基于属性熵和加权余弦相似度的离群算法

离群点检测是数据挖掘的一个重要研究方向,大多数离群数据挖掘算法在应用到高维数据集时效率较低。给出了一种基于属性熵和加权余弦相似度的离群数据挖掘算法LEAWCD.该算法首先根据局部属性熵分析每个对象在其k-邻域内的局部离群属性,并依据各离群属性的属性偏离度自动设置属性权向量;其次使用对高维数据有效的余弦相似度经加权后度量各对象在k-邻域内的离群程度,实现高维局部离群点检测;最后采用国家天文台提供的天体光谱数据作为数据集,实验验证了LEAWCD算法具有伸缩性强和检测精度高等优点。     

基于内容推荐算法和余弦相似度算法的领导决策辅助信息系统

【目的】为研究符合党政机关辅助决策特点的决策辅助系统,帮助领导快速、准确收集查找决策辅助信息,提高党政机关领导决策效率和准确性。【方法】基于内容推荐和余弦相似度算法设计了决策信息检索引擎,并结合决策信息库、用户决策特征库、决策信息采集子系统、决策信息推送子系统设计研发了领导决策辅助系统。【结果】系统在党政机关的决策辅助系统中进行了应用验证。系统可根据领导输入的关键字及领导的关注偏好进行决策辅助信息推送,推送结果准确率较高,符合辅助领导决策预期。【结论】基于内容推荐和余弦相似度算法的领导决策辅助信息系统根据用户偏好和特征进行决策辅助信息推荐,具有较好的准确性和针对性,开辟了党政机关决策辅助系统设计建设的新思路。     

复合滑动窗口连接算法

滑动窗口是对数据流进行连续查询处理、得出近似查询结果的一种常用的数据采样技术．连续查询处理的执行方式有2类：一类是立即执行方式；一类是周期执行方式、在已有的研究工作中，基于滑动窗口的连接算法都是适用于立即执行的连续查询．提出了适用于周期执行的连续查询的复合滑动窗口连接算法，即CSWSNLJ算法和CSWSNHJ算法．理论分析和试验结果表明CSWSNHJ算法具有较好的性能．     

基于余弦相似度模型的最佳教练遴选算法

介绍了一种基于余弦相似度模型的最佳教练遴选算法.该方法首先定义了执教能力评价指标,并针对指标中的时间相关因素给出了修正方法,最大程度地削减了时间因素对教练遴选算法的影响.采用单因素方差分析方法分析了性别对排名结果的影响,在此基础上提出了基于白化方法的改进策略,消除了性别的影响.采用对比策略,将所有教练的评价指标向量与理想化教练向量之间进行余弦相似度计算,最终遴选出最佳教练.基于实际数据的实验结果验证了算法的有效性.     

基于滑动窗口的指数平均动态电源管理预测算法

针对动态电源管理中指数平均预测算法存在的不足,提出了一种改进的指数平均动态电源管理预测算法.该算法结合滑动窗口,加入动态自适应调节因子,充分利用设备空闲状态的历史信息对未来的空闲时间进行预测.实验结果表明该算法对工作状态平稳的系统空闲预测效果良好,预测误差率比原算法降低了8.3%,并具有对样本数量要求少,计算量小,能自适应调整预测参数的优点.     

基于滑动窗口的动态数据流聚类算法研究

数据流聚类算法是当前数据流研究领域里的重要分支,而滑动窗口是数据流中一种关注近期数据的近似方法,提出一种采用滑动窗口处理数据的优化算法SWStream.算法采用双层架构思想,在线阶段利用滑动窗口树存储概要结构,动态调整窗口大小.而在离线阶段对上一阶段的结果进行宏聚类,得到最后的结果.实验验证本算法有更高的处理效率,也相对节约内存.     

基于滑动窗口的优化贝叶斯邮件过滤算法

贝叶斯算法在文本分类时需要进行特征提取，传统特征提取算法存在特征提取不够准确，进而导致分类效率不高。为解决此问题，提出一种基于滑动窗口的特征选取方法，该方法能扩大特征的选取范围。实验表明，改进后的方法可以有效地提高文本的分类精度。     

基于加权余弦相似度的XML文档聚类研究

在实际应用中,XML（eXtensible Markup Language）文档中的一些结构经常被改变。为了挖掘XML文档在历史变化过程中经常改变的结构所蕴含的知识,提出了发现频繁变化结构的方法。该方法用一组频繁变化结构组成的文档向量模型代表一个XML文档,将频繁变化结构在簇中的出现比例作为权值,使用加权余弦相似度对XML文档进行聚类。经过实验分析,根据XML文档历史变化过程中的频繁变化结构能较好地将XML文档进行聚类。用加权余弦相似度对XML文档进行聚类,其聚类结果的正确率、召回率和簇内部距离均优于使用非加权余弦相似度对XML文档进行聚类得到的结果。     

基于加权余弦相似度的WiFi指纹室内定位

基于Wi Fi的室内定位具有低成本、易部署、覆盖范围广、精度高等优点,成为室内定位技术研究的热点.Wi Fi指纹定位法可以对抗多径的影响,具有较高的定位精度.但是由于智能移动终端的种类繁多,使得室内定位系统离线建立的指纹数据库难以兼容不同的智能移动设备,降低了定位系统的适用性.为解决此问题,提出了加权余弦相似度算法,使用信号强度的加权余弦相似度作为匹配特征.实测表明,采用加权余弦相似度算法可有效解决终端差异性,提高了室内定位系统的精度和普适性.     

基于余弦相似度的复杂网络故障检测方法及应用

提出一种基于余弦相似度的复杂网络故障检测方法。利用余弦相似度确定变量之间的相关性,得到邻接矩阵,进而构建变量之间的网络模型;结合系统的网络拓扑结构,计算相应的复杂网络度量指标,对比故障状态与无故障状态下的网络结构与度量指标的差异,确定故障源;最后利用Tennessee-Eastman（TE）过程故障检测实例,结果表明,与偏相关系数方法对比,本文所提方法能有效且更准确地检测出故障。     

应用时间滑动窗口模型的轨迹相似性研究

针对社交网络用户个人信息难以获取、公开信息不完整、不通用甚至内容虚假的问题，选择了普适性强，且能客观、真实反映用户行为习惯的位置数据作为相似性分析依据，对新浪微博、滴滴打车进行位置数据采集，形成两个高价值且具有国内网民特色的数据集作为实验对象.提出了一种基于时间滑动窗口模型的轨迹相似性匹配算法，通过调整时间窗口和位置距离优化算法F值，实现不同网络平台用户的相似性分析.以对新浪微博和滴滴打车的用户位置数据为例进行验证，实验结果证明了地理位置为虚拟身份相似性判断的正相关影响因子，且判断相似性的平均F值超过90%.      

一种改进的余弦窗及其DSP实现

提出了一种减少频谱泄漏,而又易于实现的改进的余弦窗,其核心思想是对一般的余弦窗函数施加一个指数m,根据对频率分辨率和幅值精度、旁瓣抑制的侧重不同,改变m的值,得到不同性能的改进余弦窗.在DSP中软件实现时,针对不同的m值,进行不同次数的循环来实现.仿真结果表明,这是一种效果比较好的加窗方法.     

一种基于滑动窗口的一趟数据流聚类算法

在海量的动态数据流中发现有价值的知识,是数据挖掘技术研究的重要问题.研究数据流聚类,根据数据流的特点,提出了一种基于滑动窗口的一趟数据流挖掘的算法,对原有的一趟数据流聚类算法进行了改进,增强了一趟数据流聚类算法的扩展性,改进了数据流聚类的质量.     

滑动时间窗算法关键参数研究

滑动时间窗算法主要涉及窗体大小、步长和位置交换范围三个参数,这三个参数对算法的有效性和效率都有非常重要的影响。为了寻求这三个参数对算法的具体影响和最优组合,首先对算法的复杂度进行了分析和评估;而后探索和总结了这三个参数之间的关系;最后,在设计和实现该算法的基础上,通过仿真找到了实时性约束条件下,优化效果最好时三个参数的取值,即窗口大小为7,移动步长为3,交换范围约束为4时,计算结果最好。通过大量的数据验证了在最优参数组合下算法的有效性,为科学地使用滑动时间窗算法提供了依据。     

基于改进萤火虫算法与动态窗口法融合的移动机器人动态路径规划

针对传统萤火虫算法无法有效躲避未知障碍物、收敛速度慢、易陷入局部最优等问题,对其进行了改进,并将其与动态窗口法相结合,从而提出了一种移动机器人动态路径规划新算法。通过三种策略对萤火虫算法进行了改进：首先,采用Skew Tent混沌映射产生混沌序列对萤火虫种群进行初始化,提高萤火虫算法的全局收敛速度;其次,引入自适应步长平衡萤火虫算法全局和局部最优;最后采用差分进化算法通过变异、交叉和选择操作加强萤火虫算法的搜索能力。然后将改进萤火虫算法与动态窗口法相结合,使移动机器人在全局最优路径的基础上进行实时动态路径规划,在能保证全局最优路径的基础上有效躲避未知障碍物。本文基于MATLAB进行了仿真,仿真结果验证了所提算法的有效性。     

基于改进DWA的动态环境路径规划算法

摘 要 在涉及机器人自主运动和目标跟踪等场景中,动态障碍物的存在可能会对实时规划产生威胁。因此,生成一条安全路径以确保机器不会与动态障碍物发生碰撞显得至关重要。为此,提出一种改进的动态窗口法(dynamic window approach,DWA),其基于参考速度障碍物（velocity obstacle,VO)的思想,通过考虑障碍物的速度计算基于障碍物的危险区域,进行DWA节点选择排除不可行的路径,并且通过引入人工势场法作为评价函数选择最佳节点以避免与动态障碍物发生碰撞且能够快速到达期望目标点。结果表明：相对于传统的DWA算法,本文提出的DWA-VO算法在动态环境中相对于传统的DWA算法具有更高的成功率和更好的规划质量。     

基于经典余弦窗三谱线插值FFT的谐波参数估计

针对快速傅里叶变换（FFT）处理信号时出现的频谱泄漏和栅栏效应问题,利用真实频点附近幅值最大的谱线及其两侧的谱线,给出了基于经典余弦窗三谱线插值FFT的谐波分析方法,并结合最小二乘及多项式拟合方法,推导出谐波参数的修正公式.仿真实验结果表明,相较于传统FFT方法,基于经典余弦窗三谱线插值FFT法能够更好地抑制频谱泄漏和栅栏效应的影响,谐波参数检测精度也进一步提升.