检索结果-内蒙古大学图书馆

振动与冲击 2019年第15期38卷 209-215页

作者：于军丁博何勇军哈尔滨理工大学自动化学院哈尔滨150080 哈尔滨理工大学计算机科学与技术学院哈尔滨150080

采用求同排异思想的悲观多粒度粗糙集是一种规避风险的决策策略,其限制条件过于苛刻,导致约简后的征兆属性集维数过低,难于对滚动轴承的状态做出准确判断。为此,提出一种基于平均多粒度决策粗糙集和非朴素贝叶斯分类器(Non-Naive Bayesi... 详细信息

采用求同排异思想的悲观多粒度粗糙集是一种规避风险的决策策略,其限制条件过于苛刻,导致约简后的征兆属性集维数过低,难于对滚动轴承的状态做出准确判断。为此,提出一种基于平均多粒度决策粗糙集和非朴素贝叶斯分类器(Non-Naive Bayesian Classifier, NNBC)的滚动轴承故障诊断方法。该方法提取训练样本中滚动轴承的故障特征,用于构建平均多粒度决策粗糙集;采用基于平均多粒度决策粗糙集的属性约简算法,降低训练样本中征兆属性集的维数;根据约简后的训练样本构建NNBC,用于判断待诊样本中滚动轴承状态。实验结果表明该方法能够准确地判断滚动轴承的故障类型及故障程度。

关键词：平均多粒度决策粗糙集属性约简非朴素贝叶斯分类器滚动轴承故障诊断

来源：评论

学校读者我要写书评

暂无评论

道路网环境下K-支配空间Skyline查询方法

引用

计算机研究与发展 2020年第1期57卷 227-239页

作者：李松窦雅男郝晓红张丽平郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

为了弥补已有的研究成果无法直接处理道路网环境下K-支配空间Skyline查询问题的不足,提出了基于网络Voronoi图的道路网环境下K-支配空间Skyline查询方法.该方法将K-支配应用到道路网Skyline查询中以处理多属性数据对象,在实际应用中可... 详细信息

为了弥补已有的研究成果无法直接处理道路网环境下K-支配空间Skyline查询问题的不足,提出了基于网络Voronoi图的道路网环境下K-支配空间Skyline查询方法.该方法将K-支配应用到道路网Skyline查询中以处理多属性数据对象,在实际应用中可以用来解决道路网环境下多目标查询和决策问题.方法主要包括道路网中约减数据集过程和K-支配检查过程.首先基于空间数据点构建网络Voronoi图,并对查询点建立查询凸包,通过网络Voronoi图的性质与查询区域的位置关系对数据集约减,从而优化数据集并且有效地减少查询点重复搜索的现象;然后对候选集的非空间属性进行K-支配检查得到道路网精炼集合;最后对精炼集合进行支配检查得到最终的空间Skyline集合.理论研究和实验表明所提出的方法具有较高的效率,可较好地处理道路网环境下K-支配空间Skyline查询问题.

关键词：空间Skyline查询多目标决策 Voronoi图道路网空间属性

来源：评论

学校读者我要写书评

暂无评论

基于Voronoi图的组最近邻查询

引用

计算机研究与发展 2010年第7期47卷 1244-1251页

作者：孙冬璞郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

组最近邻查询由于涉及多个查询点,因此比传统的最近邻查询更为复杂.充分考虑查询点的分布特征以及它们构成的几何图形的性质和特点,给出组最近邻所应满足的条件及判断组最近邻的理论方法.提出基于Voronoi图的组最近邻查询的VGNN算法,可... 详细信息

组最近邻查询由于涉及多个查询点,因此比传统的最近邻查询更为复杂.充分考虑查询点的分布特征以及它们构成的几何图形的性质和特点,给出组最近邻所应满足的条件及判断组最近邻的理论方法.提出基于Voronoi图的组最近邻查询的VGNN算法,可以精确求解查询点集的最近邻.对于查询点不共线的情况,该算法的查询方式是以一点为中心、向外扩张式的;对于查询点共线的情况,该算法给出搜索范围,限定了参与计算的数据点的个数.给出基于Voronoi图的VTree索引.实验结果表明,基于VTree索引的VGNN算法具有较好的性能,并且当查询点不共线时,其性能具有较高的稳定性.

关键词：组最近邻 Voronoi图邻接生成点 VGNN算法 VTree索引

来源：评论

学校读者我要写书评

暂无评论

语音识别中带宽失配的补偿研究

引用

计算机学报 2011年第9期34卷 1629-1637页

作者：何勇军韩纪庆哈尔滨工业大学计算机科学与技术学院哈尔滨150001 哈尔滨理工大学计算机科学与技术学院哈尔滨150080

目前的语音识别系统在训练环境与测试环境匹配的情况下具有很高的识别率,而当环境失配时,其性能将急剧下降.作者研究发现,带宽失配,即训练语料和测试语料带宽不一致,也是引起环境失配的主要原因之一.当测试语音带宽比训练语音带宽窄时,... 详细信息

目前的语音识别系统在训练环境与测试环境匹配的情况下具有很高的识别率,而当环境失配时,其性能将急剧下降.作者研究发现,带宽失配,即训练语料和测试语料带宽不一致,也是引起环境失配的主要原因之一.当测试语音带宽比训练语音带宽窄时,丢失的频段不可逆,且其影响在倒谱域或对数频谱域上是时变的,因而无法用目前的信道补偿方法补偿.文章在分析丢失频段对梅尔频率倒谱系数影响的基础上,提出了用频谱折叠方法对窄带测试语音进行补偿.在此基础上给出了语音带宽检测算法和带宽补偿统一框架.在AN4和TIMIT/NTIMIT数据库上的实验表明,该框架能有效增强语音识别系统在带宽失配情况下的鲁棒性.

关键词：带宽失配畸变补偿梅尔倒谱鲁棒性语音识别

来源：评论

学校读者我要写书评

暂无评论

基于低秩表示的鲁棒判别特征子空间学习模型

引用

电子与信息学报 2020年第5期42卷 1223-1230页

作者：李骜刘鑫陈德运张英涛孙广路哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

特征子空间学习是图像识别及分类任务的关键技术之一,传统的特征子空间学习模型面临两个主要的问题。一方面是如何使样本在投影到特征空间后有效地保持其局部结构和判别性。另一方面是当样本含噪时传统学习模型所发生的失效问题。针对... 详细信息

特征子空间学习是图像识别及分类任务的关键技术之一,传统的特征子空间学习模型面临两个主要的问题。一方面是如何使样本在投影到特征空间后有效地保持其局部结构和判别性。另一方面是当样本含噪时传统学习模型所发生的失效问题。针对上述两个问题,该文提出一种基于低秩表示(LRR)的判别特征子空间学习模型,该模型的主要贡献包括:通过低秩表示探究样本的局部结构,并利用表示系数作为样本在投影空间的相似性约束,使投影子空间能够更好地保持样本的局部近邻关系;为提高模型的抗噪能力,构造了一种利用低秩重构样本的判别特征学习约束项,同时增强模型的判别性和鲁棒性;设计了一种基于交替优化技术的迭代数值求解方案来保证算法的收敛性。该文在多个视觉数据集上进行分类任务的对比实验,实验结果表明所提算法在分类准确度和鲁棒性方面均优于传统特征学习方法。

关键词：图像分类子空间学习特征提取低秩表示

来源：评论

学校读者我要写书评

暂无评论

基于B^Z树深度优先高维空间范围查询算法

引用

高技术通讯 2010年第8期20卷 833-839页

作者：徐红波郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

考虑到在低维空间中基于线性扫描、R树、VA文件和NB树的空间范围查询算法的查询效率较高,而在高维空间中这些算法均出现不同程度的性能恶化现象,将降低空间维度作为解决高维空间范围查询问题的关键,并利用基于Z曲线的网格划分方法降低... 详细信息

考虑到在低维空间中基于线性扫描、R树、VA文件和NB树的空间范围查询算法的查询效率较高,而在高维空间中这些算法均出现不同程度的性能恶化现象,将降低空间维度作为解决高维空间范围查询问题的关键,并利用基于Z曲线的网格划分方法降低空间维度,使用Z区域聚类相似数据给出了一种改进的索引结构B^Z树,提出了一种深度优先高维空间范围查询算法ZRRQ。该算法采用高效剪枝策略,能够快速遍历B^Z树。实验结果表明,在高维空间中该算法优于基于线性扫描、R树、VA文件和NB树的空间范围查询算法。

关键词：高维空间范围查询降维 Z曲线 Z区域 B^Z树

来源：评论

学校读者我要写书评

暂无评论

多范畴的Vague区域关系表示与分析

引用

高技术通讯 2010年第3期20卷 253-258页

作者：李松郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

为了处理模糊区域内模糊点的不确定信息和在不同范畴下表示模糊区域关系,针对模糊区域内模糊点的不确定性和模糊区域粗糙表示的复杂性和多样性,基于Vague集和Rough集的结合对模糊区域及模糊区域关系进行了详细的研究。定义了Vague区域... 详细信息

为了处理模糊区域内模糊点的不确定信息和在不同范畴下表示模糊区域关系,针对模糊区域内模糊点的不确定性和模糊区域粗糙表示的复杂性和多样性,基于Vague集和Rough集的结合对模糊区域及模糊区域关系进行了详细的研究。定义了Vague区域、模糊相似类区域和粗糙Vague区域等基本概念,详细研究了多范畴的Vague区域关系表示方法,提出了不同粗糙近似模型的多类粗糙Vague区域关系的表示方法,进一步给出了粗糙Vague区域关系的可能蕴涵式。研究成果可对不确定的模糊区域进行统一数学建模和数学描述,较好地解决了多范畴下的模糊区域关系表示等问题。

关键词： Vague区域 Vague集 Rough集 Vague区域关系交集模型

来源：评论

学校读者我要写书评

暂无评论

空间网络间的空间关系的表示和推理

引用

计算机学报 2010年第12期33卷 2248-2257页

作者：郝忠孝李松哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

空间网络间的空间关系的表示和推理在空间数据库领域具有重要的意义.为了对复杂的空间网络间的空间关系进行定义和区分,首先提出了空间网络间的空间关系的谓词表示和交集模型表示方法,给出了空间网络间的空间关系模型的特征条件式和蕴... 详细信息

空间网络间的空间关系的表示和推理在空间数据库领域具有重要的意义.为了对复杂的空间网络间的空间关系进行定义和区分,首先提出了空间网络间的空间关系的谓词表示和交集模型表示方法,给出了空间网络间的空间关系模型的特征条件式和蕴涵条件式,进一步给出了空间网络间的空间关系的划分定理和推论;系统研究了空间网络间的空间关系的推理方法,针对空间网络间的空间关系推理特点,提出了推理相斥规则和推理蕴涵规则.研究成果为空间网络间的空间关系在空间数据库中的应用奠定了基础,极大地增强了空间数据库处理复杂对象的空间关系的能力.

关键词：空间网络空间关系交集模型谓词表示空间推理

来源：评论

学校读者我要写书评

暂无评论

强全序时态模式中混合依赖集成员籍问题的研究

引用

计算机研究与发展 2009年第6期46卷 1028-1035页

作者：万静王晓宇郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

对于TFD和RTMVD混合依赖集约束的强全序时态模式来说,成员籍问题的解决对设计有效的模式分解算法必不可少.由于强全序时态模式中多时间粒度的使用,使其成员籍问题的解决变得更加复杂.为此定义了强全序时态模式下的属性集在给定时态类型... 详细信息

对于TFD和RTMVD混合依赖集约束的强全序时态模式来说,成员籍问题的解决对设计有效的模式分解算法必不可少.由于强全序时态模式中多时间粒度的使用,使其成员籍问题的解决变得更加复杂.为此定义了强全序时态模式下的属性集在给定时态类型上的混合闭包、属性集的混合闭包、属性集在给定时态类型上的混合依赖基、属性集的混合依赖基等概念,给出了求强全序时态模式下属性集的混合闭包、属性集的混合依赖基以及TFD和RTMVD混合依赖集成员籍问题的算法,并对算法的可终止性、正确性进行了证明,对时间复杂性进行了分析.

关键词：多时间粒度强全序时态模式混合闭包混合依赖基成员籍

来源：评论

学校读者我要写书评

暂无评论

障碍空间中基于Voronoi图的组反k最近邻查询研究

引用

计算机研究与发展 2017年第4期54卷 861-871页

作者：张丽平刘蕾郝晓红李松郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

为了解决已有研究成果无法有效处理障碍空间中的组反k最近邻查询问题,提出了障碍物环境中基于Voronoi图的OGRkNN查询方法,该方法获得的结果集是将一组查询点中任意一点作为障碍kNN的数据点集合,在实际应用中可以用来评估一组查询对象的... 详细信息

为了解决已有研究成果无法有效处理障碍空间中的组反k最近邻查询问题,提出了障碍物环境中基于Voronoi图的OGRkNN查询方法,该方法获得的结果集是将一组查询点中任意一点作为障碍kNN的数据点集合,在实际应用中可以用来评估一组查询对象的影响力.依据障碍物集合是否发生变化提出了2种情况下的OGRkNN查询方法,一种是静态障碍物环境下的OGRkNN查询(简称STA_OGRkNN查询)方法,另一种是动态障碍物环境下的OGRkNN查询(简称DYN_OGRkNN查询)方法.其中STA_OGRkNN查询方法利用Voronoi图的邻接特性可以在剪枝阶段有效地过滤掉大量的非候选者,快速地缩小查询范围,提高整个算法的查询效率,在精炼阶段有效地提高了算法的准确性.进一步给出了3种情况下的DYN_OGRkNN查询方法,分别为障碍物动态增加情况下的OGRkNN查询算法、障碍物动态减少情况下的OGRkNN查询算法以及障碍物动态移动情况下的OGRkNN查询算法.理论研究和实验结果表明所提算法具有较高效率.

关键词： Voronoi图组反k最近邻障碍空间空间数据库动态查询

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：