．应用此方法对实测资料进行了预计和比较，结果表明，各预计参数的平均相对误差都小于4％．由此可见，该方法对开采沉陷的预测具有一定的应用价值．     

适于双子电梯群控系统的交通模式预测方法

为了避免传统电梯交通模式识别存在模式滞后的缺陷,适应新型的双子电梯群控系统性能要求,提出了基于预测交通流的电梯交通模式预测方法.采用支持向量机(Support vector machine,SVM)进行电梯交通流预测;采用BP神经网络进行电梯交通流模式识别,并用遗传算法(Genetic algorithm,GA)对BP神经网络进行优化;将电梯交通流预测与交通模式识别相结合,再次利用神经网络对所预测的交通流进行模式识别,实现交通模式预测.研究结果表明,预测交通流的交通模式与实际交通流的交通模式一致,验证了交通模式预测的准确性.交通模式预测方法可避免模式滞后的缺陷,为双子电梯群控系统工程应用提供理论依据.     

基于大数据挖掘的终端感知与换机应用研究

通过对移动大数据的分析和挖掘,能够提升终端感知,并为用户换机推荐提供强有力的数据支持。基于早期终端营销存在的问题与不足,提出了基于大数据挖掘的终端感知与换机应用系统解决方案,具体包括基于聚类算法的隐性换机用户提取方法,基于神经网络的指标分析法,基于决策树的换机预测方法。     

嵌入式人手姿态肌电模式在线识别方法

为了实现多自由度假手的肌电控制,需要嵌入式地实现先进模式识别方法.分别采用K近邻法及支持向量机分类方法,在样本充足以及相对匮乏的情况下,对实验中采集肌电信号的阈值特征集和稳态特征集进行了模式识别操作.实验结果表明,支持向量机的方法要明显优于近邻法,采用阈值数据作为训练样本要比稳态数据实时识别效果好.给出了一种在DSP内基于支持向量机进行10种人手姿态肌电模式的在线识别方法,识别率在95%以上,决策频率约为30Hz.     

高产高效矿井开采模式及其选择

在明确高产高效矿井开采模式内涵与结构的基础上,根据工作面布置方式与生产线类型,将开采模式划分为７类,产对其进行了技术、经济、风险及有效性的综合分析。从不同开采模式综合生产能力、工作面数目、稳产时间、工艺方式、综合效能度、经济合理性及风险值等７个方面,较为系统、全面地进行了高产高效矿井开采模式的合理选择。东滩煤矿实例分析表明,所建立的高产高效矿井开采模式选择的模糊综合评判模型是有效的。     

一种时间序列相似性的快速搜索算法

时间序列数据库中相似子序列的搜索,常用滑动窗口、分形插值逼近等方法将时间序列分割成各子序列,线性拟合各分段子序列,计算查询序列与各子序列的欧氏距离,满足距离阈值条件的为相似子序列.这些方法忽略了时间序列本身的位置和连贯特性.为此提出时间序列变化关键点的概念,以检索出的关键点为边界分割时间序列,线性拟合各分割的子序列,计算查询序列和各子序列的形态距离,快速搜索出相似子序列.     

一种快速的时间序列相似性算法的研究及其在股票管理中的应用

提出了一种新的股票时间序列相似性的研究方法,该方法与已往的算法相比,具有很高的计算效率.首先将时间序列分段线性化,将近似直线的端点按时间顺序排列形成转折点序列来描述原始序列,从而降低了数据的数量和复杂度,提高了快速性.基于分段线性化,提出了一种相似性计算方法,可以从时间序列中搜索用于传统股票分析的基础模型.将基础模型的谷点和峰点的位置按照某种规律重新排序,然后从转折点序列中寻找重新排序后与基础模型排序相同的子序列（即相似性搜索）,用该基础模型可以对股票后续趋势做出预测.与通常的相似性算法相比,该算法不考虑时间尺度和数据的幅值的变化,因此,大大提高了相似性的计算精度.     

面向流场计算的MPP系统设计探讨

分析了流场计算的特点,探讨了面向流场计算的MPP系统互联网络的设计,指出了这类系统的拓扑结构应优选低维MESH结构、互联网络应追求低阻塞率而非高速率;探讨了CCOTS技术在面向流场计算的MPP系统设计中的应用,指出了CCOTS技术是这类系统设计的优选设计方法。     

开采高坑矿立井工广煤柱的井筒变形预计与采煤方法选择的探讨

本文通过井筒变形预计,分析研究了全部陷落法、风力充填、水力矸石充填及混合开采等不同采煤方法对高坑矿立井工广煤拄开采时井筒的变形与损害,得出了水力矸石充填采煤法为最佳的结论。