基于不确定度量化加权的CKF算法

针对传感器网络中每个传感器节点的邻接节点状态估计值不确定度不同的问题,提出一种基于不确定度量化加权的一致性卡尔曼滤波算法(CKF).该算法通过考虑节点度数对于传感器网络估计精度的影响,结合节点度数提出了一种衡量邻接节点状态估计值不确定度的量化函数,并把量化值作为该邻接节点与当前节点的状态估计值偏差的融合权重引入一致性协议中,利用优化后的一致性协议对传感器节点先验估计值进行更新,可提高一致性卡尔曼滤波算法的估计精度;算法同时具有非一致性误差小和鲁棒性强等特点.最后在3种不同网络类型下,通过动态目标跟踪实验仿真验证了算法的有效性.     

基于谱聚类带有节点特征的社区发现算法

提出一类基于谱聚类算法的带有节点特征的社区发现算法(SCSA),该算法首先将带有节点特征的网络图转化为加权图,其中边的权重用节点特征相似度度量,然后将谱聚类算法应用到加权图上进行社区检测.SCSA算法将带有节点特征的网络图分成K个社区,每个社区内节点不仅连接良好而且具有相似的特征属性.注意到不是所有节点的特征在社区划分过程中都是有用的,与划分无关的特征信息会降低社区发现算法的准确度.为此,提出了一类节点特征权重自调整机制嵌入到谱聚类中以提高社区检测质量.数值实验的结果验证了所提算法的有效性.     

指数加权移动平均变异系数控制图的改进

为探究在实际生产中,历史数据权重对控制过程的影响,以及减小权重,仅影响控制图一部分偏移灵敏的情形,提出双平滑系数控制图(DRES控制图).新的控制图用两个单边统计量重置的指数加权移动平均变异系数控制图来监测向上或向下的偏移,即选取两个大小不同的平滑系数,对原有控制图进行改进,重新构造了控制限,使得对大小偏移都有很好的监测能力.研究结果表明:利用平均链长的对比,新的控制图在变异系数发生无论大偏移还是小偏移都相对灵敏.     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

多输入多输出系统的加权多模型自适应控制研究

针对单入单出系统设计的加权算法无法在多输入多输出系统中得到较好的控制效果,对加权多模型自适应控制中的加权算法进行研究,并设计矢量与标量两种加权算法,研究多变量系统中标量以及矢量权值对系统的影响.同时,对加权算法中的误差性能指标进行研究,选取不同的误差性能指标,研究不同误差性能指标对权值收敛速度的影响.通过Matlab搭建Simulink仿真模型,对加权算法进行仿真.仿真结果显示,采用定常系数的误差性能指标的标量加权算法能对多输入多输出系统做出理想的控制效果.     

自适应样本加权的多视图聚类算法

将原始数据投影到一个包含几何一致性和簇分配一致性的空间,并且可以自适应学习几乎所有参数的多视图聚类算法,能够获得良好的聚类效果,但这样做没有考虑多视图中不同样本重要性不同的特点,忽视了噪声点与离群点对聚类效果造成的不利影响.针对上述问题,对样本重要性进行研究,提出一种自适应样本加权的多视图聚类算法.该算法对视图中不同的样本根据其重要性进行加权处理:首先给每个样本分配相同的权重,在之后的每次迭代中,不断进行自适应调整直至达到收敛条件.实验结果表明,该算法可以获得更好的实验效果.     

基于最大似然估计的RFID帧时隙估算方法

对动态帧时隙ALOHA算法(Dynamic Framed Slotted Aloha,DFSA)中的效率最优化问题进行了分析,提出了一种基于最大似然估计的帧时隙估算方法.该方法根据上一帧获取的碰撞时隙和空闲时隙,采用最大似然估计对帧时隙进行估算,同时采用线性反馈移位寄存器(LFSR)来实现哈希函数,使得标签能够均匀选择不同的时隙,减少估算误差,降低误差率.通过仿真实验证明,该方法的误差随着标签时隙比的增加而明显降低,满足误差率小于15%的实际应用要求,当标签时隙比大于1.2时,比Vogt算法和UPE算法估算的误差更小,误差率低于5%.     

基柱为PSL(3,4)的几乎单群的边本原图

设Γ是一个图,若群G作用在图Γ的顶点集上保持边的连接关系,则称群G是图Γ的自同构群.进一步,若G作用在图Γ的边集上是本原的,则称图Γ是G-边本原图.边本原图是一类重要的对称图.通过构造陪集图的方法来研究边本原图,并给出基柱为PSL(3,4)的几乎单群的边本原图的分类.     

考虑需求信息和电子口碑的酒店合作伙伴选择方法

考虑旅行社在选择合作酒店时会关注备选酒店的需求信息和电子口碑的发展趋势，提出一种考虑这两类信息的酒店合作伙伴选择方法.首先基于备选酒店需求和电子口碑信息构建有向加权图，具体地，依据备选酒店的需求信息确定有向加权图节点权重，并给出一种考虑备选酒店电子口碑横向、纵向发展趋势的权重修正系数，用来计算时间权重，在此基础上，采用TOWGA算子计算备选酒店的电子口碑评价值，并依据评价值进行两两酒店比较来确定有向边及其权重；然后基于PageRank算法求解各备选酒店的排序值；最后通过一个实例分析说明本文提出方法的可行性和有效性.     

任意无向加权图K点连通扩充的逐次改善算法

为了对网络的可靠性寻求较好的近似算法,研究了任意无向不加权图情况下的极小K 点连通扩充算法;在此基础上提出无向加权图G总边数和各点的连通度均保持不变时,使图G的总权值变小的一种可行边交换方法;同时得出一个可行边交换的引理,并加以证明.最终推出了任意无向加权图K点连通最小扩充的逐次改善算法,应用该算法作了大量例题,得到比较满意的效果.为解决任意无向加权图最小扩充问题给出了一种新途径.     

图上低频信号谱域变换中的边权重优化设计

基于谱域变换的图上信号处理是网络化数据处理中的新兴理论.许多图上信号处理应用中假设图上信号的频谱以低频成分为主,而实际上图的边权重对于图上信号的频谱分布有重要影响,因此本文研究图的构造过程中的边权重设计问题.首先将其转化为最优化问题,并得到了最优边权重的解析式.进一步针对网络化数据处理中分布式计算的需求,提出了基于网络数据的分布式权重优化算法.仿真结果表明相比于传统的边权重构造方法,本文提出的算法能够使信号的能量更多地集中在图谱的低频部分.     

加权支持向量机求解路径算法研究

针对不同训练样本重要性的差异对模型推广能力的影响,提出了对各个样本的误差惩罚参数赋予不同权重的加权支持向量机求解路径算法.根据样本重要性的不同,利用分段线性插值得到加权系数,并通过加权系数调整求解路径,从而改变不同样本在回归模型中的作用.采用支持向量机加权求解路径算法对圆柱壳结构在不同边界条件下的时、频域响应数据进行预测,训练样本的重要性通过与测试样本的欧式距离来表达,结果显示所提算法可减小位移响应在多个评价指标下的预测误差,提高支持向量回归机的推广能力.该方法同样适用于其他求解路径算法,如λ-路径算法和ν-支持向量回归路径算法.     

基于图分割的蚁群聚类算法

提出了采用两种策略更新信息素来控制蚂蚁行进路径的方法.根据信息素的浓度确定图边的权值,运用了图分割算法断裂所得图的边,从而达到对数据进行聚类的目的.实验结果证明算法是有效的.     

高度重叠社区的社区合并优化算法

当原图转换成边图后,在边图上进行社区发现可以天然地得到重叠社区,然而得到的社区往往相互大面积重叠,甚至相互包含,导致社区模块性质量较低.针对这一问题,在得到边图下重叠社区发现算法结果的基础上,我们将进一步以优化重叠社区模块化质量函数为标准进行社区合并,以获得高质量的重叠社区.本文首先提出一种描述社区间重叠程度的重叠系数,并基于此进一步提出一种构建带权社区图的启发式方法,能够快速有效地完成社区合并的过程.在人工生成网络与真实世界网络上的实验,进一步验证了该算法能够在不削弱边图方法速度优势的前提下,提高高度重叠社区的模块性.     

基于区域分割和均方误差改进的图像修复算法

基于样本块的Criminisi图像修复算法在搜索匹配块时,使用全局搜索并用均方误差（sumofsquareddifferences）来衡量样本块差异。该方法存在搜索范围过大,效率较低,仅考虑颜色的差异,容易导致修复结果边界错位等不足,本文提出了一种基于区域分割和均方误差改进的图像修复算法。为了提高样本块匹配速度,先采用区域分割法分割整个图像区域,使待修复样本块只在对应区域内搜索。在比较样本块差异时,本文算法对颜色差异、纹理差异、曲线特征差异进行了加权综合,从而保证了修复后图像在颜色和纹理上均与已知区域保持一致,解决了Criminisi算法效率低且容易出错等问题。实验结果表明本文算法修复结果在执行效率、视觉效果上要比Criminisi算法好。     

基于本体规则的接边数据一致性维护

针对一调土地数据由于测量误差或因不同测绘队伍的不同标识习惯,在图幅进行接边时导致接边要素属性不一致,进而造成接边准确率下降的问题。提出在一致性维护过程中将SWRL语义规则同时应用于图幅接边前的空间数据一致性维护的方法;该方法在传统的拓扑关系一致性维护方法的基础上,将本体及本体规则引入到图幅接边前数据的一致性处理中,增强了对数据语义一致性的判别,并对现有的属性相似度进行改进判断要素的一致性。实验显示,将该方法应用到对某镇一调图幅数据接边处理中,使得图幅接边准确率和接边效率都得到了提高。     

FP-Growth的并行加权关联规则挖掘算法

基于FP-Growth算法,提出一种并行加权的关联规则挖掘(PWARM)算法,证明其满足加权向下封闭性.使用MapReduce计算模型,在分布式集群中并行挖掘出关联规则.实验结果表明:该算法可以满足数据权重不同的需求,且在处理大数据集时能有效地提高挖掘的效率.     

加权Voronoi区域面积的计算方法

加权Voronoi图是Voronoi图定义的扩展.加权Voronoi区域的面积是加权Voronoi图的一个重要的物理属性.给出了加权Voronoi区域面积的计算方法,即对给定的母点坐标和权重,先求出各Voronoi区域边界上相邻两顶点间的Voronoi边的属性数据,并将每个闭合边界上的属性数据存放在一个循环链表中,最后根据各个循环链表中的数据,计算出各加权Voronoi区域的面积.     

基于优化Gmapping算法的巷道喷浆机器人建图研究

为了满足煤矿巷道喷浆机器人自主移动对精确环境地图的需求，对Gmapping算法在大场景中易发生权值退化和粒子贫化，导致机器人位姿估计误差过大以及地图重叠、分层等一致性变差的问题，提出分类回收重采样算法. 在重采样过程中，按比例将低权重粒子修正回收，充分利用现有信息，在抑制权值退化的同时尽量保护粒子多样性. 试验结果表明，在对ACES building和MIT Killian Court数据集进行建图时，对利用传统算法定位和建图效果很差的粒子数，改进后的Gmapping算法仍能将机器人平移误差和旋转误差维持在较低的水平，并能获得清晰、准确的环境地图；采用分类回收重采样算法后期粒子分布情况更加符合粒子滤波要求，验证了分类回收重采样算法的有效性.     

麦田蛴螬分布型与抽样技术的研究

通过用频次比较法和六种聚集指标对麦田蛴螬的田间格局和抽样技术进行了研究,所有指标表明麦田蛴螬在田间呈聚集分布,聚集度因田块而异,聚集原因主要取决于蛴螬本身的聚集行为与环境异质性共同作用所致,通过5种常用抽样方法比较,表明工字形或双对角线15或20点抽样时,可控制误差率在15％左右。