#br# 分级存储数据多维分析技术的研究与应用

多维数据分析是数据仓库系统需要具备的一个主要功能,它接受用户的多维数据查询请求,生成多维数据集,为建立数据挖掘模型提供基础数据。本文提出一种分级存储数据的多维分析方法,实现分布式多维数据的报表展现原型系统,解决分布式环境下数据的即时展现应用问题,为分布式数据的统计展现提供了多角度、多层次和直观性的分析手段。     

分布式计算环境下的入侵检测数据分类研究

为了有效处理迅速增长的海量信息数据安全问题,在Hadoop云计算平台上,应用朴素贝叶斯算法和Logistic回归算法对入侵检测大数据进行并行计算分析。实验在伪分布模式和分布模式下进行计算,结果表明2种算法分类准确率均超过90%,Logistic回归算法比朴素贝叶斯算法运行时间更长;集群环境下运行的朴素贝叶斯算法可以有效降低运行时间。综合算法运行时间和分类准确率等因素,朴素贝叶斯算法比Logistic回归算法更能有效处理入侵检测大数据;并行计算下朴素贝叶斯算法可以有效分析入侵检测大数据。     

一种求解0-1背包问题的改进遗传算法

针对传统遗传算法（SGA）容易“早熟”的不足,提出一种求解0-1背包问题（KP）的改进遗传算法。借鉴二重结构编码的解码处理方法设计了一种新解码方法,在保证解可行性的同时修正种群中无对应可行解的个体;采用模拟退火算法和改进的精英选择算子改进SGA。实例仿真结果验证了改进遗传算法在进化效率和最优解搜索能力上的优越性。     

无线传感器网络DV-hop定位算法的改进

 DV-hop算法是无线传感器网络中典型的非测距定位算法,其核心思想是将平均跳距与跳数的乘积作为2个节点间的距离,即采用节点间跳段距离代替实际直线距离参与位置计算。跳段距离计算过程中的误差累计是影响DV-hop算法定位精度的主要因素。本文提出基于门限跳数的信标节点选择策略和基于权的平均跳距优化策略,通过这2种策略减少跳段距离计算过程中的误差累计,提高定位精度。改进后的DV-hop算法通过门限跳数优化信标节点的选取,仅将小于门限跳数的信标节点当作位置计算的有效节点,从跳数角度减少了误差累计;此外,改进后的DV-hop算法在未知节点平均跳距选取上,以最佳跳距替代最近信标节点的平均跳距,更加真实地反映了实际距离,从平均跳距角度减少了误差累计。仿真结果表明,改进后的算法在不同的信标节点数、不同的节点通信半径以及不同的节点稀疏程度下,均能得到更高的定位精度。     

#br# 基于多维数据模型的卫星质量评价模块组织方法研究

卫星质量评价模块的组织结构影响到用户能否有效地查找遥感产品信息,是挖掘和利用卫星数据资源的关键。针对现有卫星质量评价模块组织结构单一,检索效率低下问题,设计基于“星型”模式的在轨卫星质量评价模块信息多维数据模型,有利于多角度地展示卫星质量评价模块的动态信息,提高检索速度。将该模型应用于在轨自主卫星综合质量评价(ZGZHLPJ)系统组织结构的设计中,结果表明,系统组织结构更加有序和立体,用户使用更加方便快捷,验证了该模型的实用性。     

基于微信的考勤管理系统#br# 身份认证及位置识别方法的实现机制

介绍一种基于微信内嵌浏览器的身份认证与位置识别方法的实现机制,该机制利用微信OpenID和双向绑定Token这2种方式作为身份识别机制,以保证用户身份的有效性;采用AP信息识别和动态二维码进行定位,解决了手机地理位置信息在室内定位中存在的不足。该机制充分利用移动互联网技术和微信这一用户群体广泛的移动应用,具有实现简单、识别精确、用户使用便捷、跨平台兼容性强等特点,较生物识别技术等其他考勤管理技术方案,具有成本低廉、部署方便等优势。     

基于模糊粒度相关向量机的缓变故障参数区间预测

为解决相关向量机(RVM)在多样本故障预测中存在的预测精度下降和运算效率低等不足,提出一种基于模糊粒度相关向量机(FGRVM)的缓变故障参数区间预测方法。首先,对参数初始时间序列进行模糊信息粒化(FIG),并采用基于指数相似度的约简方法对训练集中的冗余数据进行约简;然后,使用自适应极值扰动和自适应变异对简化粒子群算法(tsPSO)进行改进,并以4折交叉验证误差最小为优化目标,采用该粒子群算法(itsPSO)实现相关向量机核宽度的自适应选择;最后,采用训练好的RVM预测缓变故障参数的变化区间。以3个经典的大规模、非线性、带噪声的时间序列及国航某航空发动机排气温度变化量(DEGT)为例对该方法的预测性能进行验证,仿真结果表明,相对于RVM和模糊粒度支持向量机(FGSVM),该方法在预测精度和运算效率上都有较大的提高。