基于用户轮廓的可扩展Web流量模拟方法

针对M IT L inco ln L ab数据集评测方法中背景超文本传输协议(hypertex t transfer protoco l,HTTP)流量在用户建模和流量模拟时会造成偏差,提出了一种基于用户轮廓的W eb流量模拟方法。该方法在应用层进行数据采集并对用户行为特征进行建模生成用户轮廓知识库,模拟时可根据不同网络环境特征扩展生成虚拟用户轮廓。实验分析表明,该方法能同时兼顾流量模拟的扩展性和真实性,生成的数据集流量特征与实际网络相吻合,用于入侵检测系统评测时能有效降低误报率指标。     

基于GIS室内定位和导航的电子地图设计与应用

设计室内大型场馆的定位导航电子地图是为了改变传统室外定位导航模式,方便快捷地为地图使用者提供定位和导航路径信息。引入了室内GIS矢量电子地图模型的概念和设计方法,结合网格采集图层、地理数据库、网络数据集等技术,实现了在大型场馆的定位导航功能,对同类室内定位和导航电子地图的设计与实现具有一定参考价值。     

基于加权熵的重要性不对等样本学习的知识约简

由于学习样本的分布特性和所反映的主观特性的不同,每一个样本相对于学习算法的重要性程度往往是不对等的,为了能够在知识约简过程中考虑到学习样本的不对等性,提出了基于加权熵的知识约简方法。针对各类别样本分布不均匀的样本重要性不对等情况,为了加强小类样本所蕴含的知识在知识约简中的体现,提出一种逆类概率加权的不对等样本加权方法,实验表明该方法能够明显提高小类样本的分类正确率,也验证了基于加权熵的知识约简方法能够将样本的不对等性体现在知识约简结果中。     

考虑驾驶员模糊感知的深度学习跟驰模型

为模拟驾驶人记忆效应以及模糊感知特性,设计了基于模糊感知时间窗的深度学习跟驰模型。提取highD数据集跟驰轨迹,以0.2 s最小时间间隔,连续3 s本车速度、前后车速度差、车头间距的时序数据作为模型输入,模拟驾驶记忆。训练深度学习跟驰模型,得出单层32个输出维度的门控循环单元(GRU)网络可以很好拟合实际数据。在每次输入模型的时序数据中,用模型预测值替换部分真实跟驰状态值,作为驾驶员对场景的估计,即模糊感知。实验得出对同一场景的不同模糊感知,可产生不同跟驰行为,模拟了驾驶行为的异质性,可为异质交通行为仿真提供方法。     

检务文书检索数据集的构建

智慧检务是进一步发展检察信息化的重要步骤,它的实施和普及能更好地提升检察院工作质量和工作效率。实际上,检察官在办公流程中往往会处理大量的检察院法律文书,若不能有效地组织和利用这些文书中的信息,会降低其工作效率,信息检索技术恰好可以解决这一问题。在法律领域,中文信息检索数据集的缺失在一定程度上制约了法律信息检索的发展。在这一背景下,针对检察院法律文书的特点,提出了一种构建检察院法律文书检索数据集的方法,并构建了一个可用于法律领域信息检索研究的小型中文数据集。通过实验分析,验证了该数据集在不同检索模型上的性能。     

基于差分演化的自适应集成学习算法在不均衡数据分类中的应用

不均衡数据问题在我们日常生活中随处可见,例如疾病诊断,矿藏资源识别等等.对于不均衡数据的分类而言,目前基于集成学习的不均衡数据分类技术较为成熟,但现有方法都将不均衡数据作为一个整体考虑,而不区别对待不同类型的不均衡数据.事实上,不均衡数据因其不均衡比、数据维度和类别数的不同,所具有的数据分布也不同,使用统一的模型处理所有不均衡数据难以在所有数据集中都获得好的效果.基于此,本文提出了一种基于差分演化算法的自适应集成学习算法(adaptive multiple classifier system based on differential evolution algorithm,DE-AMCS),使得针对不同的不均衡数据,系统能够选择最优的集成学习模型来完成分类任务.本文选择了KEEL数据集中的10个数据集进行测试,测试结果与5个现有的集成分类算法进行了对比,实验表明DEAMCS相比于对比算法,分类精度上有明显的提升.最后,本文将DE-AMCS应用到江汉油田某区五口井的石油储层含油性的识别中,在每口井的含油性识别中,精度均达到了100%.     

一种大数据量实时交互地形模型算法的研究

介绍了一种基于任意网格数DEM建立大数据量实时交互地形场景建模算法。该算法基于等腰直角三角形网，采用视觉参数相关LOD控制，自适应选择对应的地形LOD，利用基于局部误差计算的全局误差控制方法，控制地形曲面的变化，并结合良好的交互方式实现了大数据量地形场景连续LOD的绘制。     

A Dynamic Model Selection Procedure to Forecast Using Multi-Process Models

Multi-process models are particularly useful when observations appear extreme relative to their forecasts, because they allow for explanations of any behaviour of a time series, considering more generating sources simultaneously. In this paper, the multi-process approach is extended by developing a dynamic procedure to assess the weights of the various sources, alias the prior probabilities of the rival models, that compete in the collection to make forecasts. The new criterion helps the forecasting system to learn about the most plausible scenarios for the time series, considering all the combinations of consecutive models to be a function of the magnitude of the one-step-ahead forecast error. Throughout the paper, the different treatments of outliers and structural changes are highlighted using the concepts of robustness and sensitivity. Finally, the dynamic selection procedure is tested on the CP6 dataset, showing an effective improvement in the overall predictive ability of multi-process models whenever anomalous observations occur. © 1997 John Wiley & Sons, Ltd.     

联机分析处理前台工具设计技术的研究

联机分析处理是数据分析与多维显示的重要工具,在数据分析和决策支持中,起着日趋重要的作用。针对现有的多维数据集浏览器不足之处,提出了一种新的多维数据集浏览界面设计方法,实现了界面的整体设计。该设计方式充分利用了有限的界面空间,为用户观察分析数据带来极大的方便。     

2v-SSPC-一种不平衡数据分类方法

针对现有分类算法通常对不平衡数据挖掘表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,提出一种不平衡数据分类方法。该方法通过一个超球面将两类数据以最大分离比率分离,并且引入两个参数来分别控制两类错分率的上界,不仅提高了不平衡数据集的分类和预测的性能,而且大大缩小了参数的选择范围。在UCI真实数据上进行了实验,并采用ROC曲线下面积作为评估指标进行比较,结果验证了该方法的有效性。