基于距离的数据流离群点快速检测

提出了快速的基于距离的数据流离群点检测算法.该算法使用滑动窗口模型处理数据流,并利用向量内积不等式进行剪枝,在保证正确性的前提下,显著的提高了执行效率.实验表明,该算法是有效可行的.     

一种基于几何推理的点模式匹配算法

点模式匹配是计算机视觉和模式识别领域中的重要课题, 在图像配准、物体识别、运动检测、目标跟踪、自主导航和姿态测定等方面有着广阔的应用背景. 讨论Euclid变换下不完全匹配情形的点模式匹配问题. 根据几何推理, 给出匹配团、支持点对、支持指标集和指标矩阵等概念以及它们满足的性质和定理. 在此基础上, 提出了一种独特的自上而下地求得最多一致对应点对的推理算法. 理论分析和实验结果表明, 该算法是非常有效的, 并在一定条件下可应用于其他变换下的点模式匹配问题.     

基于优势点检测的晶粒轮廓非均匀B样条逼近

进行复合材料三维重构的一个重要步骤是获取晶粒轮廓简洁的、光顺的数学表达. 在利用小波变换技术和Level set技术得到陶瓷复合材料晶粒闭合边缘的基础上, 根据晶粒轮廓的特点, 研究了其特征型值点的合理提取方法: 提取晶粒轮廓上高曲率的点作为候选点, 利用自适应弯曲度来确定曲线上每个点的支撑区间, 计算评价曲率, 依据评价曲率和最大采样间隔确定合理的优势点. 采用周期非均匀3次B样条曲线逼近的方法, 得到控制误差条件下最简洁的晶粒轮廓曲线. 根据所传递的候选节点矢量, 采用柔性间距选择, 获取序列轮廓的共同的节点矢量, 采用蒙皮技术获得陶瓷复合材料晶粒的3次B样条曲面模型.     

数据挖掘中决策树算法的研究

决策树算法是数据挖掘中重要的分类算法,本文首先阐述了数据挖掘中决策树的基本思想,然后针对ID3算法倾向于取值较多的属性的缺点。对ID3算法予以改进,并通过实验对改进前后的算法进行了比较,实验表明改进后的算法是有效的。     

贝氏体相变单元及长大机制的TEM研究

利用透射电子显微镜（ＴＥＭ）观察了Ｆｅ－Ｎｉ－Ｍｎ和Ｃｕ－Ｚｎ－Ａｌ合金贝氏体形貌和亚结构。证实贝氏体相变单元的存在。贝氏体通过相变单元的应力应变诱发形核伸长,通过沿缺陷面方向的扩展实现增厚。贝氏体相变单元的横向尺寸差和贝氏体沿缺陷面的滑移,错动形成了贝氏体／奥氏体相界面台阶,台阶阶面与缺陷面对应,难以进行侧向迁移。     

估计基础矩阵的六点综合算法

提出了一种基于２个非校正相机和八参数模型的基础矩阵（Ｆ阵）估计新算法－－点六综合算法，首先用一个新约束求出Ｆ阵的２个参数，而这２个参数正好是一个对极点的仿射坐标，然后通过解线性方程组获得其余６个参数。最后，经过对一些真实图象的测试和实验表明本方法除了有明显的几何意义外，还有需要较少的匹配点对以及可获得高精度Ｆ阵等优点。     

基于特征点的空间目标三维位姿单目视觉确定算法

针对基于特征点的空间目标包括相对位置和相对姿态等的三维位姿单目视觉确定问题,提出了一种基于逆投影思想的迭代方法.给出了一种包含景深估计和绝对方位解算两阶段的迭代算法,在景深估计阶段首先计算由转移矩阵表示的最优平移矢量,然后重构各特征点,并利用其在逆投影线上投影更新各特征点的景深;在绝对方位解算阶段采用Umeyama绝对方位解析算法计算相对姿态矩阵,上述两阶段迭代进行直至结果收敛.利用全局性收敛性定理证明了文中算法的全局收敛性.最后,以航天器交会对接最终逼近段的视觉测量为背景对该算法进行了数学和物理仿真,进一步验证了算法的有效性和收敛性.     

基于图论的多尺度特征点匹配

文中针对在视觉测量系统中双目立体视觉特征点同名点匹配问题,提出基于图论的稀疏特征点全局匹配算法.首先,提出多尺度特征点提取算法来获得特征点的准确位置.算法引入多尺度小波变换,利用变换后的系数构建自相关矩阵从而进一步确定特征点的位置.然后,根据图理论将提取的稀疏特征点构建一个图,从而使特征点匹配问题转化为可用能量最小化方法解决的图的标记问题.此多尺度特征点全局匹配算法利用多尺度分析来提高匹配精度,并且利用特征点构建图降低了图的规模,同时根据极线约束选择潜在视差值进行计算,降低了计算量.实验结果表明此算法可获得精确的匹配结果.     

利用内点法优化三相不平衡分布式电网的理论算法研究

目前分布式电网的潮流优化算法主要面对三相功率平衡系统,对于三相不平衡系统进行分析的算法介绍较少.文中利用内点法,结合美国电科院的开放式配电仿真系统分析(OpenDSS)平台,提出了三相不平衡分布式电网潮流优化算法的研究.该算法以网损和变压器三相潮流不平衡度最小为目标,以系统潮流、发电机和线路极限容量为约束,以变压器分接头和电容器投切为控制变量,建立了优化函数,利用内点法作为优化算法,以 OpenDSS为计算平台.文中最后以 IEEE123测试节点和 IEEE9500测试节点为例,验证了文中算法的有效性和实用性     

应用于无人驾驶车辆的点云聚类算法研究进展

点云聚类是激光雷达实现无人驾驶汽车环境感知中的关键步骤,其将激光雷达构建的点云地图中离散的点聚类成各个整体,是实现检测的重要前提,也为后续的辨识提供了必要基础.本文将应用于无人驾驶车辆点云聚类中的聚类算法分为六类,分别是现有的基于划分的聚类算法、基于层次的聚类算法、基于密度的聚类算法、基于网格的聚类算法、基于距离的聚类...     

Outlier Detection in Regression Models with ARIMA Errors using Robust Estimates

A diagnostic procedure for detecting additive and innovation outliers as well as level shifts in a regression model with ARIMA errors is introduced. The procedure is based on a robust estimate of the model parameters and on innovation residuals computed by means of robust filtering. A Monte Carlo study shows that, when there is a large proportion of outliers, this procedure is more powerful than the classical methods based on maximum likelihood type estimates and Kalman filtering. Copyright © 2001 John Wiley & Sons, Ltd.     

基于K-means聚类的快递企业客户细分方法

为了实现对快递企业客户的科学划分,制定差异化的客户营销策略,建立了一种基于K-means聚类的客户细分模型。对快递企业呼叫中心的客户相关数据特征进行了分析与预处理,确定了合理的客户细分变量,并建立了基于呼叫中心数据挖掘的客户细分流程。以某快递企业为例对客户细分方法进行了验证。结果表明该方法能够有效区分快递客户为敏感客户、节俭客户、高端客户、潜在客户与优质客户等五类,为进一步营销方案的设计提供决策支持。     

一种基于动态排序的最大频繁项集挖掘算法

集合枚举树是最大频繁项集挖据算法中常采用的数据结构。在此算法中,最大频繁项集的挖掘过程也可以看作对集合枚举树的搜索过程。为缩小对集合枚举树的搜索空间,本文提出了一种新颖而高效的剪枝方法:根据已挖掘得到的最大频繁模式动态排列枚举树节点的顺序,最大限度的施行剪枝,从而缩小搜索空间。该算法采用位图的数据格式与深度优先的搜索策略。实验结果表明,该算法能有效提高最大频繁项集的挖掘效率,在采用相同的测试数据情况下,效率优于FPMax。     

P—Q谐波电流检测方法研究

以瞬时无功功率理论为基础,对p-q检测方法在系统三相电压畸变、不对称状况下的检测结果进行理论分析。给出了电流检测的误差来源;同时提出了系统电压基波正、负序分离新方法,对传统p-q检测方法进行改进,消除了电压畸变、不对称电流检测误差。     

上海市雷电监测数据可视化研究

基于ArcGIS软件,将GIS(地理信息系统)技术与防雷实际应用结合,对雷电灾害预警涉及的实时监测数据(闪电定位数据、大气电场监测数据、雷达监测数据),从数据特点、预处理和可视化进行分析。针对上海市防雷中心业务需求,在雷电监测数据可视化应用方面,提出了分库、分表索引和符号库方法,实现了对海量数据的实时整合转化。提出的地图文档渲染方式使雷达数据达到了良好的可视化效果。目前,此研究已投入运行,具有较强的实用价值。     

基于三维地质模型的露天矿模拟开采系统应用研究

为了实现露天矿三维可视化模拟开采,提出了一种快速构建露天矿三维地质模型的方法——包络面构模法。在建立露天矿数字化三维地形／地质模型的基础上,根据露天矿的实际情况建立三维开采模板,自动生成推进模板,从而实现露天矿的模拟开采,使得多方案设计从中选优成为可能,进而提高了采矿设计的速度和质量。     

基于干扰温度的频谱感知算法研究

干扰温度机制是认知无线电的频谱感知方式中的一种.为了进一步提高干扰温度的效率和效果,对基于干扰温度的感知技术进行了分析和研究.对比了多窗谱估计方法和Welch方法,并采用一种基于神经网络的多窗谱结估计合奇异值分解算法.仿真结果表明,多窗谱估计方法优于Welch方法.基于神经网络的多窗谱估计结合奇异值分解算法,降低了干扰温度估计算法的复杂度,同时能够适应频谱环境时变的特性.     

基于树的不确定数据频繁项的挖掘算法研究

本文针对UF-growth算法在构建环节的不足,提出了一种改进的映射频繁项树PUF-tree算法。该算法基于数据库映射技术,通过改进原算法的构建过程,能在一定程度上消除原算法的性能瓶颈,提高算法的效率。