基于PLA的多数据流自适应分段算法

提出了一种基于点对线性近似的多数据流自适应分段算法,即快速点对线性近似的时序流(QPLAS)算法,它能够实时地对多数据流进行分段.采用一次扫描和滑动窗口工作机制,其主要思想是增量计算方法,能够在O(1)的时间复杂度内连续计算每个段的近似错误.为了同时处理多个数据流分段,将所有数据流当前未完成的段索引到一个B+树索引当中.这样,QPLAS仅占用少量内存即可高效处理多个数据流的分段.实验结果表明QPLAS比传统方法快1～2个数量级.     

面向高速网络的数据流处理模型研究

高速网络中实时大容量数据流处理的需求，显现出传统基于静态数据集的数据库管理系统的不足．本文从数据流的特性出发，分析了数据流处理的设计要求，给出数据流处理模型和方法。     

数据流挖掘研究

数据流挖掘技术是数据挖掘领域的新研究方向之一。本文介绍了数据流基本特点以及数据流模型的基础上,对流行的数据流处理技术和现有数据流挖掘算法进行了总结,并进一步提出了数据流挖掘技术的研究方向和前景。     

面向遥感产品生产的可视化数据流模型

为了方便快捷地开发出新的遥感产品生产或遥感图像处理算法,尝试利用现有的一些遥感生产处理算法,以"搭积木"的形式,组合成新的算法.由于算法间存在依赖关系,这样就会形成算法的调用次序,也就是遥感产品生产流程.面向遥感生产的可视化数据流模型,就是对这种生产流程的一种抽象和概括.该模型可以体现出算法之间的次序关系,还能体现出算法被调用的次数和被加工数据的信息.同时利用该模型也可以方便描述生产流程的变更和算法的并发执行.     

基于数据流的频繁项集数据挖掘算法研究

以Apriori算法为例介绍并分析了挖掘最大频繁项集的过程。针对数据流的特点,对数据流中频繁模式挖掘问题进行了研究,提出了一种基于数据流频繁项集挖掘的新的EC算法。     

数据流挖掘技术

简要概述了数据流挖掘技术,探讨了数据流的特点.数据流的概念漂移现象,给数据流上的数据挖掘带来很大困难.由于计算机的内存有限,数据窗口技术只针对最近的数据,而最近的数据常常导致数据挖掘系统中的分类器过配,文中介绍了解决这一问题的方法,并讨论了数据流挖掘技术的应用.     

多媒体数据流描述模型及同步化的实现

通过对视频、音频、文本及静止图像等多媒体数据流序列结构化描述模型的建立,实现以此为基础的多媒体数据流分类、分割及同步描述等功能。为确定多媒体数据流的每个对象在时间和空间上的位置问题,提供了描述、传输、存储的结构化同步描述方法。     

基于共享最近邻密度的演化数据流聚类算法

现有的基于密度的数据流聚类算法难于发现密度不同的簇,难于区分由若干数据对象桥接的簇和离群点.本文提出了一种基于共享最近邻密度的演化数据流聚类算法.在此算法中,基于共享最近邻图定义了共享最近邻密度,结合数据对象被类似的最近邻对象包围的程度和被其周围对象需要的程度这两个环境因素,使聚类结果不受密度变化的影响.定义了数据对象的平均距离和簇密度,以识别离群点和簇间的桥接.设计了滑动窗口模型下数据流更新算法,维护共享最近邻图中簇的更新.理论分析和实验结果验证了算法的聚类效果和聚类质量.     

基于数据流的频繁集挖掘

针对数据流特殊的数据类型,提出了一种新的数据流挖掘算法.该算法引入了一个全新的优化方法,将边界集和频繁产生集结合起来.频繁产生集是频繁集的一种无损简缩表达方式.它所包含的模式数量比频繁集所包含的模式数量小若干数量级.边界集是频繁产生模式和其他模式之间的边界,通过观察边界集的变化可以生成新的频繁产生模式.实验结果表明,该算法的性能有明显的提高.     

基于事务型滑动窗口的数据流中高效用项集挖掘算法

由于能反映用户的偏好,可以弥补传统频繁项集挖掘仅由支持度来衡量项集重要性的不足,高效用项集正在成为当前数据挖掘研究的热点.为使高效用项集挖掘更好地适应数据流环境,提出了一种基于事务型滑动窗口的数据流中高效用项集挖掘算法MHUIDS.首先在二进制向量的基础上,提出了高事务加权效用项集树(HTWUI-树)的结构.进而分别给出了事务型滑动窗口初始化与滑动的算法描述.最后,提出了高效用项集的剪枝策略与挖掘算法.实验结果表明,MHUIDS算法具有较高的挖掘效率及较低的存储开销.     

基于数据流频繁模式挖掘的入侵检测模型

计算机网络入侵通常具有高频度特性,因此,识别是否正常访问,对数据流中重复元素的挖掘,给出频度指标,是一种重要的依据.提出一种基于数据流频繁模式的改进型AFP算法,该算法采用滑动窗口树技术,单遍扫描数据流及时捕获网络上的最新模式信息,并将该算法应用在入侵检测模型中正常数据和异常数据的在线挖掘.解决了有限存储和无限数据流的矛盾.实验结果表明,该模型有较高的报警率和较低的误报率.     

数据流滑动窗口方式下的自适应集成分类算法

针对基于数据块的集成算法,存在数据块大小影响分类效果,且不能及时应对完整式概念漂移的问题,提出了一种考虑数据流局部特征的和能应对多种类型概念漂移的集成分类算法.用滑动窗口作为概念漂移检测器,当检测到概念漂移时,则建立新的分类器并加入到集成分类器中.本文提出的算法在人工合成和真实数据集上与经典算法进行了广泛的对比实验.结果表明:提出的算法在分类准确率上具有明显优势,消耗更少的内存,更适合多种类型概念漂移的环境.     

数据流挖掘技术研究

随着数据流系统、传感网络和移动设备的广泛传播,数据流中的数据分析与挖掘技术应运而生。对数据流挖掘算法进行分析和总结,指出数据流分析与挖掘技术存在的缺陷及进一步的研究方向。     

Clumps and streams in the local dark matter distribution

In cold dark matter cosmological models, structures form and grow through the merging of smaller units. Numerical simulations have shown that such merging is incomplete; the inner cores of haloes survive and orbit as 'subhaloes' within their hosts. Here we report a simulation that resolves such substructure even in the very inner regions of the Galactic halo. We find hundreds of very concentrated dark matter clumps surviving near the solar circle, as well as numerous cold streams. The simulation also reveals the fractal nature of dark matter clustering: isolated haloes and subhaloes contain the same relative amount of substructure and both have cusped inner density profiles. The inner mass and phase-space densities of subhaloes match those of recently discovered faint, dark-matter-dominated dwarf satellite galaxies, and the overall amount of substructure can explain the anomalous flux ratios seen in strong gravitational lenses. Subhaloes boost gamma-ray production from dark matter annihilation by factors of 4 to 15 relative to smooth galactic models. Local cosmic ray production is also enhanced, typically by a factor of 1.4 but by a factor of more than 10 in one per cent of locations lying sufficiently close to a large subhalo. (These estimates assume that the gravitational effects of baryons on dark matter substructure are small.).     

壁挂式即时自动跟踪高效太阳能热水器

太阳能热水器对天气的依赖程度较高。在有限的日照时间内,为了提高太阳能的利用率,同时增加太阳能热水器的智能化,结合电子控制系统和机械传动机构,将现行的固定式集热面板设计成可随太阳移动而转动的形式。从而使太阳光始终直射集热器,最大程度利用太阳辐射能。其次,利用附加的太阳能电池板组日常蓄积的电能维持系统运转,无需使用外加电源,减少了常规能源的消耗。设计主要利用太阳能集热板随太阳高度角的改变而改变俯仰角,以此增大太阳光利用率。同时附加太阳能电池板,提供系统运行所需的电能,无需外加电源,节能环保。配以时钟控制、水位监测、风速报警、应急供电系统,实现了太阳能利用率的大幅提升。     

A Granularity-Aware Parallel Aggregation Method for Data Streams

0 IntroductionDtartaaf fsitcr ecaonmtsroiln , mwaenayth aeprpfloicraectiaosnts e ,tcs u,ccho maes fwroebm sdeirsvtircieb-,uted data sources at different geographiclocations .Distributedprocessing is the inevitable development trend for managingdata streams . Shared-nothing clusters can scale up to thou-sands of computers ,increase the available main memory,pro-cessors ,diskspace and bandwidthalongthe way,andtherebyprovide potential for high throughput and lowlatencies . Yetto date(As yet) ,th…     

传感器网络数据流异常数据检测与修正

提出一种通用于传感器网络应用的数据流异常时空综合检测与修正的方法,将基于小波的时域滤噪方法与基于BP神经网络的空域数据融合相结合,并在此基础上提出了基于小波尺度的异常检测与修正方法,通过时间阈值确定数据融合所采用的时间窗口．利用小波变换的时分和频分特性,将异常检测与修正和异常数据持续时间相联系,通过多传感器数据融合的结果对传感器网络异常数据进行修正,从而剔除传感器网络中的异常数据。     

多层次RFID数据流上复杂事件检测

针对多粒度RFID数据流复杂事件检测存在的问题,研究多粒度RFID数据流(如物品级、箱子级、托盘级)上复杂事件检测问题.提出了不同层次目标间关系的编码方案,并在此编码基础上提出了相应的复杂事件检测算法.使用编码方法表示不同层次RFID对象的关系及状态变化.首先给出了事件模型和动机实例;然后详细阐述了编码方法和复杂事件检测算法.实验结果表明提出的方法是可行和有效的.     

传感器数据流上模糊预测系统的研究

为了利用基站(Sink)上现有的数据来及时地响应用户的查询,采用数据流上的金字塔时间模型来维护传感器数据流上不同时刻的聚集值,并利用这些聚集值生成模糊预测系统,通过该预测系统做出的预测来近似及时地响应用户的查询,在Sink上采用预测的方法,传感器新感知的数据可以不必立即向Sink传输,可以节省传感器网络结点的能量。     

曲线模型的自适应跟踪算法

针对机动目标跟踪问题,提出了一种基于曲线模型的自适应跟踪算法.算法中设计了一种角速度估计方法,即通过采用内嵌交互多模型方法针对目标的角度进行实时滤波,获得目标的角速度和角加速度,从而自适应调整与目标转弯相关的法向加速度和切向加速度.算法简化了计算复杂度,扩大了适用范围.仿真试验证明了该算法的有效性.