序列模式挖掘在网格调度优化中的应用

提出了一种基于数据挖掘的网格调度优化方法,其思想是通过将网格监控信息转化为时序数据库,对其进行多维序列模式挖掘以获得用户行为模式,利用挖掘结果构造优化逻辑.并使用这些信息对网格调度过程进行优化.     

车速的时间序列分析模型

基于高阶统计量方法,建立连续车流地点车速的时间序列分析模型.由于高阶累积量方法能够处理非高斯、非最小相位、非因果的时序数据,故由其辨识的时序模型具有更广泛的适用性.此外,连续车流地点车速具有非独立性特征,时间序列模型在相当大程度上蕴含了这些信息.仿真算例是成功的,实例计算与实际是一致的,从而说明该模型与方法是正确的.     

基于距离和时序的层次粒度支持向量回归机

针对目前粒度支持向量回归机的粒划算法只考虑了距离因素,引入时序因素,提出适用于金融时间序列的基于距离和时序的层次粒度支持向量回归机(DTHGSVR).该方法首先将训练样本通过核函数映射到高维空间,并在该特征空间中进行初始粒划.然后,通过衡量样本粒与当前回归超平面的距离以及当前样本粒时序的综合因素,找到含有较多回归信息的粒,并通过计算其半径、密度及时序信息进行深层次的动态粒划.如此循环迭代,直到没有粒需要进行深层划分为止.最后,对不同层次的粒进行回归训练.采用提出的基于距离和时序因素的层次粒度支持向量回归机对基金净值进行预测,实验结果表明回归的泛化性有所提高.     

早期时间序列分类方法研究综述

传感器技术的普及使得时间序列数据受到人们越来越多的关注.早期时间序列分类(Early Time Series Classification, ETSC)希望通过观测尽可能短的时序数据而对其做出尽可能准确的分类,已在科技金融领域发挥着重要的作用.首先概述了常见的时间序列分类器,并综述了基于最小预测长度、基于最大区分子序列和基于模型的3类早期时间序列分类框架的最新研究进展.然后在每类方法中,分析了具有代表性的早期时间序列分类模型的关键技术及其优缺点;整理了科技金融领域的公开数据集和常见的评价指标.最后对未来的发展趋势做了展望.     

基于序列划分的压缩序列模式挖掘算法

研究了静态数据库当中挖掘压缩序列模式的问题,提出了一个压缩序列模式挖掘算法.该算法通过对闭序列模式全集进行划分处理,降低了序列的比对空间,并结合δ-dominant序列检测机制,有效的挖掘出了压缩序列模式集.实验表明,该算法具有较好的运行效率.     

基于交织和完备序列的零相关区序列集构造方法

提出新的基于交织技术和完备序列的零相关区序列集的构造方法.首先通过级联、交织方法生成了完备零相关区序列,然后基于交织技术利用完备序列和零相关区序列集构造了新的零相关区序列集.构造过程中,通过利用零相关区序列集代替正交矩阵,能使目标序列集的周期长度和零相关区长度都得到扩展.该构造方法不需要利用正交矩阵,构造结果更灵活、适用范围更广,能够生成多种不同形式的零相关区序列集.     

序列模式的一种挖掘算法

序列模式挖掘是数据挖掘中最重要的研究课题之一。基于记录数据库频繁集中各元素CtiD表的基础上,提出了序列模式挖掘的一种算法ISP。该算法考虑了项目集与序列之间的关系,利用时序连接法,采用不同的构造法,构造出相对应的候选集,从而计算出频繁集。由于算法ISP能够利用中间的挖掘结果,故提高了挖掘过程的效率。     

一簇新的低相关二元序列

低相关二元序列的应用领域非常广泛,在扩频通信、码分多址通信、全球定位系统和密码学中都有重要应用.应用m序列和其采样序列,构造了周期为2n-1的一簇新的二元序列,其中n为偶数.新的二元序列集的最大相关值为-1+2n/2+2n/2+1,并且它包含的二元序列的个数为2n/2+23n+2.该序列集包含了2个具有最优相关性的序列子集,其中之一为小集合的Kasami序列.提出的具有较多序列数目的低相关二元序列集可以用于码分多址通信系统.     

一类低相关序列

给出一类d型函数,用该函数构造出了一类低相关序列集.这类序列集的周期为2n-1,集合中序列的条数为2n,其中n=4m 2.证明了其非平凡相关值只取以下4个值{-1,±2n/2-1,2n/2 1-1}.     

基于有符号移位序列的零相关区互补序列集交织构造方法

提出有符号的移位序列,将移位序列分为移位和符号两部分,并基于此提出一种零相关区互补序列集的交织构造方法.该方法利用完备互补序列对作为初始序列,根据初始序列与移位序列长度的关系分2种情况构造移位序列.第1种情况,二者长度互素,分析并证明移位序列中未引入与引入1个、2个负号后新序列对相关函数的分布情况,提出当移位序列长度为3时,获得完备互补序列集的方法;第2种情况,移位序列长度被初始序列长度整除,当移位序列长度为偶数时,提出获得完备互补序列集的方法.实例仿真证明了以上构造的有效性.     

一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．     

基于顺序时序机的数字集成系统隐式软故障自状态差定位

建立隐式软故障概念。目前国内、国际在数字领域内极为关心的重大问题是它的精确定位，利用顺序时序机产生了全部工作模式下的样本状态表、状态差表，导出了基于顺序时序机状态差的一系列重要和特别有用的性质及规律，所形成的自状态差理论要比当前使用的故障诊断方法方便简单得多，用自状态理论极为容易对待测数字集成系统工作模式进行识别。同时直观地对隐式软故障精确定位，并可确定隐式软故障数目。自状态差法无疑将为数字集成系统设计及测试带来强有力支持。     

疲劳载荷谱编制智能方法

当处理载荷历程时，提出了除统计出载荷循环外还需要用分面装箱方法记录载荷顺序效应，在编制疲劳谱法，利用人工智能方法，对各顺序效应箱进行搜索，并依据雨流计数原则，把循环逐级插入载荷序列中，这种编谱方法能使疲劳谱与原历程的循环计数统计结果实全一样，还能保证载荷顺序效应与原历程等同。     

两类积分的求解

讨论了两类积分的求解问题.对于积分I1=∫+∞-∞e-ax2dx,其中a0为常数,给出了以下几种求解方法:利用它与重积分的关系给出两种解法;利用此类积分的特点巧妙借助伽玛函数给出一种求解方法;根据被积函数的特点和积分区域的特殊性来构造恰当的概率分布求解.对于积分I2=∫c2c1e-a(x-b)2dx,其中a0,b,c1,c2为任意实数,通过构造正态密度和查概率分布表求解.     

基于时序区分子图的阿尔茨海默症辅助诊断方法

为解决现有区分子图方法在解决阿尔茨海默症辅助诊断上忽略脑网络动态连接变化的问题,提出一种基于时序区分子图的辅助诊断方法.将功能磁共振成像经过处理后形成二值矩阵并使同一测试者的多张动态脑网络形成时序差异图,之后进行频繁差异子图挖掘、频繁差异序列挖掘,进而筛选出保留脑网络时序特性的生物标记物——时序区分子图.获取ADNI公开数据集的一组数据进行实验,通过与现有的早期阿尔茨海默症辅助诊断方法进行大量的实验对比,证明本文方法的辅助诊断准确率在该数据集上提高了12.7%,进而证明所提方法的有效性.     

基于支持向量机的异常检测

提出一种使用支持向量机(SVM)进行计算机系统实时异常检测的方法，内容涉及到一种对支持向量机方法的改进算法、对数据预处理的方法及SVM核函数的选取．试验结果表明采用这一算法进行入侵检测具有准确率高、计算简单、占用的存储空间小等优点．     

两类矢值序列空间Xp（E）和ss（E）的弱*局部列紧性

目的研究实Banach空间E的矢值序列空间X_p(E)及ss(E)的弱~*局部列紧性。方法依据研究矢值序列空间co(E)及l_p(X)的几何性质的方法。结果与结论当实Banach空间E是弱~*局部列紧时,证明了矢值序列空间X_p(E)及ss(E)也是弱~*局部列紧的。     

圆柱坐标下的多层理论在实芯转子异步电机中的应用

多层理论是分析实芯转子异步电机转子体内电磁场及计算电机性能的一种非常有效的方法.文献[1]阐述了在直角坐标下光滑实芯转子异步电机的多层分析理论.这种建立在直角坐标下的多层分析,明显的不足之处是未考虑定、转子曲率影响.采用圆柱坐标的多层分析模型可见于文献[2],它将转子沿径向分成许多薄筒,以各薄筒上的电磁量作为求解变量,列出相应的矩阵方程来求解.这种方法的缺点是待求的矩阵方程往往阶数很高,运算工作量大.本文将根据在圆柱坐标下光滑实芯转子异步电机的多层分析理论,采用文献[2]的分析模型,以矩阵传递方程形式,分析计算光滑实芯转子异步电机转子电磁场.它不仅比文献[2]的方法运算简便,而且矩阵传递方程的形式与直角坐标的相似,分析和处理方法相同,便于两种坐标下计算结果的比较.1 基本理论     

基于直方图着色法的3D重建

 着色是基于图像的三维场景重建的重要步骤.它通过一致性检测来实现,即检测一个体素映射到这个体素的所有视角中的相应区域的颜色是否一致.一致性检测方法主要有标准差法、自适应阈值法、直方图法等.对直方图一致性检测方法进行了分析并提出相应的算法.它的一个显著特点是不需要调整参数,算法相对容易实现.实验结果表明,该算法是有效可行的.     

无K4-子式图的2-距离和可区别边染色

图G的一个正常边染色φ若满足:∠u,v∈V(G),且d_G(u,v)≤2都有f(u)≠f(v),其中f(u)=∑_uw∈E(G)φ(uw),则称φ为图G的2-距离和可区别边染色。运用反证法,结合构造染色函数法,研究了无K₄-子式图的2-距离和可区别边染色,确定了无K₄-子式图的2-距离和可区别边色数的一个上界。