不确定性多维传感器数据的有效存储与查询方法

为解决传统数据库管理技术无法有效管理不确定性数据的问题,该文设计了一种多维数组树(MB树)。MB树是一种基于贝叶斯网络的图数据结构,以贝叶斯网络作为概率图模型解决存储和查询问题。对海量数据建模并响应查询。证明了可预测性和结构关联性。利用真实数据集和合成数据集对MB树的性能进行了测试。验证了具有潜在联合分布的MB树的编码准确度。与相似的图模型比较,采用MB树的查询处理效率平均可提升约3倍。     

广义集值混合似变分不等式的迭代算法

提出并研究了一类新的广义集值混合似变分不等式;运用辅助原理技巧,给出了一个求解这种广义集值混合似变分不等式问题的三步预测－校正迭代算法;并证明了该算法在适当的条件下收敛．     

模型法静校正在复杂地表区的应用

模型法静校正主要是研究表层结构、建立对静校正合理的控制.在低速带建模过程中,根据工区的地表和潜水面情况,通过人工交互解释对不合理的控制点进行重新解释或剔除,对控制点比较稀少的区域进行内插补点,使得模型和野外实际情况基本相符,由于大面积、高密度地利用地表观测数据进行三维建模,较好地解决了复杂浅层地表分析及静校正闭合等问题.     

粒子群算法在静校正中的应用

在原始地震数据处理过程中,由于地表情况复杂等会存在的剩余静校正问题,可以用以往的模拟退火方法解决,但存在迭代次数巨大,收敛速度缓慢等问题,为了克服该问题可以引入粒子群算法,此粒子算法有收敛速度快等优点,却有易于陷入局部最优解的弱点,若将两种算法结合该弱点可以在模拟退火中得到克服,其具体做法是将PSO中的进化公式变为模拟退火法的温度更新函数。     

电子镇流器无源功率因数校正的仿真研究

介绍了电子镇流器的工作原理和几种无源功率因数校正技术,并对其进行了仿真,结果表明采用功率校正后可以提高产品的品质.     

汽油机进气歧管压力传感器非线性智能校正

为了消除汽油机进气歧管压力传感器在其运行状况中受温度以及电流波动因素干扰的影响,采用神经网络信息融合技术对压力测量过程中的温度以及电流波动等干扰因素进行非线性智能校正实验。结果表明：经非线性智能校正后,压力传感器非目标参量的影响被有效地消除,其输出稳定性比原来提高了约19倍,进气歧管压力传感器测量精度至少提高2．0％。     

一种新的多维关联挖掘智能方法

关联规则挖掘在数据挖掘中有着重要的作用.本文提出了采用多维模型的架构将维表进行组织,而且利用项目分块和提取感兴趣的个别属性作为多维关联规则挖掘的基本思想,并利用数据库查询语言实现算法,实现了多维的挖掘,经实验表明该算法的效率大大高于Apriori等算法,且易于实现.     

消费者购买行为对品牌偏好影响的多维博弈分析

消费者对品牌的偏好是多种主观和客观因素共同作用的结果.消费者购买行为就是消费者在对各种影响因素进行权衡、评价、组合的活动.多维博弈模型能有效表示出消费者是怎样实现效用最大化的.企业可以利用这一模型的分析结果,判断出消费者对商品或服务的因素的不同偏好,从而做出相应对策,来实现消费者对企业的品牌偏好.     

支持可变上下文参数的多维RBAC模型

在研究GTRBAC和CT-RBAC模型的基础上,提出了一种支持可变上下文参数的多维RBAC(MD-RBAC)模型.该模型通过将反映不同安全因子的约束组织为不同维的约束空间,为不同上下文参数的约束控制提供可靠的基础框架,使得RBAC模型能更好地适用于不同安全需求环境,提高了约束控制的灵活性和多样性.同时,MD-RBAC进一步完善了RBAC模型的状态断言语义,并分析了多维约束语义下的冲突事件和冲突约束.     

放射性色彩失真图像的可控校正和增强方法

针对具有放射性色彩失真问题的图像提出了可控色彩校正和图像增强方法,包括放射色彩失真校正、可控图像增强和机器人摄像头基准化,采用通过融合不同曝光级别下采样样本图片来获得期望校正样本图片的方法,实现了对具有有限曝光级别摄像头的可控图像增强,并在该方法的基础上进一步通过图像处理实现了对不同机器人摄像头的基准化.为Sony AIBO ERS-7型四腿机器人(RoboCup四腿组标准平台)的摄像头问题提供了实时有效的解决方法.在本文方法的帮助下,TJArk机器人足球队于RoboCup 2007四腿组机器人足球比赛中成功进入半决赛.