摘要：为实现在模块化设计中标准化,文章提出一种相似性评价方法;基于对模块变型系列的讨论,建立了一套能够实现功能与结构定量对比的计算方法,并确定了评价模块相似度的流程,最后通过实例说明了该方法的有效性。

摘要：针对当前模型存在的精度低、冷启动等难题,设计用户和相似性填充相融合的协同过滤推荐模型。采用稀疏评分矩阵建立用户评分项目集合,对评分矩阵进行降维、构建近似评分矩阵,采用该矩阵填充用户项目的评分集合,得到用户间相似度,采用信任度因子对填充误差进行合理调整,得到最终的用户间相似度,采用标准数据集Movielens和BookCrossing对模型性能进行测试。测试结果表明,该模型获得了较高的整体预测精度,预测准确性优于其它模型,改善了协同过滤推荐效果。

摘要：为了对输电线路振动进行有效阻尼控制,提出了一种惯性测量参数的时间序列分段模式的输电线路振动分析方法。首先设计一种MIMU测量节点,采用一定长度的弹性杆进行信号物理放大和防磁干扰,并对采集的输电线路振动信息进行AR-Kalman滤波处理;然后把处理过的数据分为不同数据段,静止时数据作为基准段,把后采集的数据段与基准段进行变异分析,计算变异度,预测输电线路振动幅度;对相邻两段数据进行相似度量,计算相似度,预测输电线路振动频率,分析振动趋势;最后设计了振动台、转台和输电线路模拟实验,采集不同振动幅度及频率的MIMU信号,通过幅度、频率及趋势的综合分析,获取本地区输电线路振动特性,实验结果表明,处理数据结果能够反映输电线路振动变化规律,说明输电线路振动分析方法是有效的,可为输电线路的振动阻尼控制器设计提供参数。

摘要：针对现有的转辙机缺口机器视觉自动检测方法的不足,提出一种简易的缺口模板匹配检测算法。根据图像中的缺口特征设计融合其梯度方向和尺寸信息的变尺度模板,对采集的缺口图像进行自适应阈值分割和形态学滤波,将缺口二值图像进行变形,以增强匹配模板的鲁棒性和简化相似性度量匹配准则,使用设计的变尺度模板和相似性度量对缺口进行检测识别。针对缺口位移过大时缺口边界被遮挡的问题,设计连通域提取方案,补偿匹配检测结果。试验结果表明:该算法简单快速,对安装角度、距离和光照变化鲁棒性强,测量区间广,测量精度在0~4.0 mm的测量区间内达到0.1 mm。

摘要：为了实现对已有数控工艺设计成果的有效重用,提出了一种基于局部特征匹配的数控工艺推荐系统模型,该模型利用局部特征级的三维极半径矩结合几何尺寸等其他几何语义信息建立加工几何特征,并对典型局部特征对应的数控工艺信息进行有效组织与表达,构建数控工艺案例库。设计了一种基于综合加权的加工几何特征的相似性度量方法,以此实现局部特征的检索与加工特征的准确匹配,并根据匹配程度定义数控工艺实例复用方法,结合用户加工需求,最终产生合适的数控工艺推荐方案。

摘要：针对异质社交网络社区识别问题,提出一种基于随机游走层次社区识别算法。提出异质网络层级吸引力度量函数,构建异质网络随机游走模型;设计了一种基于2-hop互随机游走的异质网络节点相似性度量函数;通过将该相似性函数推广到层次聚类并设计相应的相似矩阵校准方案,异质社区识别任务可以在较短的时间内迭代完成。人工合成网络和真实网络上的仿真实验验证了算法的可行性和有效性。

摘要：随着现代开放式室内设计理念的流行,一些功能场所逐渐转变为开放或半开放式,对这类场所的认知成为服务机器人面临的新挑战.文中提出一种基于认知心理学原型理论的算法来提高机器人对开放式室内场所的认知能力.首先,设计场所概念的原型模型,主要包括场所概念的特征物品描述和物品间典型空间关系描述.然后提出一种相似性度量函数及一种空间关系评分准则,将两者用于度量当前环境与场所概念原型的相似程度.最后,讨论场所区域感知问题及区域交叠对场所概念感知的影响.仿真实验表明,该算法能够解决对开放式室内场所的感知,具有一定灵活性和鲁棒性.

摘要：构造层次化分类器的首要环节是确定各个子分类器的层属关系及其内部组成.从模式间的相似关系入手,实现了一种自动产生层次化分类器结构的方法.为了描述模式间的相似关系,首先提出利用混淆矩阵度量相似性的思路与方法,避免了现有常用度量方法计算量大、假设条件难以成立的不足.进而遵循Fisher准则,设计并实现了模式相似关系分析机(patterns’similarityrelationshipanalyzingmachine,简称PSRAM),将有师指派和无师自组两种常用的模式重组方法有机结合起来,自适应地产生层次化分类器结构.大量测试证实,该方法有效、实用,可以显著地提高分类器的识别性能和稳健性.

摘要：基于内容的多媒体信息检索是当前世界的研究热点 ,然而在图像内容表示及其相似性度量这两个关键问题上取得的进展还不能令人满意 .通过深入研究纹理的本质和人类视觉系统的特性 ,结合MPEG 7标准提出的图像内容描述子概念 ,提出一种新的谱方法来描述图像的纹理特征 ,并将其应用于图像内容的表示和检索 .在此基础上 ,讨论了图像的颜色描述子和相似性度量策略 。

摘要：谱聚类是一种比传统聚类算法更为高效的算法,其建立在谱图理论基础上,并将聚类问题转化为图的最优划分问题.与传统k-means算法不同的是,谱聚类算法不仅能够在任意形状的样本空间上实现聚类,而且可以收敛至全局最优解.然而,谱聚类算法的计算开销较大,不仅需要计算任意两个样本之间的相似性,而且还需要计算Laplacian矩阵的特征向量.因此,在大规模数据场景下,谱聚类算法存在计算耗时过长甚至无法完成计算的问题.为了解决谱聚类算法在大规模数据场景下的计算性能问题,使得谱聚类算法能够应用在大数据集上,文中基于Apache Spark分布式并行计算框架研究并实现了大规模并行谱聚类算法SCoS,对算法流程中的每个计算步骤进行了并行化.具体的,SCoS主要实现了相似度矩阵构建与稀疏化过程的并行化、Laplacian矩阵构建与正规化过程的并行化、正规化Laplacian矩阵特征向量计算的并行化以及k-means聚类的并行化.为了降低谱聚类算法中大规模样本相似性计算的开销,SCoS采用了基于多轮迭代的并行计算方式实现大规模样本之间的相似性计算.针对大规模谱聚类算法中耗时较长的Laplacian矩阵特征向量求解问题,SCoS基于ScaLAPACK实现了特征向量的并行化求解,同时文中也实现了近似特征向量计算算法,并且对比分析了精确特征向量计算与近似特征向量计算对于谱聚类算法的性能影响.为了进一步提升大规模谱聚类算法的性能,SCoS采取了矩阵稀疏化表示与存储、Laplacian矩阵乘法优化以及k-means聚类中距离计算放缩剪枝等多种优化手段,尽可能地减少计算开销、存储空间开销以及数据传输开销.实验表明,SCoS不仅在聚类效果上要优于传统的聚类算法,而且具有较高的运行效率,特别是在大规模数据集下,仍具有较高的计算性能,并表现出了良好的数据可扩展性和系统可扩展性.