基于粗分格网的空间对象范围索引

在充分分析格网索引和空间对象范围索引的基础上，提出一种基于粗分格网的空间对象范围索引结构．对该索引结构的基本原理、数据组织方式、索引结构的实现和该索引结构在空间查询中的应用等都作了详细的论述，证明了该索引结构的有效性和可行性，该索引结构能有效减少索引数据存储量，降低查询所需的时间，并能显著提高空间查询的效率和查询定位精度．     

AR2W2��SFC ģ�͵Ŀ���ʵ�����о�

GIS 技术在ITS 中的成功应用在于对海量空间地理数据的管理，对空间数据的合理组织及快速的空间对象检索.为空间数据建立索引是管理空间数据、提高检索速的一个重要方面. 本文在AR2W2 - SFC 曲线模型的基础上，利用标签方法在算法上实现了该曲线模型，并将该模型应用于空间索引. 通过实验研究发现，在四叉树高度较低的情况下，AR2W2 - SFC 曲线作为点对象的空间索引的性能优于Hilbert 曲线.     

机车周转图编制的自适应遗传算法

建立了成对与不成对列车运行图的机车周转图的数学模型和相应的机车最优配置的遗传算法．用单段映射交叉和基于知识的变异方法以及交叉概率，变异概率随个体优劣程度自适应调整策略，提高了局部搜索能力以及收敛和优化性能．以某区段实际运行图为例，用本文方法使机车总消耗时间和需要的机车数分别减少约5．7％和7．7％；用文献中的实例数据计算，与原方法相比，减少了机车总消耗时间．     

基于位对象的最大频繁模式挖掘算法

提出了基于位对象的最大频繁模式挖掘算法．算法中,用位对象表示数据,并用位对象概念改进FP-Tree．用深度优先搜索策略,通过压缩数据库,并用位对象的特性简化模式支持度的计数,使挖掘时不需产生条件FP-Tree和候选项目集,以提高最大频繁模式的挖掘效率．实验结果验证了BFP-Miner的有效性．     

基于最小风险的单一表文件垃圾邮件过滤算法

研究探讨了传统贝叶斯模型的原理和优缺点,指出朴素贝叶斯算法没有考虑到合法邮件和垃圾邮件被误判带来的不同损失,因而有一定的局限性,而后以朴素贝叶斯为基础,结合最小风险的贝叶斯邮件过滤算法,提出改进的基于垃圾单词的单一表文件垃圾邮件过滤算法,提高了系统的执行效率,减少合法邮件的误判对用户造成的损害,并构建了邮件过滤模型．     

基于型面曲率的三角网格快速自适应细分算法

提出一种基于型面曲率的三角网格快速自适应细分算法．该算法通过建立三角网格动态空间索引结构,快速准确获取局部型面参考数据并计算型面曲率．对曲率较大区域进行细分,对较平坦区域只进行网格顶点重定位,不进行面片分裂,实现三角网格的自适应细分．实例证明该算法可提高模型的光顺性与细分效率,以相对较少的面片准确表达模型型面特征信息．     

改进的禁忌搜索算法求解多机并行模糊调度问题

提出一种改进的禁忌搜索算法求解多机并行模糊调度问题,该算法在邻域中引入记忆结构,可以减少重复搜索,并对候选解集使用映射排序法进行剪枝,减少了搜索空间,从而极大的提高了算法效率．同时为了减少计算误差,该算法计算时不需要将模糊时间转换为精确时间求解,可以同时处理作业加工时间是三角模糊数或梯形模糊数的情况,从而更具有通用性．仿真结果证明该算法有效、可行．     

对Apriori算法的进一步改进

介绍了关联规则挖掘的情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法和Apriori-1算法进行深入研究，提出了Apriori-2算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

一种高效的分形属性选择算法

FDR(Fractal Dimensionality Reduction)算法的主要问题在于需要多次扫描数据集,I/O开销比较大,OptFDR(Optimized FDR)通过对FD-tree进行动态调整来避免多次扫描数据集,但对算法的空间需求比较高.借鉴Z-ordring索引技术的思想,设计并实现了一种改进的分形属性选择方法ZB-FDR(Z-ordering Based FDR).该方法仅需要扫描数据集一遍建立底层网格结构,基于该底层网格结构实现分形维数的计算及后向删除维操作.在合成数据集及实际数据集上的实验结果表明ZBFDR具有较为优良的整体性能.     

基于向量空间模型的文本自动分类系统的研究与实现

分析了文本自动分类的关键理论及技术，给出一个已实现的基于向量空间模型(VSM)的文本自动分类系统的框架模型，重点描述此系统的实现算法．此算法在训练阶段通过部分训练集确定向量的特征提取维数，并提出一种“平均值”匹配阈值调整方法，从而在精度和效率方面优于传统的分类算法．实验表明此系统查准率为91．8％，查全率为85％。     

北京市浮动车交通状况信息实时计算系统

为应用于复杂城市路网的浮动车系统建设,提出了利用浮动车数据实时计算路网速度的系统建设流程,包括GPS数据接收、数据预处理、数据在电子路网底图上的匹配以及路段运行车速计算。并从数据过滤合理性、地图匹配效率、路网覆盖率及结果可信度等方面验证了该方法的可行性与实际效果。经验证,原始GPS数据经过预处理过滤后能显著提高点匹配率,而改进的路径匹配算法能使过滤后的数据达到95％左右的匹配率,基本覆盖大部分北京市快速路和主干路。     

基于KFS分布式文件系统元数据模型的改进

研究了云计算环境下的分布式文件系统KFS的系统架构,对于海量数据存储的云存储系统来说元数据管理效率是关键,通过分析KFS文件系统的元数据模型,提出了基于KFS分布式文件系统元数据的改进模型,即利用内存缓冲策略,对待插入的元数据进行预处理并批量插入,减少查找和分裂次数,大大提高了KFS文件系统的数据访问效率.最后通过算法复杂度的分析,证明该改进算法能有效提高分布式文件系统KFS的元数据服务器的效率.同时该改进模型对于采用B^＋树索引机制来集中管理元数据的类似系统同样适用.     

模糊关联规则的挖掘算法

为了提高模糊关联规则挖掘的效率，定义了冗余模糊关联规则，并分析了强模糊关联规则的冗余性质，提出了通过删除冗余模糊关联规则提高挖掘效率的新算法．此外，针对利用支持度和蕴涵度定义的强模糊关联规则挖掘问题，将删除冗余模糊关联规则和不删除冗余模糊关联规则的计算结果与实验结果进行了比较．结果表明，当数据库中项目数较多时，删除冗余模糊关联规则能提高挖掘效率．     

基于矩阵的多段支持度关联规则挖掘算法

为有效提高关联规则挖掘算法效率,提出了一种基于矩阵的多段支持度关联规则挖掘算法,该算法通过一次数据库扫描将事务数据存放在矩阵中,利用矩阵进行支持度的计算和频繁集的寻找,同时将项集支持度分段计算的思想应用其中,减少候选集生成,实验表明,算法效率得到了较大提高。     

检索词上下文相关提问扩展算法

研究了利用相关词进行提问扩展的算法．该算法建立在检索词模糊聚类的基础上，聚类以检索词在文献中共同出现为标准．与提问中检索词相关的群集形成提问的上下文．群集中属于上下文的检索词可用于提问的扩展．实验表明该算法提高了检准率．     

滑坡灾情数据多层级语义检索方法

如何在海量多源多模态的滑坡灾害时空大数据中快速精准地发现满足灾情评估任务需求的优势信息，是综合减灾救灾的关键. 传统灾害数据检索多以“人工经验+关键字”的被动检索方式为主，难以兼顾任务的精确性与时效性，为此，提出了一种面向评估任务的滑坡灾情数据多层级语义检索方法. 通过建立滑坡灾情评估任务对数据特征需求的显式语义描述及任务需求与数据特征之间的高级语义映射，并据此设计多层级语义匹配的数据检索算法，面向灾情评估任务实现优势数据汇聚. 以四川茂县滑坡灾害评估为例进行实验分析，本文检索方法查询效率具有明显优势，900 km2、90 d范围内的灾情数据精准检索效率达到秒级，且推荐优势数据集的准确性高，60 d时间差距阈值下推荐结果平均贴近度达到90%以上. 结果表明本方法可根据任务需求准确可靠地快速自动获取灾害数据，从而显著提高减灾应急响应能力.      

一种基于方向关系的空间查询算法

利用锥形模型和四叉树索引,提出一种基于方向关系的空间查询算法,其主要步骤包括:首先,借助锥形模型和四叉树索引快速查找其最小投影矩形(MBR:minimum bounding rectangle)符合给定方向关系的空间对象,构成候选集;然后,从候选集中删除不符合给定方向关系的空间对象,得到结果集.使用C#语言对提出的算法进行了编程实现,并采用不同几何类型的空间数据对其进行了实验.实验结果表明该算法能够对空间数据进行高效地查询,较好地满足了实际应用的需求.     

基于改进DeepLabv3+的接触网开口销缺陷检测

针对当前基于语义分割的开口销缺陷检测算法存在分割精度不高、检测效率低等问题，提出一种基于改进DeepLabv3+的接触网开口销缺陷检测方法。首先，采用减枝后的MobileNetv2作为DeepLabv3+的骨干特征提取网络，提高检测效率。然后，通过在DeepLabv3+的编码器网络中引入CBAM注意力机制，提高开口销语义分割精度。同时，为缓解开口销区域和背景之间不平衡带来的负面影响，采用CEDice Loss作为损失函数。最后，根据开口销语义分割图像的颜色、形态信息，对开口销进行缺陷识别。实验结果表明：在语义分割方面，相比于原DeepLabv3+模型，改进DeepLabv3+模型的平均像素准确率和平均交并比分别提高了3.54%和3.42%，且测试用时减少了14.41 ms/张，模型参数量缩减了88.61%；在缺陷识别方面，对开口销缺失，松脱，正常三种状态的识别准确率分别为100%,98.1%,99.5%，能够快速有效地识别出开口销缺陷。     

基于CapsNet的行人检测方法及评价

为了提高道路环境中行人目标检测的准确率，改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题，本文提出了一种基于 CapsNet的行人检测模型. CapsNet由神经元所构成的 Capsule组成，通过动态路由协议对物体的实例化参数进行表达和传递，保留了各特征对象间的空间层级，采用 Caltech公开数据库对所提算法的有效性进行验证，并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明：相比于其他主流检测算法，本文算法在确保检测效率的前提下，对数平均漏检率最低可降至 9.17%；且在 Caltech、INRIA和 NICTA数据集的交叉验证实验中，也能达到良好的检测效果，具有较好的鲁棒性和泛化能力.     

基于CapsNet的行人检测方法及评价

为了提高道路环境中行人目标检测的准确率，改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题，本文提出了一种基于 CapsNet的行人检测模型. CapsNet由神经元所构成的 Capsule组成，通过动态路由协议对物体的实例化参数进行表达和传递，保留了各特征对象间的空间层级，采用 Caltech公开数据库对所提算法的有效性进行验证，并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明：相比于其他主流检测算法，本文算法在确保检测效率的前提下，对数平均漏检率最低可降至 9.17%；且在 Caltech、INRIA和 NICTA数据集的交叉验证实验中，也能达到良好的检测效果，具有较好的鲁棒性和泛化能力.