The neighbor list algorithm for a parallelepiped box in molecular dynamics simulations

In classic molecular dynamics (MD) simulations, the conventional Verlet table, cell linked list and many other techniques have been adopted to increase the computational efficiency. However, these methods are only applicable in cubic systems. In this work, the above techniques along with the metric-tensor method are extended to handle NP ensembles, so that MD simulations can be carried out under the most general loading conditions. In order to do so, a particular spatial Cartesian reference frame is proposed to determine the scaling matrix. Also, a combination method, taking the advantages of the improved Verlet table and cell linked list, is established to identify the neighbor atoms very quickly in a parallelepiped box. An example using Lennard-Jones potential is presented to verify the validity of the proposed algorithm. Supported by the National Natural Science Foundation of China (Grant No. 10472028) and Excellent Youth Foundation of Heilongjiang Province     

多元时间序列模式异常研究

为了提高多元时间序列模式异常检测算法的有效性和合理性,在k-近邻局部异常检测算法的基础上,结合基于主元分析的多元时间序列的降维方法,对多元时间序列模式异常进行检测.实验结果验证了该算法对多元时间序列模式异常检测的准确性和有效性.     

元音识别的几种分类模型的比较与分析

根据元音数据处理方法和选取的特征,提出了三种基于统计学的模式分类方法：线性判别、二次判别和七一最近邻,并通过模型选择方法,对实际数据进行测试与比较,得出尼．最近邻分类模式最为合适,同时提出进一步改进的思路。     

选择性丢弃攻击检测方案

在无线传感器网络中,针对被俘获的恶意节点发动的丢弃合法数据包的攻击行为,提出了选择性丢弃攻击检测方案.该方案使用邻居检测点监听转发节点是否转发了数据包,防止数据包被恶意的丢弃.检测点在发现转发节点恶意丢包行为时,会执行转发数据包的任务,同时生成警报信息给BS节点.BS节点收到一定数量的警报信息,采取相应的措施隔离恶意节点.仿真结果表明,该方案能够很好的抵御恶意节点的丢包行为.     

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.     

基于卡尔曼滤波的多特征加权最近邻数据关联与跟踪算法

针对传统最近邻数据关联算法正确率较低且容易出现漏关联的问题,提出一种多特征加权的最近邻关联算法。根据智能车环境感知系统获得的障碍物特征数据,定义了一种相似度函数,提出基于生命周期计算有效关联度的方法,从而判定目标是否关联;基于卡尔曼滤波对关联目标进行迭代更新,实现对目标的跟踪;通过实验对比了静止目标、无交互的低速运动目标和有交互的低速运动目标的跟踪轨迹。结果表明,与传统的最近邻数据关联算法相比,所提出的改进算法可以实现对低速运动目标准确连续的关联跟踪,不会出现目标丢失或位置突变的现象,且跟踪目标的交互与遮挡对跟踪效果影响较小,具有较高的有效性与实用性。研究结果可为智能车辆的目标跟踪设计提供参考。     

一类稀疏图的邻和可区别边色数

设φ为图G的正常k-边染色。 对任意v∈V(G),令f_φ(v)=∑_uv∈E(G)φ(uv)。 若对每条边uv∈E(G)都有f_φ(u)≠f_φ(v),则称φ为图G的k-邻和可区别边染色。 图G存在k-邻和可区别边染色的k的最小值称为G的邻和可区别边色数,记作 χ'Σ(G)。 确定了一类稀疏图的邻和可区别边色数,得到:若图G不含孤立边,Δ≥6且mad(G)≤5/2,则 χ'Σ(G)=Δ当且仅当G不含相邻最大度点。     

统计流形上基于核近邻算法的文本分类研究

为了更加高效地对文本数据进行描述,提出将文本向量表示为统计流形上的点,并用核方法将文本的生成模型和判别模型结合起来.用DCM统计流形上扩散核来表示文本空间上的距离度量,提出DCM流形上的核近邻算法用于文本分类.实验结果表明,在两个实验语料库上基于DCM流形的核近邻算法的准确率和召回率优于对比算法或与对比算法相当.     

实用高效的垃圾邮件过滤算法

为了提高电子邮件中垃圾邮件的过滤准确率和效率,以朴素贝叶斯算法和K最近邻(KNN：K-Nearest Neighbors)算法为基础,对传统垃圾邮件过滤算法进行改进,给出邮件的合法属性和非法属性的概念,并提出一种新的分类算法--基于邮件合法属性和非法属性的分类算法（SEASF：Simple and Efficient Algorithm to Spam Filter based on legitimate attribute and nonlicet attribute)。SEASF计算复杂度较低,可适用于大规模场合及邮件的在线过滤。将SEASF算法应用于垃圾邮件过滤的结果表明,该算法可大幅度提高分类精度,分类速度也令人满意。     

一种新的基于区域生长的彩色图像分割算法

为克服一般区域生长算法对初始种子点选择以及生长顺序鲁棒性较差的问题,提出了一种鲁棒于生长顺序的彩色图像区域生长算法.首先计算所有像素点的局部颜色直方图以及领域相似性指标(neighbor similarity factor,NSF);其次通过NSF值建立种子的选取准则、种子的生长准则以及生长的终止准则,对图像进行初分割;最后对未分类点进行重新分类得到最终分割结果。通过与JSEG算法比较发现,该算法在运算时间以及分割准确性具有明显优势。