现有的嵌套圆排列方法主要采用自顶向下的排列方式。排列过程中的多次缩放和平移将导致算法时间复杂度增高、各层节点大小比例不一致以及局部排列不够紧密等问题。为解决上述问题,在总结层次结构中同层兄弟节点圆外切排列算法的基础上,提出了自底向上父子节点的递归排列算法——圆形-矩形中心法CRCA(Circle and Rectangle Center Algorithm),并提出了一种评价父子节点排列紧密性的指标——面积比AR(Area Ratio)。将基于CRCA算法的嵌套圆排列方法应用于各国农药最大残留限量标准数据的可视化中。实验表明,该方法能够保持同层节点的大小比例和更紧密的排列效果,提高空间利用率,在数据展示方面取得良好效果。
模拟退火算法(simulated annealing algorithm,SAA)是一种随机搜索、全局优化算法,为提高近红外光谱检测面粉品质模型的准确度与稳健性,实验提出基于SAA优化波长,再结合偏最小二乘(partial least squares,PLS)法建模预测的定量模型,并对...
详细信息
模拟退火算法(simulated annealing algorithm,SAA)是一种随机搜索、全局优化算法,为提高近红外光谱检测面粉品质模型的准确度与稳健性,实验提出基于SAA优化波长,再结合偏最小二乘(partial least squares,PLS)法建模预测的定量模型,并对SAA中冷却进度表参数设置进行对比分析。实验依据面粉中灰分含量梯度,随机选取126份样本的近红外光谱建立SAA-PLS模型。结果发现,SAA从2 074个波数优选出70个波数,结合PLS建立的定量模型相关系数为0.976 0,交互验证均方根误差(root mean square error of cross validation,RMSECV)为0.022,预测均方根误差(root mean square error of prediction,RMSEP)为0.030 1,全谱建立的PLS模型相关系数为0.778 5,RMSECV为0.066 6,RMSEP为0.076 8。结果表明,基于SAA优化特征谱区,建立灰分定量模型是可行的,且准确度与稳健性明显优于全谱定量分析模型。
在很多领域的统计分析中,通常需要分析既具有层次结构又具有多维属性的复杂数据,如食品安全数据、股票数据、网络安全数据等.针对现有多维数据和层次结构的可视化方法不能满足对同时具有层次和多维两种属性数据的可视分析要求,提出了一种树图中的多维坐标MCT(multi-coordinate in treemap)技术.该技术采用基于Squarified和Strip布局算法的树图表示层次结构,用树图中节点矩形的边作为属性轴,通过属性映射、属性点连接、曲线拟合实现层次结构中多维属性的可视化.将该技术应用于全国农药残留侦测数据,实现了对全国各地区、各超市、各农产品中农药残留检出和超标情况的可视化,为领域人员提供了有效的分析工具.MCT技术也可用于其他领域的层次多属性数据的可视化.
针对单一中心的节点非均匀有向传感器网络部署的局限,提出了多中心的节点部署算法PFMCA(potential field based multi-center algorithm)。在部署中心概念及移动策略的基础上,能够保证多个监测中心的覆盖质量,同时实现对其余区域的均衡...
详细信息
针对单一中心的节点非均匀有向传感器网络部署的局限,提出了多中心的节点部署算法PFMCA(potential field based multi-center algorithm)。在部署中心概念及移动策略的基础上,能够保证多个监测中心的覆盖质量,同时实现对其余区域的均衡且尽可能高效的覆盖。仿真实验的结果分析表明,算法实现了对多个重点监测区域的高覆盖质量,且在多中心点间的区域具有更好的覆盖均衡性。
暂无评论