数据融合的英文资料
OSS简介

OSSOSS是一个综合的业务运营和管理平台,同时也是真正融合了传统IP数据业务与移动增值业务的综合管理平台。
OSS是电信运营商的一体化、信息资源共享的支持系统,它主要由网络管理、系统管理、计费、营业、账务和客户服务等部分组成,系统间通过统一的信息总线有机整合在一起。
它不仅能在帮助运营商制订符合自身特点的运营支撑系统的同时帮助确定系统的发展方向,还能帮助用户制订系统的整合标准,改善和提高用户的服务水平。
目录OSS = The Office of Strategic Services,美国战略服务局[1],第二次世界大战以后美国为对付冲突而设立的情报组织。
OSS = Open Source Software,开源软件[2](开放源代码软件)。
OSS = Open Sound System,声卡[3],是unix平台上一个统一的音频接口。
OSS= Operation Support System,运营支撑系统。
[4]OSS = ONLY SHINING STAR,中江俊亮的一首歌曲名。
OSS = Office of Space Science,太空科学处,参见美国国家航空和太空局太空科学研究处。
[5]OSS = the Old Syriac Sinaiticus,一个358页的圣经手抄本。
[6] OSS = Optical Stabilized System ,光学稳定系统(常见于数码相机的防抖镜头)。
BSS:Business support system 业务支撑系统OSS:Operation support system 运营支撑系统MSS:Management support System 管理支撑系统(前二者又合称BOSS:Business and Operation support system ,电信业务运营支持系统)在企业(特别在是电信行业)IT战略规划中占据了重要地位的三大支柱内容.对于BOSS,面对客户是统一的;面对电信运营商,它融合了业务支撑系统(BSS)与运营支撑系统(OSS),是一个综合的业务运营和管理平台,同时也是真正融合了传统IP数据业务与移动增值业务的综合管理平台。
人工智能领域中英文专有名词汇总

名词解释中英文对比<using_information_sources> social networks 社会网络abductive reasoning 溯因推理action recognition(行为识别)active learning(主动学习)adaptive systems 自适应系统adverse drugs reactions(药物不良反应)algorithm design and analysis(算法设计与分析) algorithm(算法)artificial intelligence 人工智能association rule(关联规则)attribute value taxonomy 属性分类规范automomous agent 自动代理automomous systems 自动系统background knowledge 背景知识bayes methods(贝叶斯方法)bayesian inference(贝叶斯推断)bayesian methods(bayes 方法)belief propagation(置信传播)better understanding 内涵理解big data 大数据big data(大数据)biological network(生物网络)biological sciences(生物科学)biomedical domain 生物医学领域biomedical research(生物医学研究)biomedical text(生物医学文本)boltzmann machine(玻尔兹曼机)bootstrapping method 拔靴法case based reasoning 实例推理causual models 因果模型citation matching (引文匹配)classification (分类)classification algorithms(分类算法)clistering algorithms 聚类算法cloud computing(云计算)cluster-based retrieval (聚类检索)clustering (聚类)clustering algorithms(聚类算法)clustering 聚类cognitive science 认知科学collaborative filtering (协同过滤)collaborative filtering(协同过滤)collabrative ontology development 联合本体开发collabrative ontology engineering 联合本体工程commonsense knowledge 常识communication networks(通讯网络)community detection(社区发现)complex data(复杂数据)complex dynamical networks(复杂动态网络)complex network(复杂网络)complex network(复杂网络)computational biology 计算生物学computational biology(计算生物学)computational complexity(计算复杂性) computational intelligence 智能计算computational modeling(计算模型)computer animation(计算机动画)computer networks(计算机网络)computer science 计算机科学concept clustering 概念聚类concept formation 概念形成concept learning 概念学习concept map 概念图concept model 概念模型concept modelling 概念模型conceptual model 概念模型conditional random field(条件随机场模型) conjunctive quries 合取查询constrained least squares (约束最小二乘) convex programming(凸规划)convolutional neural networks(卷积神经网络) customer relationship management(客户关系管理) data analysis(数据分析)data analysis(数据分析)data center(数据中心)data clustering (数据聚类)data compression(数据压缩)data envelopment analysis (数据包络分析)data fusion 数据融合data generation(数据生成)data handling(数据处理)data hierarchy (数据层次)data integration(数据整合)data integrity 数据完整性data intensive computing(数据密集型计算)data management 数据管理data management(数据管理)data management(数据管理)data miningdata mining 数据挖掘data model 数据模型data models(数据模型)data partitioning 数据划分data point(数据点)data privacy(数据隐私)data security(数据安全)data stream(数据流)data streams(数据流)data structure( 数据结构)data structure(数据结构)data visualisation(数据可视化)data visualization 数据可视化data visualization(数据可视化)data warehouse(数据仓库)data warehouses(数据仓库)data warehousing(数据仓库)database management systems(数据库管理系统)database management(数据库管理)date interlinking 日期互联date linking 日期链接Decision analysis(决策分析)decision maker 决策者decision making (决策)decision models 决策模型decision models 决策模型decision rule 决策规则decision support system 决策支持系统decision support systems (决策支持系统) decision tree(决策树)decission tree 决策树deep belief network(深度信念网络)deep learning(深度学习)defult reasoning 默认推理density estimation(密度估计)design methodology 设计方法论dimension reduction(降维) dimensionality reduction(降维)directed graph(有向图)disaster management 灾害管理disastrous event(灾难性事件)discovery(知识发现)dissimilarity (相异性)distributed databases 分布式数据库distributed databases(分布式数据库) distributed query 分布式查询document clustering (文档聚类)domain experts 领域专家domain knowledge 领域知识domain specific language 领域专用语言dynamic databases(动态数据库)dynamic logic 动态逻辑dynamic network(动态网络)dynamic system(动态系统)earth mover's distance(EMD 距离) education 教育efficient algorithm(有效算法)electric commerce 电子商务electronic health records(电子健康档案) entity disambiguation 实体消歧entity recognition 实体识别entity recognition(实体识别)entity resolution 实体解析event detection 事件检测event detection(事件检测)event extraction 事件抽取event identificaton 事件识别exhaustive indexing 完整索引expert system 专家系统expert systems(专家系统)explanation based learning 解释学习factor graph(因子图)feature extraction 特征提取feature extraction(特征提取)feature extraction(特征提取)feature selection (特征选择)feature selection 特征选择feature selection(特征选择)feature space 特征空间first order logic 一阶逻辑formal logic 形式逻辑formal meaning prepresentation 形式意义表示formal semantics 形式语义formal specification 形式描述frame based system 框为本的系统frequent itemsets(频繁项目集)frequent pattern(频繁模式)fuzzy clustering (模糊聚类)fuzzy clustering (模糊聚类)fuzzy clustering (模糊聚类)fuzzy data mining(模糊数据挖掘)fuzzy logic 模糊逻辑fuzzy set theory(模糊集合论)fuzzy set(模糊集)fuzzy sets 模糊集合fuzzy systems 模糊系统gaussian processes(高斯过程)gene expression data 基因表达数据gene expression(基因表达)generative model(生成模型)generative model(生成模型)genetic algorithm 遗传算法genome wide association study(全基因组关联分析) graph classification(图分类)graph classification(图分类)graph clustering(图聚类)graph data(图数据)graph data(图形数据)graph database 图数据库graph database(图数据库)graph mining(图挖掘)graph mining(图挖掘)graph partitioning 图划分graph query 图查询graph structure(图结构)graph theory(图论)graph theory(图论)graph theory(图论)graph theroy 图论graph visualization(图形可视化)graphical user interface 图形用户界面graphical user interfaces(图形用户界面)health care 卫生保健health care(卫生保健)heterogeneous data source 异构数据源heterogeneous data(异构数据)heterogeneous database 异构数据库heterogeneous information network(异构信息网络) heterogeneous network(异构网络)heterogenous ontology 异构本体heuristic rule 启发式规则hidden markov model(隐马尔可夫模型)hidden markov model(隐马尔可夫模型)hidden markov models(隐马尔可夫模型) hierarchical clustering (层次聚类) homogeneous network(同构网络)human centered computing 人机交互技术human computer interaction 人机交互human interaction 人机交互human robot interaction 人机交互image classification(图像分类)image clustering (图像聚类)image mining( 图像挖掘)image reconstruction(图像重建)image retrieval (图像检索)image segmentation(图像分割)inconsistent ontology 本体不一致incremental learning(增量学习)inductive learning (归纳学习)inference mechanisms 推理机制inference mechanisms(推理机制)inference rule 推理规则information cascades(信息追随)information diffusion(信息扩散)information extraction 信息提取information filtering(信息过滤)information filtering(信息过滤)information integration(信息集成)information network analysis(信息网络分析) information network mining(信息网络挖掘) information network(信息网络)information processing 信息处理information processing 信息处理information resource management (信息资源管理) information retrieval models(信息检索模型) information retrieval 信息检索information retrieval(信息检索)information retrieval(信息检索)information science 情报科学information sources 信息源information system( 信息系统)information system(信息系统)information technology(信息技术)information visualization(信息可视化)instance matching 实例匹配intelligent assistant 智能辅助intelligent systems 智能系统interaction network(交互网络)interactive visualization(交互式可视化)kernel function(核函数)kernel operator (核算子)keyword search(关键字检索)knowledege reuse 知识再利用knowledgeknowledgeknowledge acquisitionknowledge base 知识库knowledge based system 知识系统knowledge building 知识建构knowledge capture 知识获取knowledge construction 知识建构knowledge discovery(知识发现)knowledge extraction 知识提取knowledge fusion 知识融合knowledge integrationknowledge management systems 知识管理系统knowledge management 知识管理knowledge management(知识管理)knowledge model 知识模型knowledge reasoningknowledge representationknowledge representation(知识表达) knowledge sharing 知识共享knowledge storageknowledge technology 知识技术knowledge verification 知识验证language model(语言模型)language modeling approach(语言模型方法) large graph(大图)large graph(大图)learning(无监督学习)life science 生命科学linear programming(线性规划)link analysis (链接分析)link prediction(链接预测)link prediction(链接预测)link prediction(链接预测)linked data(关联数据)location based service(基于位置的服务) loclation based services(基于位置的服务) logic programming 逻辑编程logical implication 逻辑蕴涵logistic regression(logistic 回归)machine learning 机器学习machine translation(机器翻译)management system(管理系统)management( 知识管理)manifold learning(流形学习)markov chains 马尔可夫链markov processes(马尔可夫过程)matching function 匹配函数matrix decomposition(矩阵分解)matrix decomposition(矩阵分解)maximum likelihood estimation(最大似然估计)medical research(医学研究)mixture of gaussians(混合高斯模型)mobile computing(移动计算)multi agnet systems 多智能体系统multiagent systems 多智能体系统multimedia 多媒体natural language processing 自然语言处理natural language processing(自然语言处理) nearest neighbor (近邻)network analysis( 网络分析)network analysis(网络分析)network analysis(网络分析)network formation(组网)network structure(网络结构)network theory(网络理论)network topology(网络拓扑)network visualization(网络可视化)neural network(神经网络)neural networks (神经网络)neural networks(神经网络)nonlinear dynamics(非线性动力学)nonmonotonic reasoning 非单调推理nonnegative matrix factorization (非负矩阵分解) nonnegative matrix factorization(非负矩阵分解) object detection(目标检测)object oriented 面向对象object recognition(目标识别)object recognition(目标识别)online community(网络社区)online social network(在线社交网络)online social networks(在线社交网络)ontology alignment 本体映射ontology development 本体开发ontology engineering 本体工程ontology evolution 本体演化ontology extraction 本体抽取ontology interoperablity 互用性本体ontology language 本体语言ontology mapping 本体映射ontology matching 本体匹配ontology versioning 本体版本ontology 本体论open government data 政府公开数据opinion analysis(舆情分析)opinion mining(意见挖掘)opinion mining(意见挖掘)outlier detection(孤立点检测)parallel processing(并行处理)patient care(病人医疗护理)pattern classification(模式分类)pattern matching(模式匹配)pattern mining(模式挖掘)pattern recognition 模式识别pattern recognition(模式识别)pattern recognition(模式识别)personal data(个人数据)prediction algorithms(预测算法)predictive model 预测模型predictive models(预测模型)privacy preservation(隐私保护)probabilistic logic(概率逻辑)probabilistic logic(概率逻辑)probabilistic model(概率模型)probabilistic model(概率模型)probability distribution(概率分布)probability distribution(概率分布)project management(项目管理)pruning technique(修剪技术)quality management 质量管理query expansion(查询扩展)query language 查询语言query language(查询语言)query processing(查询处理)query rewrite 查询重写question answering system 问答系统random forest(随机森林)random graph(随机图)random processes(随机过程)random walk(随机游走)range query(范围查询)RDF database 资源描述框架数据库RDF query 资源描述框架查询RDF repository 资源描述框架存储库RDF storge 资源描述框架存储real time(实时)recommender system(推荐系统)recommender system(推荐系统)recommender systems 推荐系统recommender systems(推荐系统)record linkage 记录链接recurrent neural network(递归神经网络) regression(回归)reinforcement learning 强化学习reinforcement learning(强化学习)relation extraction 关系抽取relational database 关系数据库relational learning 关系学习relevance feedback (相关反馈)resource description framework 资源描述框架restricted boltzmann machines(受限玻尔兹曼机) retrieval models(检索模型)rough set theroy 粗糙集理论rough set 粗糙集rule based system 基于规则系统rule based 基于规则rule induction (规则归纳)rule learning (规则学习)rule learning 规则学习schema mapping 模式映射schema matching 模式匹配scientific domain 科学域search problems(搜索问题)semantic (web) technology 语义技术semantic analysis 语义分析semantic annotation 语义标注semantic computing 语义计算semantic integration 语义集成semantic interpretation 语义解释semantic model 语义模型semantic network 语义网络semantic relatedness 语义相关性semantic relation learning 语义关系学习semantic search 语义检索semantic similarity 语义相似度semantic similarity(语义相似度)semantic web rule language 语义网规则语言semantic web 语义网semantic web(语义网)semantic workflow 语义工作流semi supervised learning(半监督学习)sensor data(传感器数据)sensor networks(传感器网络)sentiment analysis(情感分析)sentiment analysis(情感分析)sequential pattern(序列模式)service oriented architecture 面向服务的体系结构shortest path(最短路径)similar kernel function(相似核函数)similarity measure(相似性度量)similarity relationship (相似关系)similarity search(相似搜索)similarity(相似性)situation aware 情境感知social behavior(社交行为)social influence(社会影响)social interaction(社交互动)social interaction(社交互动)social learning(社会学习)social life networks(社交生活网络)social machine 社交机器social media(社交媒体)social media(社交媒体)social media(社交媒体)social network analysis 社会网络分析social network analysis(社交网络分析)social network(社交网络)social network(社交网络)social science(社会科学)social tagging system(社交标签系统)social tagging(社交标签)social web(社交网页)sparse coding(稀疏编码)sparse matrices(稀疏矩阵)sparse representation(稀疏表示)spatial database(空间数据库)spatial reasoning 空间推理statistical analysis(统计分析)statistical model 统计模型string matching(串匹配)structural risk minimization (结构风险最小化) structured data 结构化数据subgraph matching 子图匹配subspace clustering(子空间聚类)supervised learning( 有support vector machine 支持向量机support vector machines(支持向量机)system dynamics(系统动力学)tag recommendation(标签推荐)taxonmy induction 感应规范temporal logic 时态逻辑temporal reasoning 时序推理text analysis(文本分析)text anaylsis 文本分析text classification (文本分类)text data(文本数据)text mining technique(文本挖掘技术)text mining 文本挖掘text mining(文本挖掘)text summarization(文本摘要)thesaurus alignment 同义对齐time frequency analysis(时频分析)time series analysis( 时time series data(时间序列数据)time series data(时间序列数据)time series(时间序列)topic model(主题模型)topic modeling(主题模型)transfer learning 迁移学习triple store 三元组存储uncertainty reasoning 不精确推理undirected graph(无向图)unified modeling language 统一建模语言unsupervisedupper bound(上界)user behavior(用户行为)user generated content(用户生成内容)utility mining(效用挖掘)visual analytics(可视化分析)visual content(视觉内容)visual representation(视觉表征)visualisation(可视化)visualization technique(可视化技术) visualization tool(可视化工具)web 2.0(网络2.0)web forum(web 论坛)web mining(网络挖掘)web of data 数据网web ontology lanuage 网络本体语言web pages(web 页面)web resource 网络资源web science 万维科学web search (网络检索)web usage mining(web 使用挖掘)wireless networks 无线网络world knowledge 世界知识world wide web 万维网world wide web(万维网)xml database 可扩展标志语言数据库附录 2 Data Mining 知识图谱(共包含二级节点15 个,三级节点93 个)间序列分析)监督学习)领域 二级分类 三级分类。
英文翻译基于数据融合的网络连接故障检测

基于数据融合的网络连接故障检测摘要:为了及时发现网络连接故障,以及关机和网络连接之间的区别故障,本文提出了一种基于数据融合技术的建模网络连接故障检测.根据本模型,我们设计了一个基于网络连接故障检测工具(NCFDT)的指纹考勤系统。
假设打开或关闭它后,它的用户拥有对这台电脑刷指纹的权利,那么NCFDT将增加它的IP到扫描列表,它的扫描列表的IP地址会在关机后清除。
该NCFDT采用数据融合技术来检测机器的连接是否良好。
如果检测到连接故障,一个SMS报警信号将会发送到管理员,以便管理员可以快速的解决。
实验结果表明,在局域网中该模型能有效和及时的检测到任何连接故障,并且也能发送警报短信给管理员,监控主机(主机A)也可以连接到该局域网中。
此外,我们提高的心跳系统可以有效的监控主机A 的网络状态。
关键词:网络故障;网络连接故障;短信报警;定时关机;心跳系统1 引言如今,在我们的工作和学习中受欢迎的网络正发挥着越来越重要的作用,并且这种作用正在补款的攀升。
然而,网络的设计是有缺陷的,并且无法保证网络的无故障运行。
因此如何快速的检测网络的故障和效率是有非常重要的意义。
网络连接故障是网络中最常见的故障发生最频繁的类型。
有各种各样的方法可以检测一台机器是否在线。
你可以利用现有的工具进行检测,例如简单的平指令,功能更强大的nmap指令等。
但是区分关机脱机之间的方法而造成网络故障下线时罕见的。
为了及时检测上网冲浪的故障,本文提出了区分关机和网络连接故障的新方法。
在C语言编程在Ubuntu系统的指纹考勤系统(NCFDT)中,我们实现设计了一个基于使用函数库来检测网络连接故障的工具。
该NCFDT采用三种方式来扫描计算机是否启动,并且能准确分析被扫描主机的网络连接状态。
此外,检测到网络故障时,该NCDFT会通过发送报警短信息通知管理员。
该NCFDT部署在管理机主机A中。
此外,辅助管理主机主机B的网络状态时稳定的部分,主机A会在每个固定的时间间隔发送给主机B一个心跳信号,一显示是否稳定。
地理信息科学B考试题库以及答案

1.什么是空间插值?空间插值就是利用离散点构建一个连续的曲面。
它的目的是使用有限的观测值,通过估计值对无数据的点进行填补。
(推论1)当只有内蕴量信息时,可通过地统计分析,弥补外蕴量信息缺口,运用HASM 构建高精度曲面。
空间插值常用于将离散点的测量数据转换为连续的数据曲面,以便与其它空间现象的分布模式进行比较,它包括了空间内插和外推两种算法。
(百科)尺度转换是指利用某一尺度上所获得的信息和知识来推测其它尺度的现象,包括升尺度和降尺度。
2.什么是空间降尺度?降尺度转换是指将粗分辨率数据向细分辨率转换。
(推论2)当粗分辨率宏观数据可用时,应补充地面观测信息,并运用HASM对此粗粉辨率数据进行降尺度处理,可获取更高精度的高分辨率曲面。
许多模型和数据由于空间分辨率太粗而无法用于分析区域尺度和局地尺度问题。
为了解决这个问题,需要研发降尺度方法,将粗分辨模型输出结果和粗分辨率数据降尺度为高空间分辨率数据。
3.什么是空间升尺度?升尺度是指将细分辨率数据向粗分辨率转换。
在许多情况下,为了节约计算成本,需要将细分辨率数据转换为粗分辨率数据,此过程称之为升尺度。
推论3(升尺度):当运用HASM将细分变率曲面转化为较粗分辨率曲面时,引入地面细节数据可提高升尺度结果的精度。
4.什么是数据融合?数据融合是将表达同一现实对象的多源、多尺度数据和知识集成成为一个一致的有用形式,其主要目的是提高信息的质量,使融合结果比单独使用任何一个数据源都有更高精度。
推论4(数据融合):卫星遥感信息可用时,必须补充来自地面观测信息,尚可运用HASM构建地球表层及其环境要素高精度曲面,得到较遥感信息更高精度的结果。
推论5(数据融合):卫星遥感信息和地面观测信息可用时,可运用HASM构建地球表层及其环境要素高精度曲面,获得较卫星遥感信息和地面观测信息精度都高的结果。
5.什么是数据同化?数据同化就是将地面观测数据并入系统模型的过程,其目的是提高系统模型的精度。
CPU的英文全称Central Processing Unit

CPU专题CPU的英文全称Central Processing Unit,中文名称即中央处理单元,也称为微处理器.中央处理器(Central Processing Unit,简写为CPU)的结构,CPU是决定电脑性能的核心部件。
CPU即中央处理单元,是英文Central Processing Unit 的缩写,是整个系统的核心,也是整个系统最高的执行单位。
它负责整个系统指令的执行,数学与逻辑的运算,数据的存储与传送,以及对内对外输入与输出的控制。
在向大家介绍CPU详细的情形之前,务必要让大家弄清楚到底CPU是什么?它到底有那些重要的性能指标呢?CPU的英文全称是Central Processing Unit,我们翻译成中文也就是中央处理器。
CPU(微型机系统)从雏形出现到发壮大的今天(下文会有交代),由于制造技术的越来越现今,在其中所集成的电子元件也越来越多,上万个,甚至是上百万个微型的晶体管构成了CPU的内部结构。
那么这上百万个晶体管是如何工作的呢?看上去似乎很深奥,其实只要归纳起来稍加分析就会一目了然的,CPU的内部结构可分为控制单元,逻辑单元和存储单元三大部分。
CPU的工作原理就象一个工厂对产品的加工过程:进入工厂的原料(指令),经过物资分配部门(控制单元)的调度分配,被送往生产线(逻辑运算单元),生产出成品(处理后的数据)后,再存储在仓库(存储器)中,最后等着拿到市场上去卖(交由应用程序使用)。
CPU作为是整个微机系统的核心,它往往是各种档次微机的代名词,如往日的286、386、486,到今日的奔腾、奔腾二、K6等等,CPU的性能大致上也就反映出了它所配置的那部微机的性能,因此它的性能指标十分重要。
在这里我们向大家简单介绍一些CPU主要的性能指标:第一、主频,倍频,外频。
经常听别人说:“这个CPU的频率是多少多少。
”其实这个泛指的频率是指CPU的主频,主频也就是CPU的时钟频率,英文全称:CPU Clock Speed,简单地说也就是CPU运算时的工作频率。
地统计与遥感---专业英语词汇

地统计以及遥感英文词汇300个:gray level co-occurrence matrix algorithm灰度共生矩阵算法characteristic of atmospheric transmission 大气传输特性earth resources technology satellite,ERTS 地球资源卫星Land-use and land-over change 土地利用土地覆盖变化Multi-stage stratified random sample 多级分层随机采样Normalized Difference Vegetation Index归一化植被指数Soil-Adjusted Vegetation Index土壤调整植被指数Modified Soil-Adjusted Vegetation Index修正土壤调整植被指数image resolution ,ground resolution影象分辨力(又称“象元地面分辨力”。
指象元地面尺寸。
) remote sensing information transmission遥感信息传输remote sensing information acquisition遥感信息获取multi- spectral remote sensing technology多光谱遥感技术Availability and accessibility 可用性和可获取性Association of Geographic Information (AGI) 地理信息协会Difference Vegetation Index差值植被指数image quality 影象质量Enhanced Vegetation Index增强型植被指数Ratio Vegetation Index比值植被指数Spatial autocorrelation 空间自相关Lag Size 滞后尺寸Ordinary kriging 普通克里金Indicator kriging 指示克里金Disjunctive kriging 析取克里金Simple kriging 简单克里金Bivariate normal distributions 双变量正态分布Universal kriging 通用克里金conditional simulation 条件模拟image filtering 图像滤波optimal sampling strategy 最优采样策略temporal and spatial patterns 时空格局Instantaneous field-of-view瞬时视场角azimuth 方位角wavelet transform method 小波变换算法priori probability 先验概率geometric distortion 几何畸变active remote sensing主动式遥感passive remote sensing 被动式遥感multispectral remote sensing多谱段遥感multitemporal remote sensing 多时相遥感infrared remote sensing 红外遥感microwave remote sensing微波遥感quantizing,quantization量化sampling interval 采样间隔digital mapping数字测图digital elevation model,DEM 数字高程模型digital surface model,DSM 数字表面模型solar radiation spectrum太阳辐射波谱atmospheric window 大气窗atmospheric transmissivity大气透过率atmospheric noise 大气噪声atmospheric refraction 大气折射atmospheric attenuation 大气衰减back scattering 后向散射annotation 注解spectrum character curve 波谱特征曲线spectrum response curve 波谱响应曲线spectrum feature space波谱特征空间spectrum cluster 波谱集群infrared spectrum 红外波谱reflectance spectrum反射波谱electro-magnetic spectrum 电磁波谱object spectrum characteristic地物波谱特性thermal radiation 热辐射microwave radiation微波辐射data acquisition数据获取data transmission数据传输data processing 数据处理ground receiving station地面接收站environmental survey satellite环境探测卫星geo-synchronous satellite地球同步卫星sun-synchronous satellite太阳同步卫星satellite attitude卫星姿态remote sensing platform 遥感平台static sensor 静态传感器dynamic sensor动态传感器optical sensor光学传感器microwave remote sensor微波传感器photoelectric sensor光电传感器radiation sensor辐射传感器satellite-borne sensor星载传感器airborne sensor机载传感器attitude-measuring sensor 姿态测量传感器image mosai图象镶嵌c image digitisation图象数字化ratio transformation比值变换biomass index transformation生物量指标变换tesseled cap transformation 穗帽变换reference data 参照数据image enhancement 图象增强edge enhanceme边缘增强ntedge detection边缘检测contrast enhancement反差增强texture enhancement 纹理增强ratio enhancement 比例增强texture analysis 纹理分析color enhancement 彩色增强pattern recognition 模式识别classifier 分类器supervised classification监督分类unsupervised classification非监督分类box classifier method 盒式分类法fuzzy classifier method 模糊分类法maximum likelihood classification最大似然分类minimum distance classification最小距离分类Bayesian classification 贝叶斯分类Computer-assisted classification机助分类illumination 照度principal component analysis 主成分分析spectral mixture analysis 混合像元分解fuzzy sets 模糊数据集topographic correction 地形校正ground truth data 地面真实数据Tasselled cap 缨帽变换Artificial neural networks 人工神经网络Visual interpretation 目视解译accuracy assessment 精度评价Omission error漏分误差commission error 错分误差Multi-source data 多源数据heterogeneous 非均质的Training sample 训练样本ancillary data 辅助数据dark-object subtraction 暗目标相减法discriminant analysis 判别分析‘salt and pepper’ effects 椒盐效应spectral confusion光谱混淆Cluster sampling 聚簇采样systematic sampling 系统采样Error matrix误差矩阵hard classification 硬分类Soft classification 软分类decision tree classifier 决策树分类器Spectral angle classifier 光谱角分类器support vector machine支持向量机Fuzzy expert system 模糊专家系统endmember spectral端元光谱Future extraction 特征提取image mosaic图像镶嵌density slicing密度分割least squares correlation 最小二乘相关data fusion 数据融合Image segmentation图像分割urban remote sensing 城市遥感atmospheric remote sensing大气遥感geomorphological remote sensing地貌遥感ground resolution地面分辨率ground date processing system地面数据处理系统ground remote sensing地面遥感object spectrum characteristic地物波谱特性space characteristic of object地物空间特性geological remote sensing地质遥感multispectral remote sensing多光谱遥感optical remote sensing technology光学遥感技术ocean remote sensing海洋遥感marine resource remote sensing海洋资源遥感aerial remote sensing航空遥感space photography航天摄影space remote sensing航天遥感infrared remote sensing红外遥感infrared remote sensing technology红外遥感技术environmental remote sensing环境遥感laser remote sensing激光遥感polar region remote sensing极地遥感visible light remote sensing可见光遥感range resolution空间分辨率radar remote sensing雷达遥感forestry remote sensing林业遥感agricultural remote sensing农业遥感forest remote sensing森林遥感water resources remote sensing水资源遥感land resource remote sensing土地资源遥感microwave emission微波辐射microwave remote sensing微波遥感microwave remote sensing technology微波遥感技术remote sensing sounding system遥感测深系统remote sensing estimation遥感估产remote sensing platform遥感平台satellite of remote sensing遥感卫星remote sensing instrument遥感仪器remote sensing image遥感影像remote sensing cartography遥感制图remote sensing expert system遥感专家系统active remote sensing主动式遥感passive remote sensing被动式遥感resource remote sensing资源遥感ultraviolet remote sensing紫外遥感attributive geographic data 属性地理数据attributes, types 属性,类型Geographic database types 地理数据库类型attribute data 属性数据Geographic individual 地理个体Geographic information (GI) 地理信息Exponential transform指数变换false colour composite 假彩色合成Image recognition 图像识别image scale 图像比例尺Spatial frequency 空间频率spectral resolution 光谱分辨率Logarithmic transform对数变换mechanism of remote sensing 遥感机理adret 阳坡beam width波束宽度biosphere生物圈curve fitting 曲线拟合geostationary satellite对地静止卫星glacis缓坡Field check 野外检查grating 光栅gray scale 灰阶Interactive 交互式interference干涉inversion 反演Irradiance 辐照度landsatscape 景观isoline 等值线Lidar激光雷达landform analysis地形分析legend 图例Map projection地图投影map revision地图更新Middle infrared中红外Mie scattering 米氏散射opaco 阴坡orbital period 轨道周期Overlap重叠parallax 视差polarization 极化Phase 相位pattern 图案quadtree象限四分树Radar returns雷达回波rayleigh scattering 瑞利散射reflectance 反射率Ridge山脊saturation 饱和度solar elevation太阳高度角Subset 子集telemetry遥测surface roughness表面粗糙度Thematic map专题制图thermal infrared热红外uniformity均匀性Upland 高地vegetal cover 植被覆盖watershed流域White plate白板zenith angle天顶角radiant flux 辐射通量Aerosol 气溶胶all weather 全天候angle of field 视场角Aspect 坡向atmospheric widow大气窗口atmospheric 大气圈Path radiance 路径辐射binary code二进制码black body 黑体Cloud cover云覆盖confluence 汇流点diffuse reflection漫反射Distortion畸变divide分水岭entropy熵meteosat气象卫星bulk processing粗处理precision processing精处理Bad lines 坏带single-date image单时相影像Decompose 分解threshold 阈值relative calibration 相对校正post-classification 分类后处理Aerophotograph 航片Base map 底图muti-temporal datasets 多时相数据集detector 探测器spectrograph 摄谱仪spectrometer 波谱测定仪Geostatistics 地统计Semivariogram 半方差sill 基台Nugget 块金Range 变程Kriging 克里金CoKriging 共协克里金Anisotropic 各向异性Isotropic 各向同性scale 尺度regional variable 区域变量transect 横断面Interpolation 插值heterogeneity 异质性texture 纹理digital rectification数字纠正digital mosaic 数字镶嵌image matching影像匹配density 密度grey level灰度pixel,picture element 象元target area目标区searching area 搜索区Spacelab 空间实验室space shuttle航天飞机Landsat陆地卫星Seasat 海洋卫星Mapsat测图卫星Stereosat 立体卫星aspatial data 非空间数据。
GIS历年考研地的题目名词解释
GIS历年考研题(名词解释)答案LBS位置服务(LBS,Location Based Services)又称定位服务,是指通过移动终端和移动网络的配合,确定移动用户的实际地理位置,从而提供用户所需要的与位置相关的服务信息,是利用用户位置信息进行增值服务的一种移动通信与导航融合的服务形式。
(2005)GPS全球定位系统(Global Positioning System)是利用人造卫星进行点位测量导航技术的一种,由美国军方组织研制建立,从1973年开始实施,到90年代初完成。
(1998)XML(可扩展标识语言)是通用标识语言标准(SGML)的一个子集,它是描述网络上的数据内容和结构的标准。
(2004)OGC(OpenGIS协会,OpenGIS Consortium)是一个非赢利性组织,目的是促进采用新的技术和商业方式来提高地理信息的互操作(Interoperablity),OGC会员主要包括GIS相关的计算机硬件和软件制造商,数据生产商以及一些高等院校,政府部门等,其技术委员会负责具体标准的制定工作。
(2004)SIG空间信息栅格(spatial information grid,SIG)是一种汇集和共享地理上分布的海量空间信息资源,对其进行一体化组织与协同处理,从而具有按需服务能力的空间信息基础设施。
(吴信才)(2004)4D产品指数字线化图(DLG)、数字高程模型(DEM)、数字正射影像图(DOM)、数字栅格图(DRG)。
(2005)数字高程模型(Digital Elevation Model 简称DEM)是在高斯投影平面上规则格网点平面坐标(x,y)及其高程(z)的数据集。
DEM的水平间隔可随地貌类型不同而改变。
根据不同的高程精度,可分为不同等级产品。
数字正射影像图(Digital Orthophoto Map简称DOM)是利用数字高程模型对扫描处理的数字化的航空相片/遥感相片(单色/彩色),经逐象元进行纠正,再按影像镶嵌,根据图幅范围剪裁生成的影像数据。
WSN课程设计报告
WSN课程设计报告一、教学目标本课程的教学目标是使学生掌握WSN(无线传感网络)的基本概念、原理和技术,培养学生运用WSN解决实际问题的能力。
具体分为以下三个维度:1.知识目标:学生能够理解WSN的基本原理、组成结构、工作原理及其在各个领域的应用;掌握WSN的通信协议、数据处理和数据融合等技术。
2.技能目标:学生能够运用WSN相关知识分析实际问题,设计简单的WSN系统,并进行调试和优化;具备阅读和理解WSN相关英文文献的能力。
3.情感态度价值观目标:培养学生对新技术的敏感度和好奇心,增强其创新意识和团队协作精神,使其认识到WSN技术在解决现实问题中的重要性和可持续发展前景。
二、教学内容本课程的教学内容主要包括以下几个部分:1.WSN基本概念:介绍WSN的定义、特点、发展历程和应用领域。
2.WSN组成结构:讲解WSN的硬件、软件及网络结构,包括传感器、通信模块、数据处理单元等。
3.WSN工作原理:阐述WSN的感知、传输、处理和通信等基本原理。
4.WSN通信协议:介绍WSN中的典型通信协议,如IEEE 802.11、ZigBee等。
5.WSN数据处理与融合:讲解WSN中的数据处理方法、数据融合技术和算法。
6.WSN应用案例:分析WSN在环境监测、医疗保健、智能家居等领域的应用实例。
三、教学方法为了提高教学效果,本课程将采用多种教学方法相结合的方式,包括:1.讲授法:教师讲解基本概念、原理和技术,引导学生掌握WSN的核心知识。
2.案例分析法:分析WSN的实际应用案例,让学生了解WSN在现实世界中的作用。
3.讨论法:学生针对WSN相关话题进行讨论,培养学生的思考和表达能力。
4.实验法:安排实验室实践环节,让学生动手设计、调试和优化WSN系统。
四、教学资源为了支持教学,我们将准备以下教学资源:1.教材:选用权威、实用的WSN教材,为学生提供系统性的学习资料。
2.参考书:推荐学生阅读WSN领域的经典著作,拓展知识面。
GPS,INS组合导航
GPS/INS 组合导航(仪器科学与工程学院)摘要:GPS/INS 组合导航是用GPS和INS各自的优点进行组合得到的组合导航系统。
它能够拥有GPS的长距离同误差和INS的短距离精确导航的优点,本文是关于GPS/INS组合导航的综述。
关键词:组合导航;惯性导航系统;GPS;INSGPS可以提供全球性的、全天候的、高精度的无源式三维导航定位服务,定位误差不随时间增长,但是GPS的自主性差,需要依靠运营商,受地形建筑的遮蔽信号物的影响,很难做到高精度实时动态控制和导航。
而INS的短期精度高、自主性强、抗干扰能力强,但是长期精度低,导航误差随着时间会逐渐积累。
所以二者的优缺点结合互补,可以实现实时精度高,动态性强,数据更新率高等优点。
1背景1.1 GPS简介GPS是英文Global Positioning System(全球定位系统)的简称。
GPS起始于1958年美国军方的一个项目,1964年投入使用。
20世纪70年代,美国陆海空三军联合研制了新一代卫星定位系统GPS 。
主要目的是为陆海空三大领域提供实时、全天候和全球性的导航服务,并用于情报搜集、核爆监测和应急通讯等一些军事目的,经过20余年的研究实验,耗资300亿美元,到1994年,全球覆盖率高达98%的24颗GPS卫星星座己布设完成。
它有以下的优点[1][4][5]:1、定位精度高,GPS定位精度可以达到0.1~0.0lppm。
定点定位GPS有着这么高的精度可以满足不同情况下,不同需求下的精度需求。
2、范围广,全球定位。
3、适应性强,可在各种恶劣环境中工作,可以24小时工作。
而且无论是高山,深谷,GPS都能够工作。
同样的GPS也有弊端:1、抗干扰能力弱,GPS利用电磁波传递信号,容易受到地形,天气,磁场,电磁波等干扰。
也会受到大气层中对流层和电离层的影响。
2、由于电磁波传播途径被影响,会导致定位时产生误差。
影响精度。
3、自主性差GPS是现在人们生活工作中重要的工具,能够满足人们一定的生活工作需求,但是它明显的缺点也是制约其进一步发展的因素。
传感器数据融合中的鲁棒性研究
重庆师范大学硕士学位论文传感器数据融合中的鲁棒性研究硕士研究生 指导教师副指导教师 学科专业所在学院朱小兰彭建文教授冯志国研究员运筹学与控制论 数学科学学院重庆师范大学2016年5月A Thesis Submitted to Chongqing Normal University in PartialFulfillment of the Requirements for the Degree of MasterOn the Robust Design of Sensor DataFusion ProblemsCandidate:Zhu XiaolanSupervisor:Professor Peng JianwenAssociate Supervisor:Research Professor Feng ZhiguoMajor:Operations Research and CyberneticsCollege:School of Mathematical SciencesChongqing Normal UniversityMay, 2016传感器数据融合中的鲁棒性研究摘要传感器数据融合在军事和民用两个方面都有着广泛的应用.传感器通过接收到的混杂着噪声的信号数据,在无偏差最小方差意义下估计原始信号数据.在多传感器的情况下,数据通过融合以提高估计的准确性.但是在数据的观测过程中,传感器也会受到外界一些不确定因素如噪声等的干扰,从而降低了数据估计的准确性.为了更好地从这些不确定因素的影响中提高估计的准确性,需要引入传感器数据融合中的鲁棒性研宄.本文考虑对离散系统、连续系统两种情形下的传感器数据融合的鲁棒性研宄,主要 内容如下:第一章为绪论.本章介绍了最优控制、卡尔曼滤波及传感器数据融合的国内外研宄现状.第二章考虑了离散系统下的鲁棒传感器数据融合问题.具体而言,该问题中的一组传 感器受到了外界的不确定性干扰.在这些不确定性影响下通过传感器接收到的数据进行融合后,准确估计原始未知信号.我们把这个问题转化为极小最优控制问题,它等价于在 一个动态系统驱动下的半无限规划问题.一般的离散化方法求解此类问题时的计算规模非常大.我们提出了一个近似方法,减少了约束的个数,从而降低了计算复杂度.我们举了两个数值例子以说明方法的有效性.第三章考虑了连续系统下的鲁棒传感器数据融合问题.类似于离散情形,传感器系统 是连续的但存在着不确定的参数.在这些不确定性影响下通过传感器接收到的数据进行融合后,准确估计原始未知信号.我们建立了连续系统下的传感器数据融合鲁棒性问题,然后把这个问题转化为一个等价的受一个动态系统驱动的半无限规划问题.最后,我们通 过引入近似方法,减少了约束个数,降低了计算复杂度,并且通过最优控制软件MISER3 计算了两个数值例子,说明了该方法的快速性和有效性.第四章对本文的研宄进行总结并对后续的研宄工作做出了展望.关键词:传感器;数据融合;鲁棒设计;半无限规划;最优控制On the Robust Design of Sensor Data Fusion ProblemsABSTRACTSensor data fusion have wide applications in military and civilian area. A sensor is to estimate the origin data in the sense of unbiased minimum-variance by receiving the uncertain data. In the case of multi-sensors, the data should be fused to improve the estimation accuracy. However, the sensor may be interrupted by external uncertainties such as noise, weather, etc. in practice, and then the accuracy of estimation is reduced. In order to improve the accuracy of estimation, the robust design of sensor data fusion problem should be introduced.In this thesis, we consider robust sensor data fusion problem in discrete time and continuous-time. This thesis is organized as follows.In chapter 1, we introduce the sensor fusion problem and review the literature of this topic. Then, we introduce the concepts of optimal control and Kalman filtering.In chapter 2, we consider the robust sensor fusion problem in discrete time. We estimates the state of an uncertain process based on measurements obtained by a given set of noisy sensors, where the measurements of sensors are subjected to external interference uncertainties. We formulate this problem into a minimax optimal control problem, which is equivalent to a semi-infinite programming problem with a dynamic system. The discretization method is used to solve this problem, where the computation is very large scale in general. We propose an approximation method such that the number of constraints is decreased and the computational complexity is reduced. For illustration, two numerical examples are solved.In chapter 3, we consider the robust sensor fusion problem in continuous time. Similar to the discrete case, there are a group of sensor systems which are continuous with uncertain perturbation parameters. We estimates the state of an uncertain process based on measurements obtained by these sensors. We formulate the robust sensor fusion problem by transforming it into an equivalent semi-infinite programming problem driven by a dynamic system. We propose an approximation method such that the number of constraints is decreased and the computational complexity is reduced. Then this problemcan be solved by the optimal control software MISER3. For illustration, two numerical examples are solved to demonstrate the efficiency and effectiveness of the proposed method.In chapter 4, we summarize the research in this thesis and make a prospect for future research.Keywords: Sensor; D ata fusion; Robust design; Semi-infinite programming; Optim al control目录中文摘要 (I)=文摘要 (II)1X0 (1)1.1弓丨言 (1)1.2最优控制问题介绍 (3)1.2.1最优控制问题的形式 (3)1.2.2最优控制问题的求解 (5)1.3卡尔曼滤波 (6)2离散系统的传感器数据融合鲁棒性问题 (8)2.1 弓言 (8)2.2 离散系统的传感器数据融合问题 (8)2.3离散系统的传感器数据融合鲁棒性问题 (10)2.4方法 (12)2.5数值算例 (14)2.6小结 (19)3连续系统的传感器数据融合鲁棒性问题 (20)3.1 弓言 (20)3.2 连续系统的传感器数据融合问题 (20)3.3连续系统的传感器数据融合鲁棒性问题 (22)3.4 方法 (24)3.5 数值算例 (25)3.6 小结 (29)4结论及展望 (30) (31)附录A (36)猶 (37)1绪论1.1引言在现代科学技术生产领域和人们日常生活的各个方面,我们都面临着许多数据信息处理问题.我们能收集到很多实际数据,然后从中提取能真正反映客观事物本质的信息.由于数据的产生和搜集都不可能处在一个简单的、与其他无关事物分离的环境中,这些实际数据不可避免地夹杂着各种噪声,不再是确定性的数据,而是具有一定特性的随机数据.近年来,多传感器技术在工程和科学技术领域发挥着越来越多的作用,这是因为多传感器比单传感器具有非常多的优点,如增加了系统估计的精确性、鲁棒性和在对抗环境的生存性.人和动物都是采用多传感器观察外界事物的典型例子.由于采用多传感器技术,系统可以获得更多的目标信息.如何有效地处理传感器收集到的数据,以达到比单传感器更好的系统性能.这就是多传感器数据融合技术研宄和解决的问题.目前,多传感器信息融合卡尔曼滤波受到了特别的关注.在大量收集来自不同来源的数据基础上,如何选择合适的传感器、如何分配一个合适的权重,从而尽可能准确的估计原始未知信号,最优化成本函数,这就是传感器数据融合问题[1—4].对于传感器数据融合问题的研宄分为离散、连续两种类型.下面我们简单综述传感器数据融合问题的研宄现状.对于离散时间传感器数据融合问题的研宄,很多学者从不同形式的信号系统、观测系统、性能指标泛函(也称目标函数)等多方面来研宄模型,并对计算最优调度策略的算法进行了研宄.1967年,M eier等人[5]建立了线性系统下二次成本测量的适应性问题,并转换成一个经典的最优控制问题.随后,文[6]给出了一个解决方案.1994年,Oshman [7]提出了多个可用的测量子系统,其中每一个测量子系统都可用于驱动一个状态估计的算法,引入了一种新形式的传感器选择策略.2001年,E v ans等人[8]考虑了由多个嘈杂的传感器来观测的隐马尔可夫模型,之后通过随机动态规划来求解最佳测量调度策略.2002年,Basin 等人[9]基于脉冲模型中观测方程的过渡矩阵,提炼了Kalman-Bucy估计的观测控制方法,并应用在离散-连续观测中.2004年,Sinopoli等人[10]考虑了具有间歇观测的卡尔曼滤波问题,给出了误差协方差的上限和下限.2004年,C h u n g等人[11]和2006年Gupta 等人[12]提出可以通过随机策略来解决传感器调度问题.随后,在很多文献中考虑了最优融合问题.2005年,D e n g等人[13]对于多传感器在不同的局部动态模型和相关噪声条件下,提出了一个统一的和常规信息融合稳态卡尔曼滤波方法.它能够处理用于状态或信号筛选、平滑化和预测的融合问题.1997年,Logothetis等人[14]引入并研宄了协方差矩阵的半正定性,为进一步研宄传感器数据融合问题提供了新的思路.2005年,F eng等人[15]建立了在每个时刻从N i个传感器中选择一个的传感器调度问题模型,并在[14]的基础上,通过分析误差协方差矩阵的半正定性质,引进了下界动态系统,从而提出用分支定界法来求解最优调度策略.2006年,M artinez等人[16]在[11,12,17]的基础上,提出了通过树搜索类型的算法来解决此类问题.2006年,Matveev 等人[18]研宄了由白噪声扰动的线性离散部分可观测的系统,得到了最小方差状态估计和最优传感器控制策略.2007年,Feng等人[19]构造了在离散时间点选择赋予了权重的传感器最优融合问题模型,并证明了对于每个传感器源的最优权重向量的存在性.2008年, Feng等人[20]建立了在每时刻从N i个传感器选择N2个传感器并且考虑权重的传感器数据融合问题模型,结合了[15]分支定界法和梯度法提出一个高效的混合方法.类似于文献[18]中所考虑的那样.连续时间下传感器数据融合问题的研宄同离散情形类似,很多学者也是从不同形式的信号系统、观测系统、可容许的权重控制函数集U、目标函数等多方面来研宄模型,并对计算权重策略的算法进行了研宄.文[21,22]给出了在连续时间下的一个解决方案.1989年,B aras和Bensoussan [23]考虑了其调度策略是适合于o—代数的观测过程,证明了可以通过求解拟变分不等式来获得最优调度策略.然而,这种笼统的提法用于计算解析解是很复杂的.1991年,T e o等人[24]提出了控制参数化方法,此方法是求解最优控制问题的一个有效方法.1999年,Lee 等人[25]提出了一种控制参数化的增强变换技巧(C P E T),较[24]而言,CPET法主要是把切换时间点作为参数来处理,在更大的搜索空间中产生更精确的解.2000年,Miller [46]给出了在部分可观察的线性离散-连续随机优化系统的理论框架,并指出离散和连续观测的最佳估计问题可以归结为脉冲或广义控制的确定性问题.2001年,L ee等人[27]考虑到传感器调度问题是在涉及线性系统的连续情形,其中,该控制变量被限制为从一组离散值中取得,这是文[25]的一种特殊情形.同年,S av kin等人[28]建立了一个传感器调度鲁棒性问题,主要是在模型中的信号系统引入不确定矩阵,从而在此基础上提出了一个求解传感器调度的方法.2006年,F eng等人[29]首先证明连续时间下的传感器数据融合问题等价于一个确定性最优控制问题,然后,利用控制参数化方法[24,30,31]和控制参数化增 强技术[25]来解决这一问题.随后,F e n g等人[32-34]进一步研宄此问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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²JRRG IR U G DWD IX V LRQ S H U IR UPD Q F H R SW L P L]DW LRQ 7KH QHX UD O QH W ZR U N D OJR U L W K P FD Q I DY R UDE O\ VDPS OH G DWD DE OH W R H[WUDFW L PS R UWD Q W G DWD DWWU L E X W H V :L W K D GL Y H UV L W\ RI2010 International Symposium on Computer, Communication, Control and Automation978-1-4244-5567-6/10/$26.00 ©2010 IEEE 3CA 2010DSSOLFDWLRQ UHTXLUHPHQWV> @,, 1(85$/ 1(7:25. $1''$7$)86,21 4XDVL QHXUDO QHWZRUNV DQG GDWD IXVLRQ KDYH EDVLF FRPPRQ FKDUDFWHULVWLFV²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¶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³FOXVWHULQJ´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×P LQSXW OD\HU QRGHV DQG Q×P QHXURQV RI WKH ILUVW KLGGHQ OD\HUV LQ WKLV PRGHO 7KH QXPEHU RI QHXURQV LQ WKH VHFRQG KLGGHQ OD\HU V DQG RXWSXW OD\HU N FDQ ERWK EH WXQHG LQ OLJKW RISUDFWLFDO QHHGV ZLWKRXW DVVRFLDWLRQ ZLWK QXPEHU RI PHPEHU QRGHV Q 1XPEHU RI WKH VHFRQG KLGGHQ OD\HUV FDQ EH GLIIHUHQW IRU GLIIHUHQW W\SHV RI GDWD )XOO FRQQHFWLRQ LV QRW LPSOHPHQWHG ERWK EHWZHHQ WKH LQSXW OD\HU DQG WKH ILUVW KLGGHQ OD\HU DQG EHWZHHQ WKH ILUVW KLGGHQ OD\HU DQG WKH VHFRQG KLGGHQ OD\HU²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− DQG WKH OHDUQLQJ UDWH LV 8SRQ FRPSOHWLRQ RI WUDLQLQJ WKH PHDVXUHG YDOXHV REWDLQHG EDVHG RQ FDOLEUDWLRQ LQSXW FRUUHVSRQGLQJ WR WKH WHVW GDWD LV VKRZQ LQ WDEOH ZKHUHLQ WKH PD[LPXP GHYLDWLRQ LV DQG WKH UHODWLYH HUURU UHODWLYH 3 LV 7KH RWKHU SDUDPHWHUV EHLQJ KHOG FRQVWDQW ,I WKH WDUJHW WROHUDQFH LV UHGXFHG WR− WKH IL[HG OHDUQLQJ UDWH EDVHG WUDLQLQJ IDLOV ZKLOH WKH DGDSWLYH OHDUQLQJ UDWH EDVHG WUDLQLQJ FDQ DFKLHYH DQ UHODWLYH HUURU RI DERXW DIWHU FRQGXFWLQJ WUDLQLQJV WLPHV ZKLFK VDWLVILHV WKH WDUJHW HUURU DV WDEOH H[KLELWV )LJXUH GLVSOD\V WKH HUURU UHFRUGV IRU WKH DSSURDFKLQJ SURFHVV DQG ILJXUH H[KLELWV WKH HUURU UHFRUGV IRU WKH DGDSWLYH OHDUQLQJ UDWH ZKLFK HQDEOHV D VWHHSHU GHVFHQW UDWH FRPSDUHG ZLWK ILJXUH 7KH UHVXOWV VXJJHVW WKDW WKH DGMXVWPHQW RI WDUJHW HUURU RU QHWZRUN SDUDPHWHUV FDQ WKHRUHWLFDOO\ UHGXFH WKH UHODWLYH HUURU WR DUELWUDU\ DFFXUDF\7$%/( ,(;3(5,0(17 &$/,%5$7,21 '$7$7$%/( ,, (5525 &203$5,621 2) 287387 5(68/76)LJXUH (UURU UHFRUG)LJXUH (UURU UHFRUGV IRU DGDSWLYH OHDUQLQJ UDWH9 &21&/86,2167KH HIIHFWV RI DSSO\LQJ QHXUDO QHWZRUN WR WKH QRQ OLQHDU FDOLEUDWLRQ IRU WKH LQWHOOLJHQW LQVWUXPHQW LV SURPLQHQW ZKLFK SURYLGHV D QHZ GDWD SURFHVVLQJ PHDQV WR GHVFULELQJ WKH UHODWLRQ EHWZHHQ WKH WUDGLWLRQDO PHWKRG EDVHG LQSXW RXWSXW QRQ OLQHDU IXQFWLRQV 7KHRUHWLFDOO\ D OD\HUHG %3 QHWZRUN FDQ DSSURDFK DQ DUELWUDU\ FRQWLQXRXV IXQFWLRQ DQG LWV GHULYDWLYHV RI DQ\ RUGHU WR DUELWUDU\ DFFXUDF\ 0RUHRYHU LQ DGGLWLRQ WR UDLVLQJ OHDUQLQJ LQGH[ D PHWKRG RI LPSURYLQJ WKH %3 QHWZRUN FKDUDFWHULVWLF LV DGRSWHG WR UDLVH UHVXOW DFFXUDF\ &RPELQHG ZLWK DFWXDO H[DPSOHV WKLV UHVHDUFK SURSRVHV DQ DGDSWLYH OHDUQLQJ UDWH EDVHG PHWKRG WR LPSURYH %3 QHWZRUN SURSHUWLHV 7KH QHXUDO QHWZRUN PHWKRG FDQ EH DOVR DSSOLHG WR LQVWUXPHQW RXWSXW LQFOXGLQJ VHYHUDO HUURU IDFWRUV WKDW DUH UHOHYDQW WR RQH DQRWKHU ZKLFK DUH GLIILFXOW WR SUHFLVHO\ GHSLFW YLD IXQFWLRQ UHODWLRQVKLS 7KH DSSOLFDWLRQ RI IHDWXUH OD\HU PHUJLQJ SDUWLFXODUO\ WKH DSSOLFDWLRQ RI PXOWL OD\HU IHDWXUH PHUJLQJ WR RSSRVLWH WUDQVPLVVLRQ RI QHXUDO QHWZRUN DQG GHFLVLRQ OD\HU PHUJLQJ FDQ EH DSSOLHG WR GDWD SURFHVVLQJ SULRU WR GDWD PHUJLQJ ZKHUHLQ WKH DGYDQWDJH RI HDV\ DGDSWDWLRQ RI KDUGZDUH FDQ LQFUHDVH WKH SUREDELOLW\ RI V\VWHP HQJLQHHULQJ DQG HQKDQFH WKH UHDO WLPH FDSDELOLW\ 1HXUDO QHWZRUNV IHDWXUHG E\ KLJK JHQHUDOL]DWLRQ FDSDELOLW\ KLJK VWDELOLW\ KLJK IDXOW WROHUDQFH UDSLGLW\ DQG KLJK HIILFLHQF\ DWWUDFW PRUH DWWHQWLRQ LQ WKH DSSOLFDWLRQ RI LQIRUPDWLRQ LQIXVLRQ &XUUHQWO\ LQWHOOLJHQW WHFKQRORJLHV VXFK DV IX]]\ PDWKHPDWLFV QHXUDO QHWZRUNV HYROXWLRQ FDOFXODWLRQV URXJK VHW WKHRU\ DUH FRPELQHG V\VWHPDWLFDOO\ ZKLFK LV DQ LPSRUWDQW GHYHORSPHQW WUHQG 7KH LQIRUPDWLRQ LQIXVLRQ WHFKQRORJ\ ZKLFK FRQFHUQV ZLWK WKH FRPELQDWLRQ RI YDULRXV WKHRULHV WKH KXPDQ H[SHULHQFH DQG NQRZOHGJH WR JLYH IXOO VFRSH RI WKH RYHUDOO DGYDQWDJH RI D FRPSUHKHQVLYH V\VWHP VR DV WR VROYH SUREOHPV ZLOO EH VRXJKW KHUHDIWHU$&.12:/('*(0(177KH DXWKRUV ZRXOG OLNH WR WKDQN WKH 1DWLRQDO &KLQ <L 8QLYHUVLW\ RI 7HFKQRORJ\ 7DLZDQ IRU ILQDQFLDOO\ VXSSRUWLQJ WKLV UHVHDUFK 7KLV ZRUN DOVR ZDV VXSSRUWHG LQ SDUW E\ WKH 1DWLRQDO 6FLHQFH &RXQFLO 7DLZDQ WKURXJK JUDQW QR 16& ( DQG 16& ( && 7KH DXWKRUV DOVR JUDWHIXOO\ DFNQRZOHGJH WKH KHOSIXO FRPPHQWV DQG VXJJHVWLRQV RI WKH UHYLHZHUV ZKLFK KDYH LPSURYHG WKH SUHVHQWDWLRQ5()(5(1&(6> @ / <X 1 :DQJ ; 0HQJ 5HDO WLPH )RUHVW )LUH 'HWHFWLRQ ZLWK :LUHOHVV 6HQVRU 1HWZRUNV ,((( SUHFHHGLQJV RI :&10 :XKDQ FKLQD SS> @ 7HODWDU ,( &DSDFLW\ RI PXOWLԫDQWHQQD *DXVVLDQ FKDQQHOV (XURSHDQ 7UDQVDFWLRQ RQ 7HOHFRPPXQLFDWLRQV> @ %OXQ 5 6 $QDO\WLFDO WRROV IRU GHVLJQ RI VSDFHԫ WLPH FRQYROXWLRQDO FRGHV ,((( 7UDQVDFWLRQV RQ &RPPXQLFDWLRQV> @ $ . -DLQ 0DR DQG . 0 0RKLXGGLQ $UWLILFLDO 1HXUDO 1HWZRUNV 3UHQWLFH +DOO /RQGRQ 8. -XQH> @ 'DYLG , +DOO DQG -DPHV /OLQDV $Q ,QWURGXFWLRQ WR 0XOWLVHQVRU 'DWD )XVLRQ ,((( 7UDQVDFWLRQV RQ &RPPXQLFDWLRQV> @ 0DGQL $VDG 0 7KH )XWXUH RI 6PDUW 6HQVLQJ>- @ ,((( Д> @ 5L]QL 6 $ 1DVUDEDGL 1 0 )XVLRQ WHFKQLTXHV IRU DXWRPDWLF WDUJHW UHFRJQLWLRQ>$@ ,((( 3URFHHGLQJV RI WKH QG $SSOLHG ,PDJHU\ 3DWWHUQ 5HFRJQLWLRQ :RUNVKRS>&@> @ 4XHN 7 4 6 'DUGDUL ' :LQ 0 = D &RRSHUDWLRQ LQ EDQGZLGWK FRQVWUDLQHG ZLUHOHVV VHQVRU QHWZRUNV ,Q 3URFHHGLQJV RI WKH ,((( ,QWHUQDWLRQDO :RUNVKRS :LUHOHVV $G +RF 6HQVRU 1HWZRUNV 1HZ <RUN 1< 86$> @ :HQ 7VDL 6XQJ ³'HWHUPLQH *OREDO (QHUJ\ 0LQLPXP 6ROXWLRQ YLD /\DSXQRY 6WDELOLW\ 7KHRUHP´ ,QWHUQDWLRQDO -RXUQDO RI ,QQRYDWLYH &RPSXWLQJ ,QIRUPDWLRQ DQG &RQWURO ,-,&,& 9RO 1R SS -XO\。