基于云有序概念层次树的时间序列距离计算模型

 时间序列是一类广泛存在的、重要的复杂数据.时间序列的知识发现成为知识发现的研究热点之一.而时间序列间的距离计算是很多时间序列知识发现的核心.针对目前时间序列距离模型的不足,基于云的时间序列线性形态表示,提出一种新的时间序列距离计算模型———基于云有序概念层次树的时间序列距离计算模型.该计算模型具有如下优点:允许时间序列存在某种程度的变形,能在一定程度上消除噪声、数据中的不连续性、偏移性和漂移性;用户可在比较时间序列距离时控制距离计算颗粒度;有效、简洁直观、易于理解.     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。     

一种提高云存储中小文件存储效率的方案

针对基于HDFS(Hadoop distribated file system)的云存储系统中小文件存储效率不高的问题,采用序列文件技术设计了一个云存储系统中小文件的处理方案.该方案利用多维属性决策理论,综合读文件时间、合并文件时间及节省内存空间大小等指标,得出合并小文件的最优方式,能够在消耗的时间和节省的内存空间之间取得平衡;设计基于层次分析法的系统负载预测算法对系统负载进行预测,从而实现负载均衡的目的;利用序列文件技术对小文件进行合并.实验结果表明,在不影响存储系统运行状况的基础上,该方案提高了小文件的存储效率.     

一种基于混合模型WRC的流量预测方法

针对当前网络流量预测方法在刻画网络流量多重特性方面存在的准确性及噪声干扰的问题,提出了一种基于混合模型WRC的流量预测方法,该方法利用小波分解将网络流量混沌时间序列分解为流量特性不同的近似时间序列和细节时间序列,并利用RBF神经网络和混沌模型分别对这两种时间序列进行处理,得到预测时间序列后再进行小波重构,得到最终的预测值.仿真实验结果表明模型预测有效,且预测精度较高.     

基于分形和粗集理论的云杂波背景下序列图像弱目标检测

提出了云杂波背景下序列图像中弱目标检测新方法.基于粗糙集理论建立了云杂波背景下弱目标检测模型,使之符合两种不同图像边缘的局部分形维的奇异值改变,根据目标和背景的时域特征完成目标检测.实验及仿真结果表明,该算法能够抑制空间和时间相关性强的云杂波背景,且算法简单.     

基于云计算的智能电网负荷预测平台架构研究

提出一种基于云计算的智能电网负荷预测平台架构.深入地阐述了云计算关键技术、负荷预测云架构、云平台负荷预测服务等.采用Hadoop云计算技术,对负荷预测的资源调度和计算进行虚拟云计算仿真,验证了以电力私有云为基础建立的负荷预测机制更优良.同时在云平台负荷预测服务中引入多维多级协调优化机制,对原始预测结果进行修正与协调优化,显著地提升了基于云计算的智能电网负荷预测水平.由此搭建的平台架构将为智能电网负荷预测提供广阔的思路与有力的技术支持.     

基于粒计算的不确定性时间序列建模及其聚类

在多粒度时间序列研究中不确定性问题是时间序列数据挖掘研究中的重要课题.时间序列时序粒度本身的不稳定是一种广泛存在现象,也是时间序列数据挖掘困难的一个重要原因,然而这种情况却较少文献进行过讨论.对于这个问题首先建立了多粒度时间序列的基础数据模型及相关时序粒度的定义.其次对时间粒度不确定性现象的不同成因进行了讨论,并建立相应的不确定性时间序列数据模型.最后基于上述理论和粒计算的思想,多粒度时间序列的最优粒度获取和不确定性粒度时序粒度的基本稳定策略分别进行了研究和讨论.由于聚类分析是时间序列数据挖掘中的最重要的理论研究和应用基础之一,不确定性多粒度时间序列数据的聚类成为一个典型的时间序列数据挖掘难题.一个引入稳定粒度策略的聚类算法框架被提出来解决这类不确定性时间序列数据的聚类问题.最后一个典型的具有不稳定粒度时间序列特点的重症监护病房生理指标数据集和病人存活率预测实验被应用于验证上述理论.实验结果表明在时间序列数据挖掘中选择不同的时间属性粒度对于数据挖掘的效果符合粒计算的计算规律,同时选择了粒度稳定性处理策略聚类算法的实验能够获得更好的预测效果.     

基于云模型和SWRL预测兵器试验故障的研究

将云模型理论和SWRL应用于预测兵器试验故障的研究,用MATLAB实现了正向云和逆向云发生器,用protege建立了兵器试验故障本体并确立了SWRL规则。举例将云模型预测的数据输入兵器试验故障本体用SWRL规则进行了推理,以保证预测结果的正确性与一致性。     

基于改进层次法与CRITIC法的 多维云模型岩爆预测

在高地应力区域,岩爆是严重影响地下工程建设的重大地质灾害,如何进行有效而准确的岩爆预测是有待解决的问题.综合考虑指标数据的客观信息和岩爆预测中主观评判、决策的重要作用,采用改进层次分析法和基于指标相关性的CRITIC法分别获得各指标的主观权重和客观权重,并依据最小鉴别信息原理进行融合,求得综合权重.对原始云模型和预测指标分类区间进行修正,弥补原始云模型对等级区间均值过于敏感的不足,并通过云算法生成各指标的等级综合云模型.最后,通过岩爆实例验证模型的可靠性和有效性,并与熵权-云模型、CRITIC-云模型和集对分析-多维云模型对比.结果表明:该模型可以描述区间值指标的各种不确定性,快速、有效地判定岩爆烈度等级.     

灰色趋势灾变预测及其在数据挖掘中的应用

分析了数据库中由异常数据组成的小样本序列的特点，给出了灾变序列的定义，结合系统云灰色预测模型，提出了灰色趋势灾变预测的方法，对灰色趋势灾变预测在数据挖掘中的应用进行了研究，给出了对数据库中“贫”信息数据序列进行数据挖掘的步骤．以全国旱涝灾害数据为研究对象，对全国水灾年份进行了预测分析，其预测结果与实际现象相符．     

Application of uncertainty reasoning based on cloud model in time series prediction

Time series prediction has been successfully used in several application areas, such as meteoro-logical forecasting, market prediction, network traffic forecasting, etc. , and a number of techniques have been developed for modeling and predicting time series. In the traditional exponential smoothing method, a fixed weight is assigned to data history, and the trend changes of time series are ignored. In this paper, an uncertainty reasoning method, based on cloud model, is employed in time series prediction, which uses cloud logic controller to adjust the smoothing coefficient of the simple exponential smoothing method dynamically to fit the current trend of the time series. The validity of this solution was proved by experiments on various data sets.     

多光谱卫星云图降水区域与强度估计的模糊推理模型

在卫星云图降水分析中,针对降水天气和降水强度具有明显的"模糊"特性,提出了云图降水的模糊推理模型.从不同云类降水的经验知识和降水天气的卫星云图样本中,提取出若干云类降水规则.在此基础上,引入模糊推理方法,建立了卫星云图降水分布和降水强度估计的模糊推理模型.实际应用中,对卫星云图进行云分类,根据云分类结果,去除不可能产生降水的云类区域.对可能产生降水的云类区域,通过提取多光谱云图的灰度等特征进行推理判别,进而得出该区域是否降水以及降水强度和降水分布的估算.试验结果表明,该方法在客观性、定量性和自动化程度方面优于传统的降水估计方法,且建模所需的样本少,可适用于多种类型的气象卫星云图.     

基于物联网云平台的矿热炉电极运行监控系统设计

为了远程监控矿热炉三相电极的电压、电流、移动距离等冶炼参数,对电极运行数据进行深入分析,及时对设备故障进行报警,满足安全生产、节能降耗的需要,设计实现了一种基于物联网云平台(WISE-PaaS云平台)的矿热炉电极运行监控系统。首先在现场底层使用ADAM 5510M作为控制器,结合ADAM系列模块、罗氏线圈、磁阻传感器、编码器等设备,实现对矿热炉电极运行数据的采集,并在网际组态软件WebAccess上建立工程节点和设定MQTT协议,将采集数据上传至云端。通过WISE-PaaS云平台中的Dashboard、SaaS Composer、APM、AFS等功能,整合矿热炉电极运行数据,采用云计算技术,开发了电极运行实时监控、电极状态报警、电极具体参数显示、移动终端人机交互、能耗预测、电极位置预测等一系列功能。实验结果表明,设计的监控系统实现了对矿热炉电极运行状态的实时监测和故障报警,为预测性维护和诊断提供数据支撑,具有较好的实际应用潜力。     

一种基于灰色模型和机理模型集成的质量预测模型及其应用

针对长流程工业过程中产品质量难以实时检测且不易实现优化控制的难题,通过对生产数据特性和质量预测要求的分析,提出了一种基于GM(1,1)灰色模型和机理模型集成的质量预测模型.首先根据过程机理知识建立了粗糙质量预测模型;然后运用灰色预测中的残差辨识理论,用机理预测模型的残差时间序列建立残差GM(1,1)模型,其预测结果补偿机理模型的预测值.验证结果表明,该质量预测模型能获得较理想的质量预测精度,其应用可使产品质量得到显著的提高.     

面向服务的云制造系统架构分析

为了解决当前云制造尚缺应用模式的问题,根据云制造全生命周期智慧制造、按需动态构建及多粒度服务等特点,提出了基于Agent的云制造系统5层架构。基于面向服务的思想,建立了云制造OWL-S本体模型,通过本体映射、推理机、匹配器完成服务请求、发布和绑定流程,提出了一种面向云制造服务的OWL-S本体扩展框架和Web语义化描述方法,为云制造服务匹配奠定了理论基础。构建了基于Agent的云制造服务协商机制,通过Agent分工、合作、竞争及协商实现云制造服务动态聚合和运行。分析了复杂、非线性、大动力学特性的云制造系统活动过程,建立了基于Agent的云制造系统IDEF0视图,并在此基础上分析了其运行模式。     

B2C电子商务中信任评价机制研究

为了提高B2C电子商务交易的安全性及成功率,客观地反映客户对站点的信任度,提出了基于云模型的信任评价机制。从历史交易评价、站点品牌、商品价格、物流和服务等方面分析B2C电子商务中的信任影响因素,通过信任云的定义来实现信任定性描述与定量表示的统一,基于逆向信任云生成算法、信任云合并算法以及信任云的相似度算法来建立信任评价模型。最后,通过计算结果结合主观推断实现了信任的决策。仿真实验分析验证了本方法的有效性及合理性。     

基于云端计算架构的恶意代码联合防御机制

为了解决恶意代码防御软件存在的滞后性问题,提出一种可普遍适用于互联网和内联网的基于云端计算架构的恶意代码联合防御机制.首先将传统的云计算拓展成新型云端计算,发挥云端计算环境中的集群服务器端和用户终端各自的优势以及两者的联动作用,有效地利用云端计算环境中的服务器集群集成多种恶意代码防御引擎,同时联合海量用户终端节点来主动...     

云环境下的图书馆服务模式探析

云服务是信息高速发展的必然产物，各界对云环境下图书馆服务的研究正在火热地进行着。阐述了云服务的概念及其在图书馆中应用的可行性及必要性。结合图书馆服务自身的特点，概括出几种典型的图书馆云服务模式，以期对相关理论与实践的发展有所贡献。     

云计算--实现概念计算的方法

云理论是实现概念的定性值与数字的定量值之间自然转换的有力工具．本文在云理论的基础上，提出了实现概念计算(也叫简化计算)的云计算方法．概述了云模型与不确定推理；给出了计算的逻辑描述，将计算过程抽象成为推理过程；运用机器学习的方法，给出了计算云化的过程，并且采用不确定推理的方法，给出了云的计算过程；简单阐述了云化计算的系统实现．