基于概率矩阵分解的用户相似度计算方法及推荐应用

用户相似度计算的合理性直接影响到协同过滤推荐的效果。提出了一种基于时序行为关系的用户消费网络图构建方法,通过定义用户间非对称相似度计算方法,确定用户间的初始相似度矩阵,然后利用概率矩阵分解的方法重构用户的相似度矩阵,挖掘潜在的用户近邻,将近邻关系应用到目标用户的项目推荐中,同时提出了基于时序行为关系和矩阵分解的协同过滤推荐框架结构。在实际数据集上对具体参数进行实验,并和其他方法进行了比较。实验结果表明,该方法可以有效提高协同过滤推荐效果。     

基于维样本近邻区间的分类算法研究

针对传统KNN算法忽略样本分布对分类的影响,易受到孤立样本、噪音等干扰,时间代价大等问题,提出了一种改进的近邻分类算法.该算法首先采用类维样本存储,打破了样本的整体性,转换了训练样本存储模式;其次按类维度寻求未知样本的类维近邻域,计算类维相似度进而得到未知样本的类别相似度;最后以最大类别相似度标识未知样本.该算法提高了分类效率,降低了独立样本对样本分类的影响.同时可处理连续型和标识型样本分类,并可适应各类样本分布情况,扩大了算法的应用范围.实验结果表明,该算法较传统的近邻算法与邻域分类算法在分类精度与分类时间上有了较大提升.     

改进K-means聚类的自适应加权K近邻指纹定位算法

针对指纹定位精度易受指纹数据K-means聚类预处理效果不佳、加权K近邻算法采用固定K值进行匹配定位精度差等问题,提出一种基于改进K-means聚类的自适应加权K近邻算法.算法在对指纹数据进行聚类计算过程中充分考虑参考点间接收信号强度值与实际物理坐标的双重影响,以避免参考点分类不明确;根据每个测试点的匹配参考点之间实际距离的均值和标准差设置阈值,动态选择K值.实验结果证明,改进K-means聚类的自适应加权K近邻算法相较于传统室内定位算法定位精度提高了44％,可为相关应用提供更精确的定位服务.     

考虑近邻和次近邻车辆影响的单车道元胞自动机模型

提出了一种考虑当前车辆前方两个车辆影响的单车道元胞自动机模型,根据双倍视距模型的思想修改了NaSch模型的加减速规则.计算机模拟表明,本文提出的模型能够呈现真实交通中观察到的一些复杂交通流现象,如时走时停波等,且最大流量和临界密度比NaSch模型更接近真实交通流的测量值.此外模拟结果表明通过参数调整可使车辆间保持一定的安全间距行进.最后,还讨论了近邻车辆的敏感系数和次近邻车辆的敏感系数的影响.模拟结果表明,固定任何一个参数的值,最大流量都会随另一个参数的增大而增加,对流量的影响显著,说明近邻车辆的影响大于次近邻车辆的影响.     

基于双重近邻图的有监督流形学习算法

提出了一种有监督的流形学习算法,算法首先构建双重近邻图,即类内近邻图和类间近邻图,从而获得相应的类内邻接矩阵和类间邻接矩阵,并在LPP框架下构建最优的低维嵌入。人工合成数据和实际数据上的实验都表明了所提算法优于一些线性和非线性的嵌入算法。     

基于局部均值的边界鉴别分析方法

提出一种基于局部均值的监督降维算法.找出与每一个样本点同类最远的k1个近邻的均值和异类最近的k2个近邻的均值,构造反映类内散布和类间散布的矩阵,由特征值分解确定特征提取变换.该方法使不同类别样本点之间的边界在投影子空间尽可能扩大,保留了数据的邻域结构,具有较强的模式可分离性.通过在ORL和YALE两个标准人脸数据库上与其他降维算法的对比识别实验,证实了算法的有效性.     

基于共享近邻加权局部线性嵌入的轴承故障诊断

针对传统局部线性嵌入算法在挖掘局部流形结构时未充分考虑样本邻居分布信息,且在降维过程中默认样本具有相同的重要性导致提取鉴别特征不明显的问题,提出基于共享近邻的加权局部线性嵌入(weighted local linear embedding based on shared neighbors, SN-WLLE)算法,并用于滚动轴承故障诊断.该算法首先使用余弦距离划分样本邻域;其次计算样本邻域对相似度用以评估样本共享近邻信息,并结合样本的6种邻居分布修正局部结构挖掘,提高多共享近邻的k近邻重构准确性;接着从多流形的角度评估样本点与近邻点间的稀疏分布一致性,以获得样本的重要性指标,并在低维空间保持该信息,进而提取准确的鉴别特征;最后结合KNN分类器构建出完备的轴承故障诊断模型.采用凯斯西储大学轴承数据集和实验室测试平台轴承数据集,从可视化评估、定量聚类评估、故障识别精度评估及鲁棒性评估等方面进行分析.结果表明：SN-WLLE算法的F值保持在10⁸以上水准,平均故障识别精度最低可达0.973 4,不仅具有较好的类内紧致性与类间可分性,还对近邻参数k具有低敏感性.     

一种改进的K近邻法在模式识别中的应用

针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,从而确保了聚类的质量.同时K近邻算法中引入的最近间隔值,既确定了近邻点的搜索半径,又保障了搜索的准确性.通过实验证实,该方法不但节省时间,还有较高的识别率.     

边坡稳定性的k-近邻估计

边坡稳定性估计的精度直接关系到边坡工程的成败.然而,边坡稳定性与其影响因素之间存在复杂的非线性关系.当目标函数很复杂时,如果只建立目标函数的局部逼近,并将其应用于待测实例的邻域,就能获得较高的预测精度.这种局部建模方法的典型代表就是k-近邻及其改进算法.在研究k-近邻算法的基本原理及其改进方法的基础上,提出了应用距离加权的k-近邻方法对由岩石容重、岩石内聚力、内摩擦角、边坡角、边坡高度和孔隙水压力6个特征参数组成的岩土参数进行建模,估计表征边坡稳定性的安全系数.实验中,用82个圆弧破坏边坡实例中的71个实例进行建模,对另外11个实例进行推广预测.实验结果表明:用k-近邻算法进行边坡稳定性预测有较高的精度.     

高光谱图像半监督局部稀疏嵌入降维算法

针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入（SELSE）算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.     

非均匀土体受压破坏数值模拟

根据土体颗粒大小的非均匀性，将颗粒之间的接触关系视为符合库仑条件，采用颗粒状离散元对恒速加载条件下土体的崩塌破坏过程及其力场、速度场的演化规律进行了模拟。结果表明，土体内因颗粒间分离而形成的宏观裂缝带是破坏坍塌的前兆，因此，在形成宏观裂缝区以前进行加固是保证土体稳定的基础，这对岩土工程的加固具有重要意义。     

一种基于梯度的非完整十字钻石模型搜索算法

十字钻石模型搜索算法利用了视频序列运动矢量的十字中心分布特性．作者在此基础上,增加了梯度信息,提出了一种基于梯度的非完整十字钻石搜索算法,在保证信噪比的情况下可使平均搜索点数大幅度降低．     

平面应变过程中摩擦对金属流变规律的影响

研究了平面应变压缩过程中摩擦对金属流变规律以及力能参数的影响. 通过有限元软件MSC/Superform,采用二维以及三维热力耦合有限元理论对不同摩擦条件下的力能参数、宽展情况以及变形金属的流动情况进行了分析;在自主研制的大试样平面应变热模拟试验机上,利用室温下工业纯铝探讨了上下接触面摩擦不一致时金属流动的规律. 结果显示:随着摩擦的增大,变形负载将增大,宽展减小;当上下接触面间摩擦条件不同时,变形后的试样将出现"U"字型,而且随着上下接触面之间摩擦差值的增大,其变形不均将更加严重.     

无倾覆力矩涡旋压缩机构的几何模型

基于法向等距线法涡旋型线生成理论,建立修正型线的母线经过原点和不经过原点情形下3种无倾覆力矩压缩机构的几何模型.研究在给定的基圆半径下,几何模型中母线的修正角、修正圆弧半径等随着修正参数的变化.结果表明,3种模型理论上都可以作为无倾覆力矩压缩机构,在对称修正模型中,动、静涡旋齿端部分的壁厚同时增大,质量随之增大,不利于排气孔口的开设.而母线不经过原点的不对称无倾覆力矩压缩机构模型具有理想的几何特性,是柔性化的几何模型.     

基于ZigBee的可学习型红外遥控的设计

为了能克服各类红外遥控器的信号不兼容和红外对直视空间的依赖,提出一种基于ZigBee可学习的红外遥控器.利用MSP430F149捕捉红外信号并学习,通过聚类和模式识别的方法分离出信号、数据压缩并储存在EEPROM里,节约存储空间.采用ZigBee无线技术传输红外线信号数据,解码通过红外发射模块还原信号,控制对象.经实验测试,该设计能很好地保存和还原红外信息,代替各种不同的遥控器,实现“无间距”遥控.     

油田经济极限井网密度计算方法探讨

从描述油田井网密度与采收率之间关系的谢尔卡乔夫公式入手 ,推导得出了计算油田经济极限井网密度的方法 ,通过实际资料验证 ,是切实可行的 .这种方法既涉及了油田的地质开发参数 ,又考虑了目前的经济技术参数 ,是一个较为全面的计算公式 ,它无论对新油田开发设计 ,还是老区开发调整都具有较强的适用性 .研究经济极限井网密度的意义在于使决策者掌握油田井网加密的下限 ,以经济效益观念指导油气生产 ,杜绝盲目钻井 ,避免勘探开发投资的浪费 .     

Analysis of distribution uniformity of nodes in wireless sensor networks

Wireless sensor networks have several special characteristics which make against the network coverage, such as shortage of energy, difficulty with energy supply and so on. In order to prolong the lifetime of wireless sensor networks, it is necessary to balance the whole network load. As the energy consumption is related to the situation of nodes, the distribution uniformity must be considered. In this paper, a new model is proposed to evaluate the nodes distribution uniformity by considering some parameters which include compression discrepancy, sparseness discrepancy, self discrepancy, maximum cavity radius and minimum cavity radius. The simulation results show that the presented model could be helpful for measuring the distribution uniformity of nodes scattered randomly in wireless sensor networks.     

新型钢筋网约束矩形节点的局部受压性能研究

为研究新型钢筋网约束矩形节点在低强度混凝土中的局部受压性能,对11个试件进行了轴压试验,讨论试件几何参数与体积配筋率对承载力的影响.试验结果表明,在节点钢筋网外围配置箍筋,可以有效改善节点区的抗裂性能;试件相对高度与其极限承载力成反比,但相对高度大的试件具有较大的初裂荷载;钢筋网体积配筋率对极限承载力有一定的提高作用,但对抗裂性能没有明显改善.借鉴约束混凝土本构模型,建立了力学概念清晰的核心混凝土等效应力-应变关系.采用建议的等效应力-应变关系对相关试验试件进行了全过程分析,计算曲线和试验曲线吻合良好.     

分形变换编码方法中参数的研究

通过对分形变换编码方法的实验,测试了各参数的特性,并利用所得结果,确定了各参数的取值方法,实验结果证明,在基本保持重建图象质量的同时可提高压缩比     

使用K－L变换进行图象压缩的一种新方法

在图象变换编码领域，Ｋ—Ｌ变换是最小均方误差意义上的最佳变换，但是变换矩阵随图象内容而不同，且计算复杂，速度慢。本文选择了合理的计算自协方差矩阵的特征矢量的方法，以削减计算时间。同时提出将模式识别引入Ｋ—Ｌ变换的一种新的图象压缩的方法，用精选的模式集训练ＢＰ神经网络，使之在计算中将各个子图象正确归类，以选择合适的变换矩阵。这一方法成功地降低了计算复杂性，并且回避了病态矩阵问题。它具有高压缩比和低复杂性的特点。