数据聚类分析新方法研究

信息技术不断的进步,现实世界中需要处理的数据已由单一的数值型逐渐转变成由数值、文本、符号等类型构成的混合型数据。与现存大量的面向数值型数据的聚类算法相比,能有效处理混合型数据的聚类算法相对较少。为此,在格论基础上提出了一种适用于混合数据的聚类算法,该算法根据对象间格的覆盖数量来度量相似度,根据高覆盖数高相似度的原则选择聚类中心进行聚类。实验结果表明与其他传统聚类算法相比,新算法在不增加空间复杂度的情况下有效地提高了聚类的质量。     

基于轴流止回阀和空气罐的高扬程泵站水锤防护研究

高扬程短距离泵站在事故停泵时,水泵会快速出现倒转,一般的泵后阀门无法实现快速的关闭,导致机组迅速倒流倒转,而且管线中会出现负压甚至液柱分离,伴随较大的升压。针对这种情况,用特征线方法模拟水泵失电的过渡过程,并用轴流止回阀、空气罐和空气阀对系统进行水锤防护,效果非常显著,机组倒转和管线正负压力都控制在较理想的范围内。     

TopN显著连续序列算法

显著连续序列的发现是时序数据分析中的重要研究领域,所谓显著连续序列,即给定一列时序数据,一个连续序列由一个子序列和该子序列的极大值或极小值组成,如果存在一个连续序列,不被其他任何一个连续序列所包含,则称这个连续序列为这列时序数据的一个显著连续序列.在以往的显著连续序列发现算法中,仅能提供所发现的乱序连续序列.本文在分析显著序列算法基础上,提出了TopN显著连续序列算法,该算法根据数据特征,对显著序列进行排序,提供可能感兴趣的最显著TopN序列.本文利用现实数据集进行实验,结果表明TopN显著连续序列算法提高了显著连续序列发现效率,同时在进行数据集的数据特征提取更为有效.     

融合停留时间的隐Markov个性化推荐模型

静态模型在推荐系统中往往将用户的兴趣偏好看作是固定不变的,而在一定程度上与实际并不符合.为此,基于隐Markov动态模型提出一种融合停留时间的类时齐隐Markov个性化推荐模型(ctqHMM).该模型用隐含状态变量的转移来模拟Web用户的兴趣变迁,并用停留时间来描述用户对某一偏好感兴趣的程度和所推荐页面的重要性.然后,提出一种基于该模型平稳分布的用户聚类方法,并将其用于推荐系统中.在真实的Web服务器访问记录数据上的实验证明,类时齐隐Markov模型具有更好的推荐性能.     

DN1000上盖式半球阀流场的数值仿真

针对某阀门公司提供的DN1000上盖式半球阀,对它的内部三维流场进行数值模拟,分析了8个不同开度下阀门内部流场的变化情况,根据相关公式得出各开度下的流阻系数和流量系数。结果表明:随着阀门开度的增大,阀门的过流能力越强,流量系数越大,流阻系数越小;且开度大于70%时,流量系数迅速增加,而流阻系数基本不变。     

B／S模式下用ASP．NET实现选课系统

简要介绍了选课系统的概念，论述了B／S模式下用ASP．NET实现选课系统的方法，阐述了实现此系统所沿用的技术，对选课系统中的冲突问题进行了详细的解说，并用类PASCAL语言进行了算法实现，对开发中不断用到的存储过程技巧进行了描述，实现了选课、查询、修改等功能。     

医学体数据中基于局部特征尺寸的Delaunay四面体化算法*

为了从医学体数据构建面向虚拟手术仿真系统的器官实体模型,提出一种基于局部特征尺寸的Delaunay四面体化算法。首先采用Marching Cubes算法和外存模型简化技术从体数据中得到器官等值面简化模型,提出重心射线法去除内部冗余网格,获得器官多面体表面;然后基于局部特征尺寸构建表面顶点保护球,结合Delaunay细分算法生成边界一致的初始四面体网格;最后提出基于随机扰动的空间分解法快速生成内部节点,并逐点插入到四面体网格中优化单元质量。该算法克服了Delaunay细分算法无法处理锐角输入的缺点,并从理论     

一种基于检索树的改进计数最近邻分类新算法

计数最近邻分类算法是一种以数据格论为理论依据的新分类算法,其优越性在于能不经转换地处理各种混合数据.本文在阐述和分析该算法的基本原理后,发现该算法的计算效率及存储效率有待改进提高,因此我们提出了一种基于检索树的改进计数最近邻分类新算法,其主要思想是通过构建检索树以减少重复数据的计算量,并以此提高算法的计算效率和存储效率.通过利用国家863项目数据集和多个UCI 公共数据集的综合测试,结果表明该新算法在具有大量重复数据的应用环境中效果明显,具有较高的计算和存储空间效率.     

基于语义分割动态特征点剔除的SLAM算法

针对动态物体容易干扰SLAM建图准确性的问题,提出了一种新的动态环境下的RGB-D SLAM框架,将深度学习中的神经网络与运动信息相结合。首先,算法使用Mask R-CNN网络检测可能生成动态对象掩模的潜在运动对象。其次,算法将光流方法和Mask R-CNN相结合进行全动态特征点的剔除。最后在TUM RGB-D数据集下的实验结果表明,该方法可以提高SLAM系统在动态环境下的位姿估计精度,比现有的ORB-SLAM2的表现效果更好。