独立增量过程增量的渐近结果

对一类独立增量过程给出了其增量最大值的增长速度。     

数据仓库增量维护技术的研究

提出了数据仓库设计中的一种新的"基于多delta文件的选择增量维护算法",该算法实现了加载、维护的较小结果集,另外采用多层体系结构,用基库将操作型OLTP环境和DSS和OLAP环境桥接起来,在基库端和仓库端采用多版本控制思想控制抽取动态结果集大小以及在数据仓库端采用增量维护的算法,从而在维护后台进程中用的是较小的数据结果集批量加载,并不影响数据仓库端的查询操作,明显地减少了对OLAP和OLTP环境的影响.该算法和体系结构宜于实现,具有较强的工程参考价值.     

MapReduce模型下增量重复数据检测方法

针对重复数据检测过程中增量数据重复值检测问题进行分析,在基本近邻排序算法基础上,提出增量近邻排序比较算法。该算法通过跳动窗口形式比较相邻数据,大大减少了数据比较次数;同时引入MapReduce模型对该算法加以改进以提高其海量数据处理的能力。实验表明,改进后的增量近邻排序比较算法在保证检则结果准确的前提下,能够有效提高增量数据重复检测的速度,并且算法具有较高的稳定性,更适应海量数据环境中重复数据检测任务。     

钛白增量剂的研究

本文研究了一种钛白增量剂的制备方法。高岭土经筛选、超细粉碎、二氧化钛包膜处理,使之具有相当的颜料性能,在造纸、塑料、橡胶中可代替钛白。本文对填料的功能化技术进行了初步的尝试。     

企业信用政策增量分析决策方法的研究与应用

应收账款是企业财务管理的一项重要内容，信用政策的增量决策是提高应收账款管理水平的一种有效方法，以边际成本理论为基础，通过比较两个信用政策，研究增量收入与增量成本的计算方法，从而确定其增量利润，依据增量利润决定信用政策的选择。     

云计算平台上基于选择性集成的增量学习研究

增量学习是处理数据流的有效方式。文中针对已有增量分类算法只是作用于小规模数据集或者在集中式环境下进行的不足,提出了一种基于Hadoop云计算平台的增量分类模型,以解决大规模数据集的增量分类。该增量分类模型主要基于选择性集成学习思想,设计相应Map函数对不同时刻的增量样本块进行学习,以及设计Re-duce函数对不同时刻的分类器进行选择性集成以实现云计算平台上的增量学习。仿真实验表明该方法具有更好的性能,且能较好地解决数据流中的概念漂移问题。     

增量竞争的评定及方法

文章提出了经济发展中增量竞争的评定方式及其计算方法.     

用增量有限元法计算金属流动

利用增量有限元理论 ,对金属材料的变形过程进行模拟。为了模拟工程中塑性变形较大的构件的变形规律 ,在每个加载步迭代完成后自动实现坐标更新。     

数学解题中的一种特殊方法--增量替换法

通过对一数学解题过程的分析，归纳出一种特殊的解题方法——增量替换法，并通过举例介绍该法在解题中的具体应用．     

浏览中的两种增量搜索方法

本文根据数据库管理系统的实际需要,提出了快速动态查找数据的增量搜索方法,并给出了两种实现方法。     

一种SVM增量学习算法

分析了SVM理论中SV（支持向量）集的特点，给出一种SVM增量学习算法，通过在增量学习中使用SV集与训练样本集的分类等价性，使得新的增量训练无需在整个训练样本空间进行，理论分析和实验结果表明，该算法能然保证分类精度的同时有效地提高训练速度。     

增量迭代的软件开发方法

增量迭代的软件开发方法把整个软件开发周期划分为若干个迭代周期,以构架为中心,按相当小的用例增量构造软件,每次迭代都产生一个可运行的不断改进了的系统原型,一个逐渐向目标系统接近的构架基线,从而达到系统的完全实现。所以,它是一个循序渐进的开发方法,其开发过程是可见和验证的。     

基于MOGIS的导航地图增量更新

随着社会的发展,GPS导航已经得到了广泛的应用.人们对导航的要求也越来越高,其中导航电子地图的现势性已成为衡量导航优劣的重要标准之一.传统的版本式更新已不能满足需求,增量更新方法应运而生.对增量更新的方法进行·了研究,建立地图要素全局标识体系——MOGIS,并采用SIMG的格网划分方法,利用数据差分技术实现了导航电子地图的增量更新.     

发散步长准则下的增量聚合梯度算法

针对目标函数是若干光滑函数之和的优化问题,提出采用发散步长准则的增量聚合梯度算法。与增量梯度算法一样,增量聚合梯度算法的每次迭代也只需要计算其中一个函数的梯度。目前关于增量聚合梯度算法的研究主要是采用常值步长的增量聚合梯度算法,这一算法要求目标函数二阶连续可微且强凸,且常值步长的选取依赖最优点的二阶导数;而发散步长准则不依赖目标函数。在目标函数的梯度有界且李普希兹连续假设条件下,证明了采用发散步长的增量聚合梯度算法的收敛性;最后,通过数值例子验证了算法的收敛性,并与采用相同步长准则的增量梯度算法进行比较;数值结果表明对于某些优化问题,增量聚合梯度算法比采用相同步长的增量梯度算法更有效。     

一类振荡模型的摄动增量法

用摄动增量法求解一类三极管振荡器自激振荡器的振幅、频率、相轨并给出相图     

求解非线性问题的修正弧长增量法

本文介绍的修正弧长增量法是求解非线性问题的一种新思路 ,在弧长增量法的基础上 ,引进虚拟弹性系统及虚拟弹性刚度的概念 ,且弧长增量不为常数 ,根据每次迭代所得的残余荷载计算下次的位移增量。从而免去解线性方程组的繁复过程 ,大大提高了计算速度     

增量聚类算法综述

给出了增量聚类的概念,分析了增量聚类方法可以用于解决数据的变化和大量存储空间的需求问题。增量聚类算法选择恰当时,可以保证数据在变化时有效地提高聚类的精度和效率。从传统聚类、生物智能聚类和数据流聚类三个角度研究了增量聚类问题,分析了增量聚类问题的研究进展,包括发展的过程及特点,阐述了研究增量聚类问题的关键技术,最后给出了未来的发展趋势。     

微元步长自适应增量电导法实现MPPT的控制

为了更大程度的提高光伏发电系统的最大输出功率,通过对光伏电池功率、电压(P-U)特性的数学建模分析,在增量电导法的基础上,提出最大功率跟踪控制算法(MPPT)——微元步长自适应增量电导法.改善了传统增量电导法步长选择不确定性的弊端.通过引入变步长控制因子k,以微元步长Δd自适应的跟踪最大功率点.在Matlab/Simulink环境下进行了仿真验证.结果表明该算法明显缩短了跟踪时间,并且有效地抑制了系统在最大功率点(MPP)附近的振荡现象,提高了系统的跟踪速度和精度.     

基于矩阵的关联规则增量更新及其改进算法

为了解决大数据环境下如何高效地挖掘关联规则并进行增量更新,在原有的fast updating pruning(FUP)算法基础上,首先提出一种基于矩阵的关联规则增量更新方法(MFUP),该方法将数据集转化成布尔矩阵,减少对数据集的扫描次数以及数据集的存储量;然后将MFUP与Hadoop分布式计算框架结合,提出一种分布式环境下的新算法Cloud MFUP(CMFUP);最后通过设计实验进行对比分析。结果表明,在挖掘相同数据量的关联规则并进行增量更新时,MFUP算法相比FUP算法执行时间更少,且随着数据集的增加,其增速更慢;对比CMFUP与MRFUP算法表明,随着分布式环境下数据集的增加,前者较后者执行时间更短增速更慢。     

联机增量聚类算法研究

研究了联机数据挖掘系统中的并行和增量聚类算法,并给出了算法伪码。实验表明,联机增量聚类算法相对于传统的Apriori算法具有较大优势,同时证明了增量聚类算法及其联机数据挖掘系统的实用性。