分布式数据库同步更新的实现方法

把分支机构的数据库作为出版者和分发者,把上级中心的数据库作为订阅者,首先在分发者数据库中对表建立快照代理、日志阅读代理、分发代理．和存储过程的复制事物,并在数据库中记录同步状态信息,然后分发者连接出版者,阅读出版物的事务日志,搜索出带有复制标志的INSERT、UPDATE、DELETE语句和其他更新事务提交给订阅者．当分支机构数据发生更新,日志读取代理即时将更新信息推到上级单位中心的数据库中,实现分发者和订阅者数据库数据两者数据的一致性,从而实现分布式数据库数据的同步更新。     

基于提升小波和递归增量聚类的实时故障诊断方法

针对复杂时变工业过程实时故障诊断问题,提出了一种基于提升小波( lifting wavelet, LW) 与递归增量聚类（recursive incremental clustering, RICLUSTER）相结合的实时故障诊断方法（lifting wavelet recursive incremental clustering, LW-RICLUSTER）。该方法首先通过LW变换对数据实时去噪,再通过RICLUSTER实时监控。由于采用LW与RICLUSTER相结合的方法,节省存储空间和运算时间的同时提高了诊断精度。实验结果表明,LW RICLUSTER集合方法能有效实现时变过程监控, 在诊断精度、速度和适应性方面,优于传统单一型CLUSTER方法。     

大秦线牵引供电系统高阻接地问题探讨

以大秦线扩能改造前后发生的高阻接地故障为例,从介绍电流增量保护原理入手,分析了牵引供电系统高阻接地问题,探讨了电流增量保护的意义。     

基于Learn++的软测量建模新方法

针对现有软测量建模方法中存在的不足,将修改后的适用于回归问题的Learn++算法应用到软测量建模中.Learn++算法不但保留了常用集成算法能够提高单一学习机性能的特点,还能够克服现有软测量学习方法中容易遗忘已学信息和由于重复使用原始训练数据造成时间和资源浪费的缺点,并具有增量学习能力.在建模过程中根据ELM学习速度快、简单易行、泛化能力强等特点将其选择为基本弱学习机.将基于Learn++的方法应用到LF炉钢水温度软测量建模中,实验结果表明该软测量模型具有较高的精度,可以满足实际生产的需要.     

New incremental clustering framework based on induction as inverted deduction

A new incremental clustering framework is presented, the basis of which is the induction as inverted deduction. Induction is inherently risky because it is not truth-preserving. If the clustering is considered as an induction process, the key to build a valid clustering is to minimize the risk of clustering. From the viewpoint of modal logic, the clustering can be described as Kripke frames and Kripke models which are reflexive and symmetric. Based on the theory of modal logic, its properties can be described by system B in syntax. Thus, the risk of clustering can be calculated by the deduction relation of system B and proximity induction theorem described. Since the new proposed framework imposes no additional restrictive conditions of clustering algorithm, it is therefore a universal framework. An incremental clustering algorithm can be easily constructed by this framework from any given nonincremental clustering algorithm. The experiments show that the lower the a priori risk is, the more effective this framework is. It can be demonstrated that this framework is generally valid.     

一种新的贝叶斯网络增量学习方法

现有的贝叶斯网络增量学习方法忽略结构与参数变化的特点和内在联系,往往会降低更新后贝叶斯网络的可靠性.针对这一情况,提出了贝叶斯网络结构与参数变化并不同步,参数变化到一定程度将引起结构变化,并基于这种不同步性,给出了一种是否进行结构更新的判别方法,以及结构与参数更新的实现算法,实验结果显示,这种增量学习方法更加合理和可行.     

粘弹性动态增量反演分析在隧道施工中的应用

对深圳莲盐高速公路隧道围岩中的凝灰熔岩进行了流变试验,得到了围岩的流变模型;结合隧道的施工过程,根据围岩的收敛变形和拱顶下沉,采用改进的自适应遗传算法对粘弹性位移进行优化反分析,并利用反演得到的围岩参数,如弹性模量、粘滞系数等对变形进行预测.研究表明,利用试验得到的围岩流变模型,结合隧道施工过程的动态增量反演分析,可以较好地模拟围岩的实际性态,对指导施工具有重要意义.     

辅助控制点下快鸟影像定位求解及其精度分析

结合上海地区城市快鸟(QuickBird)高分辨率卫星影像,简述高分辨率影像定位中的通用传感器模型,有理多项式系数模型(RPC).通过在影像上选取均匀分布的50个地面控制点,运用正则化最小二乘迭代法计算得出RPC.然后分2种情况对求解出的PRC改正,即当同时具有原始地面控制点(GCP)和辅助GCP时,应用正则化批处理最小二乘迭代法(BILSR)来改正RPC系数,而当只有辅助GCP时,则使用增量离散卡尔曼滤波方法(IDKF)来改正RPC精度.最后利用40个检测点,设计多种方案的实验并进行分析,以此为基础对BILSR和IDKF法的可行性进行了对比分析,认为辅助控制点的选择应侧重其本身更高的精度而不是单纯从数量上考虑,此外得出城市高分辨率卫星影像几何处理的一些结论.     

基于中间件技术的数据挖掘企业应用平台的研究与实现

数据挖掘具有计算密集型和存储密集型的特点,中间件技术能够较好的解决这两个问题.研究并实现了典型的分类、聚类、关联规则算法及其增量算法的中间件和数据挖掘企业应用平台,能够处理100 Mbit量级的数据,适应的数据增量在10～100 Mbit量级,并且能够根据不同的挖掘任务实现相应的模式展现与可视化.平台上对某网球训练基地运动员体能训练数据集执行增量聚类挖掘任务,结果表明该平台能较好地满足可靠性、扩展性、易用性等业务需要.     

柔性作业车间的任务分配及优化方法

针对柔性作业车间中存在的多工艺路线和多加工路径的生产条件,以整个任务的加工时间最小化为目标,提出了有限缓冲条件下的任务分配模型.基于Wardrop用户平衡原理,利用增量分配法求解该模型,进而求解各路径和各加工单元的任务分配量,以及任务的最小化加工时间.通过一个加工单元具有非线性加工时间和多工艺路线的实例证明了该模型和方法的有效性.该模型和算法,可以将任务分解到各加工路径上,并且能够确定各资源加工的时间窗.