系统时钟序列的均匀测试模型

通过建立0,1序列与区间上的点的对应关系,同时利用分形思想建立了均匀测试模型,并基于系统始终生成的序列进行实验。接着基于概率论的知识构造了类频数测试和类扑克测试。最后对理论数据和实验数据之间存在的差异给出了总结和分析。     

一种基于MapReduce的改进人工蜂群算法

针对现有序列聚类算法在对大规模数据进行聚类时,内存空间和计算时间开销较大的问题,提出了基于MapReduce的人工蜂群聚类算法。该算法通过引入MapReduce并行编程范式,快速计算聚类中心适应度,可实现对大规模数据的高效聚类。基于仿真数据对算法的聚类效果和聚类效率进行了验证。实验结果表明,与现有PK-Means算法和并行K-PSO算法相比,该算法具有更好的聚类效果和更高的聚类效率。     

基于FSM模型的无线传感器网络数据收集协议测试

在对无线传感器网络数据收集协议进行一致性测试时,生成的测试序列往往不够简捷高效。因此,提出了基于FSM模型的无线传感器网络数据收集协议测试方法。采用FSM模型描述数据收集协议规范,在FSM模型的基础上利用UIO算法生成测试序列。研究发现：UIO算法生成的测试序列较长,现有基于UIO的改进算法生成的测试序列较短,但不适用于所有协议,为此进行了优化,使得优化后的算法具有更好的适用性。为了阐明方法的有效性,对一个工业界无线抄表数据收集协议WM2RP进行建模与测试序列生成,并搭建测试环境进行了实际测试。     

扩频通信收发实验系统的设计与实现

为了使扩频通信收发实验系统中复杂抽象的算法具体化,利用自行开发的硬件平台作为发射机并利用RTLSDR作为接收机,开发了一套扩频通信收发系统。该系统可实现m序列与Gold序列等类扩频信号的实际发射与接收,并用Matlab对实际采样基带数据实现了载波同步与扩频码同步等复杂算法。该系统还可进行链路测试与信噪比估算等实验。     

3维模型2维投影图序列特征的异常检测

在对3维模型2维投影图利用区域的Fourier变换提取其形状特征的基础上,提出了一种新的基于特征序列为训练模型的异常检测算法。首先对高维特征序列进行约减至低维序列;其次,引入序列局部模式的相似度和异常值的定义对任意的测试集区分异常。通过PSB数据集实验证明了该方法的有效性和合理性。     

卡方检验确定背景序列模型Markov chain的阶数

合理建模非编码序列对正确识别DNA序列中的调控元件非常重要 .基于卡方统计检验 ,给出了选用Markovchain模型来模拟序列背景分布的原因及如何确定Markovchain阶数的方法 .卡方测试分析模拟数据发现它能有效地确定模型阶数 .选择分析啤酒酵母中 1 0类基因的上游序列集发现 :所有序列集至少具有一阶以上的上下文相关性 ,除 1组基因外 ,其余 9组数据集具有二阶或三阶的上下文相关性 .这说明用高阶Markovchain来建模背景序列比单碱基模型 (零阶 )更合理     

儿童心目中的独立随机序列

本研究以401名9～14岁儿童为被试，考察其心目中的独立随机序列，结果发现：儿童基于已有的概率知识与生活经验等，描述出随机与不随机两类序列，给出的理由可以分为5类。进一步分析表明，依据直觉、动手试验或生活经验的儿童，比运用模糊的概率知识的儿童描述出更多具有随机性的序列。因而，动手试验，收集数据，通过数据感受随机性，进而...     

基于TS-NN模型的道路交通车流量预测

针对现有的智能交通系统预测方法,基于道路交通的关键参数车流量预测,提出了一种基于深度学习的时间序列交通流预测方法,进一步提升道路交通车流量预测准确率。在对道路交通数据集进行清洗后,使用时间序列和神经网络的结合算法TS-NN 进行车流量预测,实验表明,在城市路段的预测中,TS-NN 相对时间序列模型ARIMA、神经网络模型LSTM 准确率分别提升了1.62%和2.13%?在高速公路数据集上测试上,TS-NN 有更加明显的改进,相对ARIMA、LSTM 分别提升了20.87%和3.53%,在一定程度上,TS-NN 算法确实有助于改进智能交通系统核心算法。     

基于序列、结构和芯片数据的聚类算法

运用图论中的一系列思想对生物序列、蛋白质结构和基因芯片数据进行综合分析,将多物种的序列进行聚类,为生物基因的功能研究提供了新的思路.其算法首先根据生物序列的相似度、蛋白质结构的相似度和基因芯片数据的相似度建立一级图,然后根据一级图建立二级图,进而通过二级图的分析来挖掘基因的聚类关系.算法聚类的结果可以对各种基因的功能进行预测,可广泛应用于后基因组计划的基因和蛋白质研究.     

基于半监督学习与CRF的应急预案命名实体识别

传统基于统计的命名实体识别方法存在需要大量人工标注的缺陷,导致识别准确率较低。为了提升识别效果,提出一种基于条件随机场的半监督学习方法（S-CRF）对命名实体进行识别。该方法将实体识别看作序列标注问题,对少量数据进行人工标注并构建实体集,通过K-means聚类算法选取有代表性的未标注数据文本进行自动标注,采用条件随机场对语料进行训练测试。选取中文应急预案文档进行实验,该方法在各个标签上的识别效果分别达到93.52%、93.04%、95.81%。实验结果表明,该方法优于传统规则方法,能有效提高应急预案命名实体的识别效果。     

飞翼布局无人机实验平台设计与实现

探索了飞翼布局无人机的设计思路,完成了2种设计方案,利用CFD方法获得了该飞机基本气动数据,建立了方案B的CATIA三维数字样机,实现了实验平台的制作、装配和测试工作,基于该实验平台开展了一系列飞行实验。CFD计算结果和试飞数据验证了设计方法的可行性,体现了实验平台的通用性及良好的工程应用前景。     

数字伺服阀测试平台设计

设计了MATLAB环境下的数字伺服阀测试平台，介绍了测试平台的原理及组成模块、MATLAB／Simulink环境下信号采集建模及参数设置，最后给出了实验和仿真结果，表明基于BNC2090数据采集系统的测试平台能够快速、方便地测出阀心的运动特性。     

一种基于遗传算法的聚类算法

提出了一种基于郭涛算法的聚类算法,在WEKA平台上通过使用Iris数据集和Glass数据集对基于郭涛算法的聚类算法和K-means算法进行对比实验,验证了基于郭涛算法的聚类算法的有效性。     

序列模式中知识发现问题描述与知识发现方法研究

在分析基于工艺元的典型工艺信息组织模式的基础上，提出一种基于数据挖掘技术的从工艺数据中获取工艺元知识的方法．该方法采用文本聚类的思想扫描工艺数据库，将数据库中工艺描述划分为不同的类提取出常用工艺语句并设计了相应的处理算法，通过改进Apriori方法设计的Apriori-seq算法用于对工艺规程序列进行挖掘获取工艺元．同时，开发出在制造工艺序列数据中进行知识发现的原型系统SCU-KDPS，应用表明本文的研究方法有较高的知识发现效率．     

基于声卡和LabVIEW的等强度悬臂梁固有频率测试

建立了一种基于声卡和LabVIEW的等强度悬臂梁固有频率测试系统.介绍了测试系统组成和所需硬件,利用LabVIEW软件编写了基于声卡的数据采集和固有频率测量程序,构成了等强度悬臂梁固有频率测试虚拟仪器.对多组实验数据进行分析,并与有限元分析和理论公式计算作比较.结果表明,实验可靠,测量精度高.该系统有效利用计算机资源,操作简单、灵活方便,具有良好的交互性能,开放性好,可根据需求进行功能扩展,满足实验教学的要求.     

基于Labview和myDAQ的自动控制原理实验软件平台开发

以Labview为开发工具、基于NI的myDAQ数据采集卡开发了自动控制原理中控制系统时域特性测定和频率特性测试两个实验的软件平台。myDAQ采集卡实现激励模拟信号的给定和实验数据的采集,Labview工具实现实验数据曲线实时绘制和显示、被控对象时域和频域参数在线测量和计算以及实验数据曲线打印。便于学生及时发现和纠正实验过程中错误、深入理解理论知识、提高综合分析能力。My-DAQ和Labview易于学习和掌握,利用二者开发自动控制原理实验软件平台,开发周期短,其程序接口维护和移植方便,可以为其他控制类课程相关实验项目的自主设计开发和扩展提供借鉴。     

基于融合标签与蚁群的协同过滤微博推荐算法

针对协同过滤算法中存在数据稀疏的问题,提出一种基于融合用户标签和蚁群的协同过滤微博推荐算法。将表示用户兴趣的标签引入推荐模型中,利用标签和用户以及标签和微博的关联度,建立用户对微博的兴趣度模型。另外结合蚁群聚类和协同过滤为目标用户进行用户聚类,计算出对目标用户的待推荐微博集。最后利用用户对微博的兴趣度模型从待推荐微博集中选出Top-N为目标用户进行推荐。实验引入标签和蚁群算法的有效性,将测试结果与传统协同过滤推荐算法和纯基于标签的微博推荐算法进行比较,该算法不仅改善了协同过滤算法中数据稀疏和冷启动的问题,而且推荐准确度有明显提高。     

基于“虚拟仪器”技术的电类实验教学系统开发

以NI公司的虚拟仪器技术的软硬件为基础,开发了基于"虚拟仪器"技术的电类实验教学系统,该系统包含三级登陆界面的设计和数据管理、自动控制原理虚拟实验系统、传感器与数据采集虚拟实验系统、自动化测试虚拟实验系统、典型控制系统虚拟实验系统,涵盖了自动化相关专业的主要内容。既有助于学生对理论知识的学习,也有助于学生创新能力的提高。     

最小局部方差优化初始聚类中心的 K-means 算法

针对传统 K-means 算法随机选取初始聚类中心导致聚类结果随机性大、优劣不定的缺点,通过定义局部方差,利用方差反映数据密集程度的特性,提出一种基于最小 局部方差优化初始聚类中心的 K-means 算 法。该算法选取数据集中局部方差最小的点作为一个初始聚类中心,并利用数据信息更新数据集,直到选到 k个初始聚类中心,实现初始聚类中心优化。基于 UCI 数据集与人工数据集进行实验,与传统 K-means 算法及最小方差优化初始聚类中心的 K-means 算法进行性能比较。实验结果表明,基于最小局部方差优化初始聚类中心的 K-means算法具有良好的聚类效果和很好的鲁棒性,且聚类时间较短,验证了算法有效性和优越性。     

深度分布的计算方法

在有理整值多项式上建立了等价关系，从而将深度有限的无限长序列与有理整值多项式的等价类建立了一一对应，通过分析等价类计算序列的深度分布，构造了一个码C到C的映射D，利用D的性质和线性空间的基础知识给出了线性循环码的深度分布的计算方法.