异方差加噪下差分隐私流数据发布一致性优化算法

现有基于树结构的差分隐私流数据统计发布方法未能充分利用统计查询可能存在的特定分布规律而进一步提升发布流数据的精度,为此,该文提出滑动窗口下基于异方差加噪的差分隐私流数据发布算法。首先动态构建滑动窗口内流数据对应的差分隐私区间树;其次根据统计查询分布规律计算树节点的覆盖概率,据此对树节点的隐私预算及树结构参数进行调整,以实现异方差加噪;最后,针对异方差加噪后区间树节点值可能不满足一致性约束的问题,设计实时的一致性调节策略。实验结果表明:与同类算法相比,该算法具有较高的查询精度及算法效率。     

基于四分树的差分隐私二维数据划分发布算法

为了提高差分隐私下二维数据区间计数查询的精度,提出一种基于四分树的差分隐私二维数据空间划分发布算法Quad-heu.首先构建与二维数据相对应的四分树,并对树节点添加拉普拉斯噪声;然后采用启发式判断策略,自底向上对四分树结构进行调整,以达到平衡查询噪声误差和均匀假设误差的目的;最后利用查询一致性约束对添加噪声后的四分树节点进行后置处理,以进一步提高查询精度.实验对算法Quad-heu所发布数据的区间计数查询精度及效率与同类算法进行比较分析,结果验证了其有效性.     

传感器网络中基于应用规则与概率的动态路由算法

针对连续数据分发型传感器网络，提出一种基于应用规则和概率的动态路由算法。算法基于节点的状态信息，与应用规则交互后周期性地构造一棵广度优先的数据汇集树形成动态路由路径。数据汇集树由初始生成树建立与生成树修补两阶段组成。算法首先将节点状态作为输入参数提供给应用规则，再由规则使用预定义公式计算出节点当前轮成为树节点的概率，形成初始树；而后在树修补阶段，通过添加一些新的普通节点为路由节点对初始树进行修补，完成树的连通覆盖。仿真结果表明，与TinyOS信标算法相比，在本文设计应用规则下的路由算法具有高数据传输率、时延短、平均能耗低的优点，能延长网络生存时间。     

一种新的基于FP_Growth的频繁项目集并行挖掘算法

频繁项目集挖掘用于发现项目之间的关联规则.为了高效求解面向大数据的频繁项目集,本文提出一种新的基于FP_Growth的频繁项目集并行挖掘算法NPFP_Growth(New Parallel algorithm based on FP_Growth),该算法对频繁模式树的存储结构进行改进,基于Map/Reduce并行计算模型,利用HDFS实现数据存储,在各自计算节点上构造局部频繁模式树,求解该局部频繁模式树中每个分支的最长全局频繁项目集;对于全局非频繁项目集,计算其支持数,发送至相应计算节点进行支持度统计,从而以较为简单的算法实现频繁项目集并行挖掘.实验表明,NPFP_Growth算法具有较高的计算效率和良好的可伸缩性.     

不同时间戳的地图差异匹配改进算法

本论文首先分析了SVG格式地图差异算法的研究现状,在现有的差异算法的基础上,分析了现有算法存在的不足,提出了一种改进的SVG格式地图差异匹配算法I-DiffS。该改进算法定义了节点集元素,即节点集元素可能包含一个或多个元素节点、属性节点和值节点构成的一个路径节点集合,定义了SVG格式解析结构树的标号规则,减少了结构树对应数组的元素个数,也减少了差异脚本中操作类型的数目,缩短了匹配过程。匹配结果为差异脚本,该脚本记录了前一个时间戳到后一个时间戳的更新操作。I-DiffS算法相比于现有的最新DiffS算法,时间复杂度更低。应用验证证明该算法是有效的。     

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

一种改进的SMOTE算法

少数类样本合成过抽样技术(SMOTE)是一种过抽样数据预处理算法,是在两个少数类之间随机插入一个新的少数类样本.为了解决SMOTE算法生成少数样本随机性的局限性,在考虑多数类样本分布会对少数样本的生成产生影响的基础上,提出了改进的SMOTE算法.在WEKA平台上分别使用改进前后的SMOTE算法对选用的UCI数据集进行过抽样数据预处理,并使用朴素贝叶斯、决策树和K邻近分类器对过抽样后的数据集进行分类,选择几何均数(G-mean)和曲线下面积(AUC)两个评价指标,实验显示改进后的SMOTE算法预处理的数据集的分类效果更好,证明改进后的SMOTE算法生成的少数类样本更加合理.     

基于不确定抽样的半监督城市土地功能分类方法

为提高分类准确率, 解决城市区域社会功能标签分类难的问题, 提出了一种基于不确定抽样选择策略的半监督城市土地功能分类方法。该算法从轨迹数据中提取城市区域的特征向量, 只需对少量区域进行标签, 根据不确定抽样的主动学习选择策略, 从未标注训练样本中选取具有较多信息的数据, 利用半监督学习算法进行标注, 得到新的标注训练样本添加到训练集, 反复迭代后得到分类结果。实验结果表明, 该方法对不同社会功能的城市区域分类准确率可达90. 2%, 与传统方法相比分类准确率高, 减少了大量标注工作, 在少数标签数据上仍有较好的分类效果。     

一种适应于不平衡数据集的改进TANC算法

传统的分类方法对不平衡数据集进行分类时对数据集中少数类的分类准确率不高,而少数类往往对结果的影响尤为重要.为此提出一种适应于不平衡数据集的改进树扩展型朴素贝叶斯(TANC)算法,该算法首先利用Relief算法对样本中的少数类进行权重分配,然后通过训练数据集,使缺失数据补齐,并通过将属性分割成多个有限区间,使连续数据离散化,将修改后的训练集用以训练TANC,最后通过TANC算法对数据集进行分类.基于UCI标准数据集上的实验结果表明,该算法的整体性能优于TANC算法.     

基于抽样方法的不确定极限学习机

实际应用中的大量数据具有不确定属性,而传统的挖掘算法无法直接应用在不确定数据集上.针对不确定数据的分类问题,提出一种基于抽样方法的不确定极限学习机.该算法通过抽样的方法,对不确定数据集中样本的抽样实例进行学习和分类,得到该不确定样本的所属类别的概率,从而实现了传统极限学习机分类算法对不确定数据的分类,并极大降低了不确定对象实例的枚举代价.实验结果表明,该算法在不确定数据的分类问题中具有较好的有效性和高效性.     

基于取样积分技术的数据采集系统

为了实现从强噪声中提取微弱信号,设计了一种基于取样积分技术的数据采集系统,并就系统的结构、设计中的关键电路进行了研究,提出了一套完整的信号采集方案。系统中以积分电容作为取样信号的载体,积分的过程本身就是信号累加的过程,因此避免了在传统密集采样过程中数据量庞大及数据处理难的问题,实现了从强噪声中提取毫伏级信号。实验结果表明,取样积分方法改善了系统的信噪比,提高了信号的识别能力(在无需放大条件下,可检测的有效信号的动态范围达130 dB),在具体应用中取得了良好的效果。     

基于非均匀采样间隔的数据关联算法研究

针对工程中普遍存在的非均匀采样目标跟踪问题,给出了基于多扫描的后向递归概率数据关联算法实现过程,讨论了判断目标丢失的准则.对分别基于一维和多维扫描数据进行数据关联判决的不同算法的性能进行了仿真分析.仿真结果表明:在采样次数不变的条件下,和应用单扫描的PDAF算法相比,多扫描非均匀采样方法能够获得更好的航迹维持性能.当目标检测概率越大、杂波密度越大、目标机动性能越大时,非均匀采样和均匀采样方法航迹维持性能的差别越大.     

线性回归的分布式压缩采样算法

为减少无线传感器网络数据传输量,进而延长网络的生命周期,研究了一种联合线性回归和压缩感知的分布式采样方法。依据节点数据的相关性对网络进行分簇,将感知数据显著线性相关的传感器节点划分到同一簇中。以此为基础,提出了一种基于线性回归的分布式压缩采样算法,该算法联合运用线性回归和压缩感知理论重构节点数据,实现了低速率采样条件下节点数据的高精度重构。对实测温度数据进行仿真实验,结果表明,与等间隔采样相比,该算法减少了71%的采样值个数。     

抽样间距和投影数对卷积滤波法图像重建质量的影响

利用卷积反投影算法对图像进行重建时，要降低成本，提高成像效率，就必须选取合理的抽样间距和投影数，作者在分析抽样间距和投影数对图像重建质量影响时发现，在噪音比较大的情况下，抽样间距过小，会使重建图像的质量下降，而投影数的变化对重建图像质量的影响则相对较小。     

多模式无线数据采集动态神经网集成融合算法

针对现有数据采集系统中采用有线方式或单一无线方式传输数据存在的问题,诸如:安装不灵活、稳定性差,提出了一种多模式无线数据采集系统的设计方案。新方案有机地结合了蓝牙、IEEE802.11b、HomeRF和nRF2401各自的特点,使得系统可以灵活、准确、有效和低成本地进行无线数据采集与传输,并提高了数据采集系统的抗干扰能力。在对数据的融合中,提出了一种动态神经网络集成算法。该算法采用动态聚类算法实现对各个体神经网络输出数据的集成,较为有效地克服了单个神经网络泛化能力差的缺点。     

大动态范围的环境噪声自动测量仪的研制

研制了一台动态范围为90dB以上的环境噪声自动监测及统计分析仪器。可以适用于声级起伏变化很大的环境噪声和交通噪声的全量程监测,并可以把测量结果和统计分析结果自动显示和打印出来,解决了随机性较强的环境噪声的自动监测问题。仪器內部有两只对数放大器,由于器件特性的限制,每只对数放大器的动态范围约60dB左右,但通过微处理器对双通道对数放大器的交替采样,并经过数据处理,实现了二对数放大器的测量动态范围的自动连接,这样扩大了量程(大于90dB)实现了仪器的全量程测试。     

有效值及有功功率测量的综合误差分析

分析了用加权算法求有效值及有功功率时，同步偏差及量化噪声对测量精度的影响，得到其综合误差公式。结果表明：随着所用权函数阶数的增加，不同步采样引起的测量误差将快速减小以至成为次要因素，量化误差将可能成为主要误差因素。采样数据量化引起的测量误差正比于量化精度而反比于采样点数的开方根。通过增加量化位数及采样点数均可降低数据量化引起的测量误差。     

GPS／INS组合系统自适应滤波算法

研究了GPS/INS组合系统在高动态运动目标定位中的应用。根据组合系统建立状态方程，GPS观测量构成观测方程。自适应滤波过程中，通过观测数据对观测噪声进行估计，再用Sage-Husa算法在对动态噪声进行估计的同时实现状态滤波估计。计算机仿真验证了这种滤波算法的有效性。     

动态电子汽车衡信号处理系统数学描述与滤波算法选择方法研究

本文通过对动态电子汽车衡的传感器输出信号进行分析,针对噪声信号形式,给出了动态电子汽车衡信号处理的数学描述,通过对滤波算法的比较分析,选择了分裂基FFT算法对数据进行处理,减少数据处理的复加、复乘次数。     

一种动态匹配特征子波拾取地震同相轴的技术

在传统的地震资料解释或速度分析等过程中,通常都是依靠人工识别与拾取,不但工作量大,而且效率非常低。因此,工业界开始使用各种算法来进行地震同相轴的自动识别与拾取,但是这些算法存在较多的缺陷,精度不高。地震剖面可视为由地震子波与反射系数褶积构成,子波以及噪音的存在对剖面的自动拾取带来一定困难。通过对地震子波进行特征抽取,并将地震剖面进行稀疏化表达,降低子波以及噪音对自动拾取的影响,同时减少数据采样点数,提高计算效率。通过引入矢量距离,并结合动态波形匹配算法计算特征化矢量数据的最小距离,从而实现同相轴的自动追踪。理论资料测试证明方法的正确性和抗噪能力,东部某探区实际资料自动拾取证明了论文方法的有效性。