利用三元组稀疏矩阵技术改进HASM算法——以全球平均气温模拟为例

 采用预处理共轭梯度法(PCG)进行求解的高精度曲面建模(HASM)算法的计算过程需要大量矩阵计算,采用稀疏矩阵方式可以压缩存储空间。三元组稀疏矩阵存储是较为传统的稀疏矩阵存储结构,这种存储结构的稀疏矩阵技术已被广泛使用。根据HASM-PCG的特点,本文通过改进三元组稀疏矩阵的部分计算方式,调整HASM-PCG算法中的部分计算顺序,从而舍弃部分不需要存储的非零元素,提高了计算效率。根据全球1998-2008年的近3000个气象观测台站的气温观测数据,以及全球DEM数据,对20世纪末至21世纪初的11年来5、6、7、8月份的全球平均气温进行数字模拟。数值结果表明,采用改进的三元组稀疏矩阵技术有效地提高了HASM方法的模拟效率。     

GPU加速的改进PAM聚类算法研究与应用

空间聚类是空间数据挖掘的重要方法,而K-Medoids是一种常用的空间聚类算法。K-Medoids聚类算法存在初始点选择问题,而且计算复杂。为了提高算法的有效性和时间效率,本文结合模拟退火算法思想,改进了传统的K-Medoids算法PAM,提出一种基于GPU计算的并行模拟退火PAM算法。类比矩阵乘法运算,定义了一种新的矩阵计算方法,可以有效减少数据在GPU全局内存和共享内存之间的传输,提高了算法在GPU中的执行效率。利用模拟退火算法搜索聚类中心点,保证了聚类结果的全局最优性。基于不同的数据集,将串行和并行模拟退火PAM算法以及已有的遗传PAM算法进行比较,结果表明并行模拟退火PAM算法聚类结果正确,且时间效率高。最后,应用本文改进算法对贵州省安监系统的安全监管隐患数据进行聚类分析,发现了隐患聚集中心,相关结果对政府的决策具有一定的实际应用价值。     

改进关联规则算法在自然资源云中的应用研究

针对自然资源信息管理分散、网络安全防御能力弱,以及难以追踪溯源威胁攻击行为等问题,本研究在自然资源云中建立了一套安全防护体系,用以整合网络安全资源,强化网络安全态势感知能力,做到攻击敏捷预测、快速回溯。安全防护体系工作效能的提升,核心在于其安全组件检测引擎模块中关联规则算法的改进。首先,在数据采集阶段,通过预处理将威胁告警数据转换为可供机器处理的标准数据格式;其次,在矩阵计算阶段,使用Map Reduce分布式计算框架提升频繁项集的处理效率;最后,以Apriori算法为蓝本,通过单次扫描锁定频繁k项集范围、矩阵向量内积运算、减少冗余候选项集生成三项措施进行算法改进。实验仿真表明：在处理同样容量网络安全多源数据集合,并在相同维度的关联规则矩阵下,本算法处理效率较经典Apriori算法提升3倍以上;随着输入数据集合瞬时容量的逐渐扩增,本算法的时间复杂度稳定,并为增量挖掘算法的一半以下。研究成果可以实现自然资源部网络安全防护工作从传统的“被动挨打”转向“主动防御”的新局面。     

一种改进的Apriori挖掘算法

针对制约Apriori算法效率的瓶颈问题,提出了一种基于Apriori的改进算法,算法只需要遍历一次事务数据库,避免了Aprori算法多次扫描事务数据库和产生大量的候选项集,同时利用项集的有序性改进了判断连接的方式,优化了连接步骤,减少了判断时间.实验结果表明,改进的Apriori算法在运行效率上有一定的提高.     

动态回归模型在变形分析中的应用

为了使回归模型适应动态数据集,推导了动态回归模型的递推最小二乘算法,数据更新时,采用修正方式更新回归系数计算两个矩阵,避免了重复矩阵求逆运算,实现了观测数据增加而矩阵阶数不增加,理论上减少了计算时间。以柘溪和东江两大坝变形分析多元动态回归模型为例进行实验,结果表明：该方法建模过程简洁、无需迭代计算,易于编程实现,在计算效率与预报精度等方面均具优势,可应用于实时变形分析建模。     

一种公交换乘优化算法设计

目前,在智能交通系统应用中,公交查询亟待解决其算法效率和换乘两大问题。对此,本文首先在分析乘客出行因素和公交网络特性的基础上,提出了关键站点的公交网络通达矩阵,分析了直达矩阵的计算原理;其次,阐述了城市道路网络最短路径算法,引入直达矩阵和公交网络通达矩阵,设计了一种公交换乘优化算法。该算法的基本原理:利用公交网络通达矩阵来确定哪些临时标记节点是潜在的永久标记结点,并始终优先考虑直达节点作为最短路径上的节点,从而实现对经典最短路径算法--Dijkstra算法的改进;最后,通过一个案例对该算法进行验证。实验表明,该算法不仅能够获得优于Dijkstra算法的性能,而且换乘次数更加合理。该算法能够适用于一般公交网络,对于换乘代价较高的公交网络更有优势。     

基于MapReduce的网格化优化CURE算法的实现

针对CURE算法处理大量数据时聚类速度较慢的问题,一方面采用网格聚类方法对初始聚类对象进行网格预聚类处理,缩短初始化族聚类时间;另一方面采用MapReduce框架对算法进行并行性扩展,使其能够充分利用集群的计算和存储能力,从而加速海量数据的处理。以联合程序开发网站的数据集和MATLAB人工数据集作为测试数据集,对改进算法Grid-CURE进行实验分析。实验结果表明:方法可有效提升处理大数据的效率以及提升其抗噪声能力。     

基于拟牛顿法改进的3D正态分布变换点云配准算法

针对3D正态分布变换算法在大型场景点云数据配准时效率低的问题,提出一种基于拟牛顿法改进的3D正态分布变换算法。 3D正态分布变换算法主要通过牛顿迭代法进行两视点云最优转换参数求解,但是随着待配准点云数据量的增加,牛顿迭代法需要大量的时间计算Hessian矩阵,增加了算法整体的时间复杂度。本文算法通过拟牛顿法代替牛顿法求解Hessian,改善了3D正态分布变换算法针对大型场景点云数据配准需要大量时间去计算Hessian矩阵的问题。实验表明,本文算法针对大型点云数据不仅能够保持传统3D正态分布变换算法的配准精度,还能提高配准效率。     

一种基于半监督学习的入侵检测算法

针对无监督的入侵检测检测效率较低,而有监督入侵检测算法不能有效的检测异常攻击,提出一种半监督学习的入侵检测算法,新算法先用有标记数据进行初始聚类,然后利用初始聚类指导未标记数据聚类,最后使用K近邻算法对仍没有确定类别的未标示数据对异常进行检测,结果表明,改进后算法的效果优于无监督和有监督学习的入侵检测算法。     

多边形叠加Vatti算法的VCS优化方法与GPU并行化

Vatti算法是常用的矢量多边形裁剪算法之一,在其构建扫描束实现交点计算的过程中,二叉树的数据结构和递归计算方法导致其计算效率受矢量多边形边界顶点数量影响显著。本文针对Vatti算法执行过程中较为耗时的扫描束构建环节,提出了一种多边形边界顶点预排序的优化方法——VCS（Vertex Coordinate Pre-Sorting）方法,并基于该方法实现了对Vatti算法的GPU细粒度并行化。VCS方法使用双向链表对Vatti算法原有的二叉树数据结构进行了替换,以较小的额外存储空间取得了多边形边界顶点信息查找效率的明显提升。在GPU环境下采用双调排序算法对多边形边界顶点数组元素进行并行化排序并过滤出有效值,克服了原始算法使用二叉树存储导致效率低下的问题。实验结果表明,改进后的算法与原始算法相比,具有相同的计算精度;当多边形顶点数量为92万,CUDA每个线程块中的线程数量为32时,使用VCS优化方法,与采用CPU计算构建扫描束方法相比,GPU并行化方法获得了39.6倍的相对加速比,矢量多边形叠加分析算法效率总体上提升了4.9倍。     

地理信息关联规则挖掘算法的设计与应用

本文着重就地理信息数据挖掘中的两种模式：关联规则和序列模式的概念和作用进行了探讨，阐述了在关联规则中寻找大项集算法的实现，以及在数据挖掘的序列模式基础上对寻找大项集算法的结果进行了改进和优化，使数据的关联规则与时间和序列之间建立了密切的联系，从而更好的实现了对于大规模地理信息数据库中数据的挖掘和利用。     

MODIS和GLOBCOVER全球土地覆盖数据集对比分析——以黑龙江流域为例

 随着全球气候变化的日益加剧,全球变化研究对全球土地覆盖数据的需要也越来越迫切。目前全球土地覆盖数据产品主要包括由欧洲和美国生产的5类数据产品,其中,美国波士顿大学生产的全球土地覆盖数据产品(即MODIS数据集)和欧洲空间局通过全球合作生产的全球土地覆盖数据产品(即Globcover数据集)具有较好的实效性,应用越来越广泛。由于数据来源、分类系统和分类方法不同,两个数据集在土地覆盖类型的数量和空间分布上有明显的差异。本研究从数据使用者的角度,对比了MODIS和Globcover数据集在黑龙江流域上数量和空间分布的差异,并采用LANDSAT TM/ETM+影像随机采样和野外照片验证两种方式对两个数据集的分类精度进行了验证。结果表明,在黑龙江流域,两个数据集数量和空间分布差异较大。在数量上,两个数据集一级土地覆盖类型均以森林和农田为主,草地次之,但二级土地覆盖类型差异较大。在空间上,二级类空间一致性区域和一级类空间一致性的区域分别仅占流域的22.5%和53.6%。两个数据集精度均不高,一级土地覆盖类型精度约为60%,Globcover数据较MODIS数据破碎化明显,整体精度略低于MODIS数据集,不同的二级土地覆盖类型精度不同。考虑到黑龙江流域的代表性,我们认为Globcover数据集和MODIS数据集可满足较低要求的土地覆盖分析需求。本研究为全球气候变化研究选择合适的数据集提供了基础。     

基于粗集理论的教学质量评价模型研究

为了克服用线性模型对教学质量进行评价存在的不足,提出一种基于粗集理论的智能专家系统作为教学质量评价的模型。利用Salvatore Greco等提出的补齐算法,可以将知识表达系统中缺失的数据进行补齐。实例数据表明,该模型在保持教学质量评价模糊性的同时,能对教学质量做出比较一致的评价。     

���ڸĽ���ɫARMAģ�͵������Ӳ����Ԥ���о�

?????????????????????????λ???????????????????????????????????????????????????ARMA?????????????????????????????и??????????????????????????????????ARMA????????????????????????в???IGS????????????????????????????????????     

长基线时间序列季节项提取和重构方法分析

运用经验模态分解（EMD）、集合经验模态分解（EEMD）和完备总体经验模态分解（CEEMD）3种方法对原始基线时间序列进行分解,得到各自时间序列的本征函数模态分量（IMF）、相关系数及周期性强度,进而确定其季节项分量,同时通过比较季节项和原始基线时间序列的叠加功率谱图优选分解方法。结果表明,CEEMD方法对基线时间序列季节项提取和重构效果最佳。     

GIS的不同次区域之间相似性度量

 GIS属性相似度量有相似系数及以空间位置的空间自相关。这2种方法都不能计算全域为背景的次区域相似性问题,而以隶属函数的粗糙度量很好地解决了这个问题。本文利用粗糙集计算了GIS的离散型数据的次区域相似度量。利用邻域粗糙集计算了连续属性值的上下近似逼近,并利用邻域信息粒子计算连续属性值的粗糙隶属问题,从而计算连续属性值次区域相似度量问题。本文方法能度量次区域而不是全域或单个元素之间的空间相关与自相关问题,考虑了全区域背景下的GIS相似问题。并针对GIS连续属性值,利用距离函数和邻域粗糙集来划分连续属性的上下近似,以及分类问题,提出一种基于邻域信息粒子的粗糙隶属函数。最后利用粗糙相似度量公式度量GIS次区域的相似问题。     

一种复杂背景下的人脸特征提取算法

通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法(Activecontourmodel,也称Snakes方法)被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强,并且精度不高。对常规Snakes方法进行了改进,其改进主要包括两个方面:1)针对人脸肤色的特点改造了Snakes能量函数的图像能量项,用以提高算法的精度;2)基于人脸五官形状特点,增加了一个新的能量项———形状限定能量项,以期获得更好的鲁棒性。最后,对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明,改进后的Snakes方法具有良好的收敛性,并能准确收敛到人脸特征处。     

海气耦合随机模式中随机项的处理

本文对海气相互作用随机动力模式中随机项的处理作了探讨,分析了目前对随机项的简单处理而产生的问题,在此基础上,对随机项处理进行了重新认识和改进,并由此解释了相应合理的模式解。     

����С����ARMAģ�͵������Ӳ�Ԥ������

???????????????????????????????????????????????????????????????????????????????????????????????????????????С????ARMA????????????????????????в???IGS?????????????????????????????????????????????????????????