基于核主元分析与多支持向量机的监控诊断方法及其应用

为保证密闭鼓风炉冶炼过程的正常运行,构造了一种基于核主元分析(KPCA)和多支持向量机(MSVM)的监控模型.该监控模型首先用核主元分析方法对过程数据进行特征提取,然后将代表过程特征的核主元送入到多支持向量机分类器中进行故障诊断与分类.仿真研究显示, 该监控模型具有较好的泛化能力,能有效地应用于鼓风炉的监控诊断,可用于鼓风炉熔炼过程的现场操作指导.     

面向人口属性预测的词嵌入构建方法

本文探讨如何从用户购买数据中学习出高质量词嵌入,以让模型据此实现高效的人口属性预测任务。首先分析购买数据并对其进行编码,并在此基础上构建嵌入向量生成模型,之后用样本数据训练该模型,然后用神经网络程序实现该模型,最后通过实验验证该模型的可行性和高效性。提出的模型不仅能将具有大量模态的分类特征数据转换为低维的高质量词嵌入,而且能让模型据此实现高效的人口属性预测,此外具有较广泛的通用性。提出的方法不仅可扩展到大型数据集,而且能适用于不同领域的数据集。学习到的高质量词嵌入有助于大量下游非语言任务的开展,例如人口属性预测、情感分析、社区检测或社交网络上的概率推理等,从而为新型推荐引擎提供支持。     

一种基于“独立性差”的分类学习新算法

从"独立性差"角度出发,提出了ISE准则下的"独立性差"估计新方法(difference of independence estimation,DOIE).从数学模型上证明该算法与单类SVM等价且可用于解决分类问题.当数据集规模较大时,该算法的优势在于可用较少样本点表示两数据集中样本点间的关系,在保证精度的前提下,提高运算速度.该算法还可应用于两数据集独立性判断、检测流数据分布改变点的位置.若退化为单类数据集,可应用于概率密度估计.Benchmark和UCI数据集上的实验表明,该算法具有较好的性能.     

机群并行伪随机数生成算法研究

分析了不同并行伪随机数生成策略的优劣,结合线性同余（linear congruence generator LCG）算法内在属性及机群系统主从（m/w）计算模型,提出并行伪随机数生成器DLLCG（double level LCG）算法。利用具体Monte Carlo仿真应用,验证了该并行随机数生成算法在各类机群系统上的可用性。通过理论和实验分析,表明该算法可以用于同构或异构机群系统中,具有良好的可扩展性和移植性。     

公司债券违约率的结构化模型研究

采用期权定价和违约率函数的结构化处理方法建立估计公司债券违约率的模型，应用美国国内公司的整体数据给出了将模型具体化的处理方法，得到一个带马尔可夫链的违约率函数。根据实证数据的初步检验，该函数的拟合效果比较理想，可用于估计一般性上市公司群体的债券违约率。文中的处理方法具有良好的可行性，只要拥有模型必需的股权价值、债务价值和违约率的数据，就能按照该方法将模型具体化，拟合出违约率函数，并由此来估计公司债券的违约率。     

船舶自动识别系统性能半实物仿真方法研究

船舶自动识别系统(Automatic Identify System,AIS)是当今海事管理主要无线监管工具.为全面分析其在复杂地形下的误包特征,设计了一种半实物仿真研究方法,模拟任意场强与干扰特征的AIS信号,采用真实的接收机评估误包率,并使用Okumura-Hata模型建立了场强与距高的对应模型,用于仿真AIS网络实际运行中可能遇到的地形衰减,以及各种常见干扰.使用访方法可以有效寻找出信号衰减的误码特征,验证不同干扰信号的特性.通过深圳AIS信号干扰实例,证明了半实物仿真方法与平台的实用性.该研究方法可以为最终实现AIS设备的硬件设计优化提供平台,并为基站的最佳布置方案提供实验基础.     

基于稀疏指数排序的高维数据并行聚类算法

高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类研究非常具有挑战性.针对高效的CABOSFV高维数据聚类算法,采用并行计算模式提高其大规模数据的处理能力,提出基于稀疏指数排序的高维数据并行聚类算法P-CABOSFV.该算法根据高维数据稀疏指数排序进行分割点选择实现数据划分,将数据分配到多个计算节点同时处理聚类任务,再基于集合稀疏特征差异度聚类结果合并策略将各计算节点的聚类结果合并得到最终聚类结果.UCI数据集和计算机合成数据集实验表明:高维数据并行聚类算法P-CABOSFV聚类质量良好,具有很强的数据规模和数据维度可扩展性,是有效可行的.     

一种采用LLE降维和贝叶斯分类的多类标学习算法

多类标数据中的样本可能属于一个或多个类标,因此其分类问题较单类标分类更为复杂。提出一种新的多类标学习算法,首先针对多类标数据的特征属性维数高的特点,采用LLE算法对多类标数据的特征属性进行降维,提取能较完整描述数据的一组低维特征属性集;然后将多类标样本集按所属的类标进行划分,并采用贝叶斯分类模型来学习各组样本集的分类特性;根据各个分类模型的判定类标,综合得到多类标样本的最终类标集。将该算法分别应用到自然场景图像和基因数据的多类标分类学习中,实验结果表明,该算法针对不同的多类标数据集均能取得很好的分类效果,且相比于其他多类标算法有更高的性能。     

红外图像序列中机动点目标的快速检测技术

本文针对红外自动寻的末制导系统提出了一种适合于检测星空背景下的远距离点目标的快速算法,它可用于检测静止不动、匀速运动和机动运动的点目标。该算法通过构造一个关于3D空间中数据集的轨迹表达的总代价函数将点目标轨迹提取问题转化成为总代价函数对目标参量的最优化问题,通过迭代算法实现这个最优化,文章证明了算法的收敛性,并估算了该检测算法的检测性能,实验表明该方法适合于小SNR时的点目标检测。     

高维数据分类方法研究

在对高维度数据进行模式分类时,能否有效进行降维是一个关键问题.提出了一种结合高斯过程潜变量模型(GPLVM)和支持向量机(SVM)的阶梯跳跃降维分类框架方法,能有效的降低样本数据维数,同时提高分类器性能.利用GPLVM实现数据的平滑映射,对输入样本进行非线性降维后,根据SVM的分类校验结果进行下一步降维迭代操作;计算新的阶梯维数,根据反馈动态调整降维输入数据.利用该方法对UCI上的数据集进行分类,仿真结果验证了方法的有效性.     

基于Web服务的协同优化平台

提出了一种基于Web服务的协同优化平台.该平台具有开放式的架构,能够方便集成现有的通用优化工具.主要特点有:优化工具集成,能够集成本地优化软件及异地优化Web服务;优化服务包装,能够方便的将现有优化工具包装为Web服务;协同优化模型自动生成,解决了通用优化软件的缺点.最后用一个工程案例说明了通过软件智能体,通用优化软件能够访问仿真Web服务完成仿真优化,验证了协同优化平台的有效性.     

VR Flier:一个面向虚拟现实通用应用开发的软件平台

详细介绍了我们自主开发的面向虚拟现实(Vtrtual Reality，VR)通用应用开发的软件平台VRFlier。它基于市场上的成熟工具库和自建工具库构建，具有跨平台、模块化、易扩展等特点，能够较为全面地支持不同领域和不同规模的VR应用开发。本文详细介绍了VRFlier的概念模型、系统结构、交互仿真处理机制、主流程、应用开发过程等。最后，给出一个基于VR Flier开发的复合材料结构设计的应用实例。     

基于AIS信息的舰船位置标校方法

为了提高时差型卫星定位系统对舰船的定位精度,提出了一种基于船舶自动识别系统(automatic identification system,AIS)信息的舰船位置标校方法,该方法将具有AIS信息的民船作为标校源对军舰位置进行校正。首先,针对AIS信息无法直接用于位置标校的问题,提出了标校源雷达位置及其误差估计方法;其次,针对标校源雷达位置存在的误差,建立了标校方法的误差分析模型和标校源有效性分析方法,理论分析了标校定位精度及其改善程度,为标校源的选择提供了依据。最后,仿真分析验证了提出的标校方法的有效性。     

创建智能体系统的软件工程方法研究

研究作为数字世界中计算和应用软件系统构造单元的软件智能体构建与开发。提出由 (1)智能体理论模型 ;(2 )以之为概念框架的软件系统逻辑结构模型 ;(3)基于结构模型 ,采用统一建模语言UML实现的应用程序框架三部分组成的方法体系。这三个部分既具有内在机理联系又有过程时序约束 ,它们分别支持软件工程的分析、设计与实现各阶段。预期该方法体系的成功运用将有利于软件智能体系统开发的规范化和标准化 ,进而提高智能体系统开发效率并促进成果共享和软件重用     

火电厂锅炉主汽温模糊免疫PID-Smith预估控制

针对火电厂锅炉主汽温控制对象的大纯滞后、模型不确定等特性，设计了模糊免疫PID—Smith预估控制系统，并进行了仿真研究。仿真结果表明所设计的控制系统比常规Smith预估控制系统具有较强鲁棒性，系统具有良好的适应能力，适用于缺乏精确数学模型且参数变化的大纯滞后工业过程。     

灌溉管理的递阶多层次灰色评价方法

依据递阶层次结构和灰色系统理论 ,提出了一种新的定性分析与定量分析相结合 ,以定量分析为主的灌溉管理评价方法 .该方法较好地解决了递阶多层次灰色评价的综合问题 ,既可排定所有被评灌溉系统的优劣顺序 ,又可综合评价它们各自所属的灰类 ,还可得出不同因素时受评灌溉系统的优劣顺序 .实际使用结果表明 ,该方法使得灌溉管理评价工作更具成效 .     

基于非线性和测试覆盖率的软件可靠性增长模型

软件可靠性增长模型一般假设故障是独立的,且检测到的故障能够被排除。但在工程中,一些检测到的故障可能无法排除,在排除过程中也可能会引入新的故障。考虑上述因素,本文假设故障的引入过程与时间呈现非线性关系,通过测试覆盖率函数来表示软件故障检测率,建立了基于非齐次泊松过程(non-homogeneous Poisson process, NHPP)的软件可靠性增长模型。为规避参数估计过程中模型函数导数连续性和存在性的限制,应用一个自适应变化的实值遗传算法进行计算。最后通过一个真实软件失效数据集对模型参数进行计算,利用不同的评价准则将所提模型和现有模型进行比较,说明所提模型的优越性和准确性。     

屏蔽数据下软件可靠性的极大似然估计

屏蔽数据是指引起系统失效的真实原因不得而知,即失效原因可能是系统组件的某个子集。一般地,屏蔽数据下非齐次泊松过程 (non-homogeneous Poisson process, NHPP)类软件可靠性叠加模型中参数的极大似然估计比较复杂,因为叠加模型不能分解成几个简单的NHPP模型。本文主要研究基于屏蔽数据下叠加模型中参数的极大似然估计,评估软件系统的可靠性。最后通过一组模拟数据,说明极大似然估计效果良好。     

基于dSPACE的无刷直流电机控制器快速开发方法

通过把dSPACE半实物仿真系统与自主开发的通用驱动模块相结合,得到了通用性较高的无刷直流电机控制器开发平台PACM(a platform based on common actuated circuit and software MATLAB),并由此归纳出一套无刷直流电机控制器的快速开发方法.PACM的硬件部分是基于dSPACE实时仿真平台的通用BLDCM驱动模块,可以支持功率在3kW以下的三相BLDCM;软件部分是用MATLAB/Simulink建立的数字调节器模型,灵活地支持各种控制算法模型.以某跑步机三相无刷直流电机控制器的开发为例,运用该方法,快速地得到了满足控制需求的硬件电路以及控制软件代码.与传统开发方法相比,该方法能显著的缩短控制器的开发周期,降低开发成本.     

Predicting Trend of High Frequency CSI 300 Index Using Adaptive Input Selection and Machine Learning Techniques

High-frequency stock trend prediction using machine learners has raised substantial interest in literature. Nevertheless, there is no gold standard to select the inputs for the learners. This paper investigates the approach of adaptive input selection(AIS) for the trend prediction of high-frequency stock index price and compares it with the commonly used deterministic input setting(DIS) approach.The DIS approach is implemented through computation of technical indicator values on deterministic period parameters. The AIS approach selects the most suitable indicators and their parameters for the time-varying dataset using feature selection methods. Two state-of-the-art machine learners, support vector machine(SVM) and artificial neural network(ANN), are adopted as learning models. Accuracy and F-measure of SVM and ANN models with both the approaches are computed based on the high-frequency data of CSI 300 index. The results suggest that the AIS approach using t-statistics,information gain and ROC methods can achieve better prediction performance than the DIS approach.Also, the investment performance evaluation shows that the AIS approach with the same three feature selection methods provides significantly higher returns than the DIS approach.