线性模型系数的有界影响辨识

基于采样数据的新息增量过程,创造性地提出了回归系数的有界影响辨识算法．该算法具有简洁的递推关系和良好的容错能力．理论分析和仿真计算证实,该算法能有效地克服异常数据的不利影响,提高统计推断的可靠性．     

一种新的发现偏离模式的线性算法

在分析Arning算法和其改进算法的基础上，提出一种新的发现偏离模式的线性算法．该算法将使数据序列突然发生大幅度波动的数据认作例外．已发现的例外被用数据序列平均值代替，在此基础上进行下一例外的发现．实验证明，该算法克服了例外集对数据次序的敏感性，并且下一例外发现不受上一例外发现的影响，从而可以重加有效的发现数据序列中的例外集．     

双频GPS数据的最优相位平滑伪距算法研究

相位平滑伪距算法可以有效抑制多路径效应对伪距的不良影响,其计算效率高,对数据传输的要求低,因此在GPS数据处理领域受到了广泛的关注和研究．基于参数的最优估计理论,对Hatch滤波进行了改进,重点讨论了双频GPS数据的最优相位平滑伪距算法．由该算法平滑得到的观测量与原始观测数据包含的信息量相同,即最优相位平滑伪距算法与非组合算法等价．理论研究结果表明该方法能够更有效地削弱多路径的影响,从而得到精度更高的定位结果。     

基于多速率运动模型的多帧最近邻数据关联算法

为了提高标准最近邻数据关联算法的关联效果,提出了基于多速率运动模型的多帧最近邻数据关联算法．改正了Hong提出的多速率运动模型中关于过程噪声的一处错误,然后把该模型应用于最近邻数据关联算法,并推广到多帧情况．新算法使用序列关联量测更新目标状态,有效降低了最近邻算法中误关联对跟踪效果的影响．仿真结果表明,该算法在减少计算量的同时大大减少了跟踪丢失率。     

基于Voronoi图的磁共振PROPELLER数据网格化算法

PROPELLER数据采集成像算法是磁共振成像中的一项新技术,由于其数据的网格化直接影响该成像算法的效果,因此提出一种基于Voronoi图的网格化算法．该算法对采样数据集进行网格分组查找,快速消除位置相同点;加入边缘闭包后进行Voronoi网格化,计算Voronoi网格面积并将其作为网格化的密度补偿权函数,提出基于网格分组的快速网格化算法并成像．实验表明,该算法运行速度快,成像清晰,图像对比度和细节较好,信噪比得到有效提高．     

一个机群环境下抗数据偏斜的JOIN算法

提出了一种计算机机群环境下JOIN算法，防止数据偏斜对机群执行效率的影响．给出了数据分布树的形式化定义，构造了基于数据分布树的数据均衡分布机制、抗数据偏斜的JOIN算法．分析和实验表明，该算法适合于海量数据查询并能有效地解决机群并行环境下数据偏斜所造成的查询性能低下的问题．     

一种并行实时数据库动态平衡算法

在探讨并行系统环境中影响实时事务执行时间3个因素：工作负载、数据的获取以及事务调度等的基础上。利用启发策略并采用新的数据迁徙及事务迁徙技术，提出了一种并行实时数据库动态平衡算法．在PRTS系统上实现了该算法，从加速比和实时事务执行成功率两个参数上论证了该算法的可行性和优越性．     

基于累计时延统计的传感器网络数据同步算法

传感器网络数据同步是数据融合算法正确运行的前提,具体指网内各节点汇报的数据基于同一时间基准,其采集时间、先后顺序等与真实情况一致．然而由于节点晶振的频率偏差和不同的初始计时时刻,网内节点的本地时钟不同步,这使得根据本地时钟标记的数据不能保持同步．提出了一种基于累计时延统计的数据同步算法,通过在数据包头附加一个时延字段,沿途节点根据该数据包的停留时间更新该字段,数据到达远方站点时即包含了数据的总时延,接收站根据当前时刻和累积时延计算数据的采集时间,最终达到数据同步．分析表明该算法可达到HIS级同步精度,适合于中低精度应用．相比于常规同步算法,其通信开销几乎为零．     

利用投影数据重排进行锥形束体积重建的改进算法

针对锥顶轨迹为单圆的锥形束体积重建问题,提出了一种基于平板检测器的T-FDK算法．不同于传统的FDK算法,该算法首先将锥形束投影数据重排为倾斜平行投影数据,然后再经过加权滤波和反投影重建,最后重建出待测物体的三维结构．数据仿真实验结果表明,该算法在保持与传统FDK算法有相同的计算复杂度的同时,重建图像的质量有了明显的提高,可以确保在较大的锥角范围内获得满意的重建图像．因而该算法在医学成像和无损探伤等领域具有重要的实用价值．     

CNC系统中摆线数据采样插补方法

本文给出了摆线数据采样插补公式、终点判据和流程图，详细分析了该算法的各种误差对加工精度的影响．表明该算法的轨迹误差小于１μｍ，进给步长误差小于０２５μｍ／８ｍｓ．运用该算法编制的插补程序，在３３ＭＨｚ８０３８６ＣＰＵ（带８０３８７协处理器）下运行，每次插补占用机时小于１．５ｍｓ．完全满足高精度和实时性的要求．     

大学生心理问题数据挖掘系统的设计与实现

设计了一种大学生心理问题数据挖掘系统．该系统采用ID3算法构建决策树进行分类挖掘,采用Apriori算法进行关联规则挖掘．以我校05级学生心理问题数据为对象,进行数据挖掘．发现了影响心理问题的主要因素及相互间的关系,使我校的心理健康教育工作更具针对性和目的性．     

事务模式树分层挖掘算法及其应用

从事务数据、时间序列数据等数据库中挖掘频繁模式已在数据挖掘领域中得到了广泛地研究．针对目前已有的Apriori算法和频繁模式增长算法在时间和空间等方面的复杂性和低效性，提出了一种新的数据结构——事务模式树，用来存放待挖掘的事务信息，同时给出一种基于该数据结构的挖掘算法——事务模式树分层挖掘算法．最后，把该算法应用于保险业务．结果表明,该算法简单高效，值得推广.     

基于SVM的个人房贷信用评估数据分析

采用SVM的序列最小最优化算法（SMO）作为训练算法对商业银行个人房贷信用评估数据进行分析,着重探讨了在个人房贷信用评估中分别应用径向基核函数参数和SMO训练算法中的参数调整对准确度的影响;通过银行实际数据集将该算法与C4．5和神经网络进行了比较,支持向量机对个人信用评估的总精度高于其他两种算法;支持向量机对实际的住房抵押贷款数据进行信用评估效果较好,且参数调整对试验结果有影响。     

基于优胜劣汰理念的多站定位系统定位算法研究

多站定位系统中,测距定位是一种常用手段,但是由于各种确定的和偶发的因素影响,使得测距数据产生误差,影响定位精度．本文提出了一种基于优胜劣汰理念的定位算法,结合最小二乘法准则,通过循环迭代,剔除明显异常的测距数据后,再对目标点进行定位．仿真实验表明,该方法可有效地提高定位精度．     

网络遥操作非线性离散系统的预估计算法

提出一种具有自适应功能的预估计算法来降低时延和丢包对网络遥操作系统性能的影响,本算法利用采样时间、时延时间和数据通过网络传输后变化的规律建立,分析并给出了这种非线性离散系统的稳定性条件．通过仿真实验,验证了该方法能有效地降低时变时延和丢包的影响,也减少了此类问题对系统数据的影响,同时提高了系统的透明度．     

基于熵和信息粒度的粗糙集聚类算法

针对多数聚类算法只能单独处理数值特征数据或类属特征数据，而不能分析具有两种混合属性数据的问题，基于熵和信息粒度提出了粗糙集理论框架下不同粒度划分上的聚类算法．该算法利用相似关系，通过计算每个数据点的熵并选取具有最小熵值的数据点作为聚类中心，将与该聚类中心相似度大于阈值卢的所有数据点聚集形成数字颗粒结构．在整个聚类过程中无需调整每个数据点的熵值，缩短了计算时间，同时利用粗糙集的不可分辨关系形成字符颗粒结构，通过不断调整、合并这两种颗粒结构，实现了具有混合属性特征数据的聚类分析．实验结果比较表明，该算法是有效、可行的，当卢取值为0．8时，算法的聚类有效性最大值可达0．96，该值较同条件下的其他聚类算法要高。     

多数据源数据等概率分档统计插入排序算法

针对待排数据来源的多样性,提出了多数据源数据等概率分档统计插入排序算法．该算法将现代统计学的新结论、新方法应用于传统的排序算法．新的排序算法达到了时间复杂度的下界O(n),且具有更广的应用范围．实验表明,当数据量较大时(n＞1000),此算法优于其他同类算法．     

CAD参数设计的极大似然推断

借用处理残缺数据的极大似然推断EM算法来处理参数推断问题．算法为参数推断提供了一个简单统一的模式，可用于同时推断一组参数，并且适用于小样本的情况．发动机CAD参数推断的一个工程实例表明，该算法对诸多因素影响下的参数推断有较好效果．     

基于自动聚类算法（AutoClass）的恒星／星系分类

自动聚类算法（AutoClass）是一种非监督的能对复杂数据进行精确的自动聚类的有效分类方法,可以事先设定好类别数目让AutoClass自动寻找,在寻找结束后,能够得到每一条数据分别属于每一类别的几率,这样可以根据专业知识,选出比较好的分类效果．描述了使用AutoClass对SDSSDR6的恒星／星系测光数据进行分类,将868974条测光数据进行处理,通过去离群数据和自动聚类的方法,将最终的812613条数据分成两类,其中星系和恒星的数据分别是680361和126988条．对于去掉离群后的数据,星系和恒星的分类正确率分别达到99．51％和98．52％,表明AutoClass算法对去掉离群数据后的恒星／星系数据分类有很好的效率．因此,可以将该算法应用于天文中的其他分类问题,另外基于该算法的非监督性,可以帮助天文学家去掉离群数据或发现一些特殊天体．     

基于多Agent系统的数据融合算法评估平台框架

研究了数据融合算法评估平台应具有的特点，给出了一种基于多agent系统数据融合算法的评估平台框架，讨论了框架中agent的结构和agent间的通信机制．利用该框架原型实现了单个融合算法和多融合算法组合的评估．