基于核函数方法的点云曲面表达与建模

讨论了基于点云数据的曲面表示问题,采用基于核函数理论的支持向量回归杌实现点云数据的处理,拟合出曲面,得到点云数据的一个曲面表示.实验结果表明径向基核具有建模光顺性好、处理速度快等优点.     

基于改进粒子群算法的散乱点云数据配准

提出了一种基于改进的粒子群与ICP算法相结合的点云数据配准算法,该算法主要依据点云数据之间的曲率相似度函数,采用改进的粒子群算法在两组待配准点云中搜寻到与之相匹配的点对集合进行初始配准,再将得到的配准结果作为迭代ICP算法的初始位置进行二次精细配准,从而实现两组散乱点云的配准。实验表明,该算法可以有效避免遗传算法可能陷入的局部最小值,与仅使用ICP算法相比,配准的运行时间大大缩短了,且稳定性和可靠性较好。     

绿色供应商评价的RS-RBF神经网络模型

针对绿色供应商评价的非线性、复杂性等问题,提出一种基于粗集-径向基函数神经网络(RS-RBF)的绿色供应商评价模型。利用改进的属性约简算法对各评价指标进行属性约简以减少径向基函数神经网络的训练数据,利用径向基函数神经网络的自学习,自适应及最佳逼近性能对评价数据进行量化训练,利用Matlab7仿真结果表明,该绿色供应商评价模型较其他单模型运算速度更快,评价误差更小,预测精度更高,获得了较好的评价结果。     

基于RBFN——项目聚类的协同过滤推荐算法研究

高维数据的稀疏性问题是降低协同过滤技术推荐质量的主要原因之一。提出了基于径向基函数网络(RBFN)——项目聚类的算法来降低数据的稀疏性,应用径向基函数网络(RBFN)处理高维稀疏数据得到一个完整的矩阵,应用基于项目聚类的协同过滤推荐算法产生推荐。实验结果表明,本算法比其他算法能更好处理协同过滤中的稀疏性问题。     

基于自适应特征映射的云数据管理索引算法

随着Web数据库技术的发展,需要对云数据进行索引管理,提高Web数据库访问能力。传统方法采用高斯边缘化路径控制方法进行索引,在无法及时获知Web云数据的先验语义特征信息时,索引精度不高。提出一种基于自适应特征映射的云数据管理索引算法。构建云数据管理模型,提取云数据自适应特征,采用语义相似度特征分析方法实现特征映射,采用一维搜索方法进行峰值搜索,初始化数据库索引起始时间点,设置语义高斯边缘化索引复激活函数,对本层链路和跨层链路进行均衡处理,达到云数据管理和优化索引的目的。仿真结果表明,采用该算法能有效提高云数据管理索引精度,提高云数据的准确调度和访问能力。     

基于径向基函数神经网络的数据关联挖掘算法设计

为了提高用户需求数据挖掘的时效性及准确性,提出基于径向基函数神经网络的数据关联挖掘算法。在对数据频繁项集约束性关联规则研究的条件下,通过约简计算,得到满足约束条件的候选数据集,并对用户需求数据频繁项集更新;利用径向基函数神经网络对候选数据集进行训练优化,通过上界剪枝法,获取用户需求数据,并实现其实时挖掘。实验结果表明,所提数据挖掘算法执行效率受数据规模变化的影响较小,挖掘效率更高,扩展性更好。     

隧道三维曲面重构方案设计研究

使用ICP点云配准算法改善激光雷达扫描范围不足的缺点,通过逐段扫描的方式对点云数据进行扩充,并使用贪婪三角投影算法对扩充的点云数据进行三维曲面重建,用于生成隧道的超欠挖数据和可视化隧道实时的喷浆状态,指导隧道施工建设。     

基于径向基函数网络的改进算法的股市数据预测

径向基函数网络的性能在很大程度上取决于径基函数中心位置的选取。本文通过结合输入输出矢量从而得到扩展矢量的方式改进了常用的确定径基函数中心的HCM算法。股市数据预测的实验结果表明：改进的HCM算法的网络的性能有了明显的改善。     

贝叶斯粗糙集云数据深度融合算法

云计算环境下,需要对云数据特征进行深度融合,提高对云数据的调度和决策能力。传统的云数据融合算法采用置信增益概率分配算法,当云数据出现多重特征时,融合深度不够,信息提取效果不好。提出一种基于贝叶斯粗糙集的云数据深度融合算法。引入了置信增益函数贝叶斯粗糙集,得到贝叶斯粗糙集云数据模型构建,在特征空间关系中进行特征合并,进行决策表决策属性分区处理,提高融合精度,依据信任函数最大化原则确定新对象的决策属性取值,实现云数据深度融合算法改进。仿真实验表明,采用该算法,能有效提高数据融合深度和精度,稳健性较好,可以明显的抑制噪声的影响,并提高20 d B左右的特征空间增益,算法在高维空间中仍体现出了较为明显的数据融合优势,该算法在云计算和云数据信息处理等领域具有较好应用前景。     

云对等网络在线异常点零跳搜索检测算法

在云对等网络中在线异常点的实时搜索和准确检测关系云对等网络的稳定和安全,由于云对等网络的在现异常点检测受到大量对等合法数据的干扰,网络波动幅度不大,检测困难。提出一种基于密度部分存储优化的云对等网络在线异常点检测算法,通过计算局部节点数据的在线时间复杂度实现对路由交换数据序列的初始特征和先验信息的预估计,适当增大存储空间开销来换取时间效率,实现零跳搜索和对异常点的准确检测。研究结果表明,采用该算法进行云对等网络的异常点检测,检测准确率大幅提高,执行开销降低,保证了对云对等网络安全性,提高了动态监测能力。     

核空间二次蚁群聚类算法的研究

传统的聚类算法在处理复杂特征数据时效果不理想,为此提出使用高斯径向基核函数将原空间上的数据映射到高维特征空间后,再用蚂蚁算法进行第一次聚类,针对第一次聚类结果得到较多簇等问题,提出再用马赛克算法进行二次聚类,得到较为接近真实情况的簇数目。     

改进的三维点云离群点滤除

针对目前基于欧式距离的点云离群点滤除算法效率低下、计算浪费的问题,提出了一种改进的算法。通过对三维点云模型进行空间单元格划分,进而构造基于单元格的最大连通域,保留最大连通域内点云数据点。试验结果表明,算法可有效去除点云模型的离群点。     

引入多主体协商频率分析的云信任数据推荐算法

通过对电子商务网络交易中的云信任度数据的准确推荐算法设计,提高对商家的定量评估性能。传统的云信任数据推荐模型采用单自由度协商模型,主观性较大,推荐效果不好。在云计算环境下,提出一种基于多主体协商频率分析的云信任数据推荐算法。利用了正向和逆向云发生器进行定性与定量概念的相互转换。构建多主体协商频率分析模型,采用信任属性云逆向生成器生成信任属性云,对属性云进行综合评定得到综合属性云,同时运用相似度计算原理给出信任度评定等级。采用方差作为标准测度函数,计算信任云权重,实现商家云信任数据推荐算法改进。仿真结果表明,采用该算法进行多主体协商,得到的电子商务商家的云信任数据推荐的收敛性较好,对商家的信任评价准确,有效降低复杂虚拟的网络交易所带来的交易风险,更加完善了信任度评估机制。     

改进优秀基因位差分进化云数据安全访问算法

为实现PCL中Kinec点云数据的共享和安全访问,提出一种改进的基于优秀基因位差分进化的云计算方法实现对Kinect点云数据安全访问。当前采用遗传算法进行云数据访问时面对个体整体适应度的评价,而忽略了单个基因位是否具有较好的属性,访问安全性能受限。提出了一种有效的数据布局策略,降低个体对适应度函数的灵敏度,使寻优曲线不断趋于平缓,实现变异松弛响应,数据访问中,需要追求这样一种情况,就是当一段基因进行交叉及变异的过程中,如果它的适应度值进化到最优状态,这时称其为优秀基因,达到优秀基因的基因位,然后把它隔离出来,从而提高对Kinect云数据的挖掘精度。仿真实验证明该算法具有较好的数据安全访问性能,提高了传输云数据的效率。     

基于SVM和KNN的文本分类研究

本文在详细介绍文本自动分类流程的基础上,通过实验对SVM和KNN两种算法进行比较研究,实验结果表明:SVM算法使用多项式核函数的分类准确性高于使用径向基核函数的分类准确性,且多项式核函数的分类准确性随着参数q的增大而提高;SVM采用多项式核函数进行分类的准确性普遍高于采用KNN的分类准确性;采用多项式核函数的SVM和KNN两种算法对短文本的召回率高于对长文本的召回率。     

再制造工件缺损部位定位技术研究

针对柔性再制造系统中对工件的缺损部分进行测量的问题,提出一种应用结构光传感器进行检测和定位的方法。该方法采用结构光传感器获得破损工件的三维点云数据,将点云数据与原始工件CAD模型进行配准．通过设定误差阀值提取缺损区域数据。配准过程分为初始配准和精确配准两步,采用主元分析法计算点云数据的主方向,与已知CAD模型的主方向对齐,实现初始配准;采用ICP算法实现点云数据与CAD模型的精确配准。通过计算特定方向上点云到CAD模型的误差获得工件缺损区域的数据。实验表明,该方法能有效的获得破损工件缺损部分的三维信息。     

嵌入云信息平台双向中继物理层数据传输协议

在嵌入式云信息平台设计中,需要设计物理层数据传输协议优化信息平台的数据调度和任务分配能力。传统的协议采用UDP协议构建云信息平台的中继物理层数据传输协议,产生大量的流量累积,导致物理层拥堵。提出一种基于双向中继负载均衡的嵌入式云信息平台物理层数据传输协议设计算法。构建嵌入式云信息平台的网络模型,对信息平台数据进行压缩处理,通过双向中继物理层数据传输,定义物理层数据传输的调控函数,实现对数据传输的物理层协议构建,实现数据动态分配。实验结果表明,采用该算法,能有效提高数据的传输效率,降低数据传输延时,优化信息传输部署。     

多信息融合迭代恢复匹配的访问路径偏移修正

在CStor云数据库访问中,细粒度云存储数据的信息特征存在个体较大差异,访问路径产生多频偏移,数据访问调度性能受限。传统方法中采用PSO局部搜索方法进行访问路径修正,搜索效率低,个体更新较慢。提出一种基于细粒度云存储数据迭代恢复匹配的云数据库访问路径偏移修正算法,以PSO多信息融合Pareto支配集为指导,构建多信息融合细粒度数据的主特征模型,采用迭代恢复匹配方法增加了局部搜索提高搜索到全局最优解的几率,实现路径偏移修正。仿真实验采用3组测试集对CStor云数据库进行访问调度和路径偏移修正,结果表明采用该算法,实现对访问路径的动态实时修正,收敛距离较小,提高了CStor云数据库访问和数据挖掘性能。     

基于贝叶斯估计的目标特征识别扩散参数挖掘模型

为了有效从海量的特征和噪声数据提取能表征目标特征的有用数据,提高对目标的检测识别能力,需要对目标回波特征的时频TID(time interference domain)域扩散参数进行快速挖掘,达到提取目标特征的目的。传统方法中采用频繁项挖掘方法实现扩散参数挖掘,导致在速度模糊的情况下对基带回波特征参数估计困难,性能不好。提出一种基于贝叶斯估计的目标特征识别扩散参数挖掘模型。有效挖掘出局部离群点,对基带回波特征进行频域变标脉冲压缩处理,对优化后的特征矢量进行累加限幅,并计算互补累积分布函数,基于贝叶斯估计构建检测统计量和统计函数,从而挖掘出时频TID域扩散参数,提高对特征参数的识别能力,仿真结果表明,该算法对时频TID域扩散参数挖掘精度较高,能有效提高对运动状态目标的参数估计精度及目标识别的能力。     

一种有抗体免疫的云模型数据流聚类算法仿真

云模型是云理论的核心,数据流聚类算法在云模型中有较好的应用前景,但也面临着聚类效率、聚类适应性的难题,为此本文提出了一种有抗体免疫的云模型数据流聚类算法。通过设置加权期望值、熵等参数形成云数据特有的数据概要结构,作为抗体代入人工免疫算法中;利用衰减函数和时刻权重来定量表现不同时刻的数据的重要性程度,并以抗体期望克服率为特征值以维持抗体的多样性,采用淘汰法确保最后的数据概要结构更符合云模型数据流的本质特征。实验表明,该算法在云模型数据流中的聚类处理速度和聚类效率均优于传统算法,具有一定的应用价值。