Efficient evaluation of monitoring top-t most influential places

The continuous top-t most influential place (CTtMIP) query is defined formally and solved efficiently in this paper. A CTtMIP query continuously monitors the t places with the maximum influence from the set of places, where the influence of a place is defined as the number of its bichromatic reverse k nearest neighbors (BRkNNs). Two new metrics and their corresponding rules are introduced to shrink the search region and reduce the candidates of BRkNNs checked. Extensive experiments confirm that our proposed approach outperforms the state-of-the-art competitor significantly.     

Short‐term salmon price forecasting

This study establishes a benchmark for short‐term salmon price forecasting. The weekly spot price of Norwegian farmed Atlantic salmon is predicted 1–5 weeks ahead using data from 2007 to 2014. Sixteen alternative forecasting methods are considered, ranging from classical time series models to customized machine learning techniques to salmon futures prices. The best predictions are delivered by k‐nearest neighbors method for 1 week ahead; vector error correction model estimated using elastic net regularization for 2 and 3 weeks ahead; and futures prices for 4 and 5 weeks ahead. While the nominal gains in forecast accuracy over a naïve benchmark are small, the economic value of the forecasts is considerable. Using a simple trading strategy for timing the sales based on price forecasts could increase the net profit of a salmon farmer by around 7%.     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。     

空间多样化约束下的移动k近邻查询

考虑为移动中的查询对象连续返回k个距离近并且满足空间多样化约束的对象，提出了空间多样化约束下的移动k近邻(SDC-MkNN)查询.在此，满足空间多样化约束代表对象之间的相互距离大于距离阈值.为了高效处理SDC-MkNN查询问题，提出了两种基于安全区域技术的算法.算法均通过减少重新计算查询结果的次数来提高查询效率.其中一种为精确算法EA，可连续返回精确的查询结果；另一种为近似算法ρAA，可连续返回具有近似率保障的近似查询结果.采用真实数据集验证了所提出算法的有效性.     

考虑随机权重阈值的多态k/N系统任务可用度建模与优化

在权重阈值随机变化的条件下,现有多态系统可用度建模在实际工程应用中具有局限性.本文引入数量阈值并考虑权重阈值随机性,分析多态k/N系统中部件数量和权重不能彼此映射的问题,提出新的随机联合运算符结合通用生成函数的方法,建立系统任务可用度评价模型.本方法适用于权重阈值服从连续型随机分布的情形,优于传统递归算法.然后,分别构建系统可用性约束或成本约束下的系统优化模型,通过遗传算法编程,求解部件各状态的最优概率及权重.最后,以船舶运输系统为例阐述数量阈值对系统可用度的影响,并给出随机权重阈值下多态系统的设计优化结果.研究成果可为系统工程师开展可靠性设计和改进提供方法依据.     

集值映射与层型结构空间(英文)

本论文利用半连续集值映射的插入给出具有层型结构空间的一些等价刻画.也引入了K-lower和K-upper集值映射,利用此概念给出了k-半层空间以及k-MCM的刻画.     

一种基于密度的增量 k-means 聚类算法研究

介绍了 k -means 和 DBSCAN 聚类算法的基本原理和优缺点,针对传统聚类算法无法有效处理高维混合属性数据集的问题,对原有的数据归一化方法进行改进,在 k -means 和 DBSCAN 聚类算法的基础之上,结合增量聚类的思想和数据之间相异度的计算方法,提出了基于密度的增量 k -means 聚类算法,有效处理具有高维混合属性的数据集,改进了数据相异度的计算方法。     

均匀度解释混沌及生态现象的数学依据

定义了任意分布函数的均匀度,在此基础上提出了“均匀度的独立性”公理和“均匀分布最均匀”的命题,阐明了均匀度与熵的相似性,从而揭示了均匀度解释混沌的内在机理.根据独立性公理,k步期望均匀度是存在的,可以用k步平均均匀度估计.由于任意分布函数F可以看作是F^-1对均匀分布的变换,数值计算表明,分布函数的非线性程度是导致k步平均均匀度降低的原因.熵是描述分布的不确定性程度的量,也描述样本的分散程度,样本分散程度意味着样本均匀程度,反之亦然,分布的确定性程度意味着样本的集中程度,样本的集中程度意味着样本的不均匀程度,反之亦然,这是熵与均匀度的共同点.生态学中,大多数格局是集聚格局是由存在于自然界中的非线性变换所致.     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

基于卷积核的港口客户细分方法

根据港口客户数据特点,运用信息增益方法对其进行了数据预处理,将其表示为树形结构组织方式,得到216棵客户树;引入卷积核,定义了度量客户树之间相似性的卷积树核;随后,将先前提出的核k-凝聚聚类算法推广到基于卷积核的客户树上,并运用Matlab数据处理工具实现对港口客户数据的聚类分析.分析结果表明,卷积核在港口客户细分中得到了良好的应用效果.