大型数据库中数据挖掘算法SLIQ的研究及仿真

大型数据库中的数据挖掘是目前数据挖掘领域重要的前沿课题.SLIQ算法是处理大型数据库数据的有效算法之一.该算法分为三个阶段在预处理阶段,对数值属性进行预排序;在树的构建阶段采用了树的宽度优先增长策略,使得SLIQ能够处理海量的磁盘数据;在树的修剪阶段,采用了一种基于最小描述长度原理的修剪算法.实验结果表明,SLIQ能够较快且准确地处理海量的数据.     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

多目标条件风险值的一种求解方法

本文研究了多损失CVaR问题,给出了于置信水平α下的α-VaR损失值和α-CVaR损失值的概念.α-CVaR损失值刻画了证券组合x于置信水平α下的损失大于等于α-CVaR损失值条件下的损失函数的条件期望损失值.我们引入了相应的α-CVaR最小化问题(MCVaR),并证明了在一定条件下,可以通过求解较为容易求解的单目标问题(SCVAR)来得到(MCVaR)的Pareto有效解.     

给定限期条件下的应急系统优化选址模型及算法

针对应急系统的特点,提出了在满足应急系统时间紧迫性的前提下,基于系统的费用最小的数学模型,并给出了相应的求解算法,并从理论上证明了该应急系统模型求解方法的正确性。     

大型供应链设计的基本数学模型与算法研究

随着信息技术与全球经济一体化的发展,供应链管理成为全球管理科学的研究热点。本文在分析国内外各种关于供应链设计的数学模型与算法的基础上,提出了具有普遍性意义且简单易行的MIP供应链设计的数学模型以及求解供应链问题的有界变量广义上界算法。实例计算表明,提出的模型和方法是可靠实用的。     

集成电路板组装系统优化问题及其研究动态

集成电路组装是将电子元器件安装在集成电路板上,从而实现电子元器件的互联的过程,是电子信息行业的基础产业.本文将集成电路板组装系统优化问题划分为四个子问题组装顺序优化问题、部品指派优化问题、组装模式优化问题以及组装线平衡优化问题.重点介绍了其中的前三类子问题的优化模型及优化算法.并通过一个应用实例说明了模型及其算法的有效性.在此基础上,提出了今后对第四类子问题的研究方向与思路.     

横向水流作用下气泡运动数值模拟

由于气液两相体系中气泡的诸多流体力学行为不仅影响两相流的速度分布,还可通过改变气液相界面等途径改变整个体系的传热传质 效果,对气液接触设备性能具有重要影响。课题组利用数值模拟对恒定水速下管道中喷射的气体进行分析,追踪管道中气泡流的变化情况。气液两相流采用层流 模型,并运用VOF对气液两相界面进行追踪,速度与压力的耦合求解采用PISO算法。计算结果表明：气体在管道中成类似泡状流,并受浮力作用逐步靠近上壁面 形成连续的长气泡;水流速度和气泡到达上壁面距离进口处的距离近似呈线性关系;最大气泡粒径与进口水速负相关,与进口气速正相关。研究结果可为相关气 泡运动特性的进一步研究提供参考。     

双型腔模具加热系统热传导多源项反演与实验研究

模具型腔形状各异、深浅不一,难以获得均匀的模具型腔温度场,影响了成型塑件的尺寸精度和力学特性。课题组采用基于线性叠加原理的热传导反演算 法,反求模具加热系统的热源强度;根据模具加热系统的传热机理,建立模具加热系统正演和反演问题的数学模型;设计尺寸各异的一模两腔反应成型模具,开 发多通道模温控制系统,搭建测温实验平台,测温结果表明型腔表面在同一时刻的温差均未达到行业标准;根据BMC反应成型塑料的成型工艺要求,改进模具加 热工艺,获得各热管的热源强度函数,作为热传导多源项反演的输入条件,结果表明型腔温度场达到行业标准。根据反演获得的热源强度函数,再次进行实验, 实验结果与数值模拟结果吻合较好,从而验证了基于线性热传导叠加原理的多源项反演算法对优化多型腔模具的温度场均匀性是有效的,且具有普适性。     

基于激光扫描和工业机器人的不锈钢保温杯自动焊接

由于激光焊接对保温杯的位置精度要求很高,依靠传统的工装夹具已无法满足要求,一种由笔者设计的激光扫描的视觉系统对保温杯 杯口和杯底进行非接触扫描测量,对激光视觉采集的数据进行平滑处理,得到光滑的三维轨迹。焊缝轨迹平滑处理包括改进的RANSAC算法和均匀三次B样条曲 线拟合相结合的方式。最后,设计模糊控制进行焊缝在线跟踪控制。实验结果表明,该方法可以获得平滑精确的保温杯杯口和杯底三维测量,明显提高了焊接质 量。     

基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。