基于时态逻辑的多时间序列挖掘模型

为了从多时间序列之间发现的定性的时态相关模式可而更全面的理解和把握系统的演化特性,提出了一种基于时态逻辑的多时间序列挖掘模型.它首先将多时间序列转化为多事件序列,然后将预处理后的多事件序列利用区间时态逻辑(ITL)关系子集来定义多事件序列中事件间的时态相关模式.其次进行多状态序列融合和局部时态观测序列的生成,之后采用频繁模式挖掘算法发现多时间序列的频繁时序模式.该模型有助于解决时间序列挖掘所面临的若干挑战和难题,有助于扩展现有时间序列挖掘系统的功能,从而指导时间序列等复杂类型数据的知识发现过程.实验结果表明了该模型及算法的有效性和优越性.     

时滞多智能体系统的事件触发一致性

针对一类时滞非线性多智能体系统,研究了带有时滞的非线性多智能体系统的事件触发固定时间一致性控制问题.设计了一种分布式的事件触发控制策略,利用李亚普诺夫稳定性理论和固定时间稳定性理论,导出了保证系统在固定时间实现一致的充分条件,并通过所给出的分布式的事件触发函数证明了系统能够避免芝诺行为.最后,通过仿真实例验证了结果的有效性.     

在GSM系统中挖掘序列报警模式

研究了一种从GSM系统报警数据中挖掘序列报警模式的方法。根据报警数据的特点,提出了数据清洗的方法。通过使用时间约束来限制两个报警事件在时间上的差异,利用MSAP挖掘算法获取两个报警事件之间平均的时间偏差,并发现有用的序列报警模式。     

多agent系统的路径诱导算法的研究及在智能交通系统中的应用

针对目前智能交通系统中关于路径、时间、费用等综合因素考虑的复杂问题，本文提出了一种基于多agent系统的路径诱导算法，根据分布式柔性约束协商方法，综合考虑了路径、时间、费用等因素，为智能交通系统的路径诱导问题提出了一种新的解决方法。     

EM算法在混合分布模型参数估计中的应用研究

运用EM算法对一种新的系统寿命分布——混合指数-泊松分布进行参数估计,并通过随机模拟,验证了EM算法在混合模型参数估计的收敛性和有效性.     

基于事件触发机制的离散时变时滞多智能体一致性研究

为降低资源的消耗和浪费,并处理时变时滞对于多智能体的影响,针对离散线性时变时滞多智能体系统,提出一种基于事件触发机制的一致性协议,以减少系统的通信次数。在事件触发机制的框架下,提出一种基于预测控制的分段时滞补偿方法来补偿时变时滞对多智能体系统一致性的影响。在此基础上,通过构造基于延迟划分的Lyapunov-Krasovskii函数分析离散线性多智能系统的稳定性。最后,通过MATLAB仿真验证所提方法的有效性。研究结果表明：事件触发机制可以有效减少系统更新次数,降低消耗,所提出的基于预测控制的分段时滞补偿方法可以弥补时变时滞对于多智能体系统的影响,且基于延迟划分的分段补偿能够降低系统的保守性。     

混沌蚁群算法及其在智能交通中的应用

在传统蚁群算法的基础上,结合混沌的遍历性、随机性和规律性,提出一种混沌蚁群算法,阐述该算法在智能交通系统中应用的可行性,解决了智能交通中常见的最优路径问题,并通过实验数据说明本算法的有效性.     

面向网络管理知识获取的一种序列模式挖掘新算法

为了从反映网络状况和网络行为的海量历史数据中提取有用的网络管理知识,提出了一种用于获取网络管理知识的序列模式挖掘新算法--基于定位索引投影的序列模式挖掘算法.该算法采用模式增长、分而治之的思想,通过引入定位索引的概念,避免了对投影数据库的扫描,进一步减少了系统的开销.实验证明,利用该算法能够有效地发现网络告警事件序列模式.     

Ⅰ型双删失样本下Lomax分布形状参数的估计

基于Ⅰ型双删失样本求Lomax分布中形状参数的极大似然估计,并不能得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的.用EM算法得到了未知参数的迭代公式,通过相关引理证明了该算法具有良好的收敛性.通过一个例子分别计算出参数θ的极大似然估计和EM估计,并把它们进行了比较,验证了EM算法是Ⅰ型双删失样本下参数估计的一种有效方法.     

数据挖掘在智能交通系统中的应用

目的将数据挖掘技术应用于智能交通系统中，利用挖掘得到的模式对交通管理决策提供有效支持。方法针对交通数据库系统中数据的特点，提出了基于概化的数据预处理方法，并在此基础上，采用基于树模型的关联规则挖掘算法进行关联规则挖掘。结果获得了良好的挖掘模式。实际应用说明了挖掘结果的有效性及可行性。结论数据挖掘技术在智能交通系统中的成功应用，为交通管理决策提供了有效支持，且提出的方法易于实现，便于推广。     

一种序列模式的概念及挖掘算法

介绍了一种时间序列模式的形式和概念,讨论了其相关的挖掘算法.将时间序列模式既用于具有时间关系的购买行为的分析,以揭示购买行为后面一种序列关系信息,又用于其他有时间关联的事件分析.挖掘算法由以下几部分构成建立频繁物品集,进行数据处理和转换,并生成候选子序列,通过验证后,得到长度为2,3,…的序列集合,从中选出独立最大序列即为所求.通过实例指出了该算法和传统的Aprioriall算法的不同之处.结果表明,这种序列模式在网络通信、气象分析等领域具有广阔的应用前景.     

三阶时滞多智能体系统二分一致性分析

对带有相同输入时滞的,有竞争关系的三阶多智能体系统的二分一致性进行研究.根据连通二部图的特征,提出一种基于竞争的三阶时滞多智能体系统控制算法.基于奈奎斯特稳定判据,给出多智能体系统实现二分一致性的充要条件,提出多智能体系统实现二分一致性的最大时滞与系统的拉普拉斯矩阵特征值的代数关系,并进行数值仿真实验.结果表明:通过文中算法,三阶时滞多智能体系统能够实现二分一致性.     

基于事件触发的二阶多智能体时滞一致性

为了使多智能体可以减少信息交流,一致性问题在多智能系统的应用已被众多学者广泛研究,从而避免通信资源和计算资源的浪费;在有向拓扑图下,针对二阶的领导-跟随非线性多智能体系统,提出了一种基于事件触发机制和时滞一致性控制策略,对于每一个智能体给出事件触发条件,可以有效减少更新频率和系统能源的耗费;通过利用Lyapunov稳定...     

一种针对时滞系统的改进智能轨迹导引控制算法

针对在控制大时滞系统时,智能轨迹导引控制(ITGC)算法在偏差选取上的不足,引起系统调节时间过长以及抗扰性不佳的问题,提出了一种改进智能轨迹导引控制(改进ITGC)算法。根据引入的参考模型和估计滞后,可得规划导引与无时滞参考模型间的偏差D_A以及有时滞给定与实际被控对象间的偏差D_B,以D_A和D_B的加权线性组合纠正系统的响应。分别运用MATLAB和一体化试验箱进行验证。结果表明改进算法在控制大时滞对象时兼具系统的响应速度和抗扰性能优势,且模型失配时,算法依然有效。改进ITGC算法为控制大时滞系统增加了解决途径。     

基于广义后缀树的事件序列频繁情节挖掘算法

为了有效地挖掘事件序列频繁情节,提出了一种广义后缀树结构发现和存储频繁情节. 此结构利用广义后缀概念并且树中只包含频繁情节结点,用频繁情节发生列表逐层构建的方法提高了建树效率. 该方法充分利用了事件序列的有序特点,可用于发现各类频繁情节. 实验结果表明该算法性能优于Apriori-like频繁情节发现算法.     

基于智能视觉的交通多状态监控系统

当前智能交通系统只能对交通的流量特征进行监控,无法细分交通的不同状态。在充分研究交通监控原理的基础上,提出一种基于智能视觉识别技术的交通多状态识别系统。利用监控图像帧差灰度变化区间,更新图像背景,引入像素变化控制规则作为核心软件算法。结合交通状态监控数据源,检测堵塞、行人以及停车等多状态交通事件。以实际系统测试表明,系统能够及时准确检测出相关的交通事件,并且具有较高的检测精度。     

EM算法理论及其应用

EM算法是一种迭代算法,主要用来计算后验分布的众数或极大似然估计,广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓的不完全数据的统计推断问题。在介绍EM算法的基础上,针对EM算法收敛速度慢的缺陷,具体讨论了加速EM算法：EMB算法和MEMB算法;针对EM算法计算的局限性,给出了EM算法的推广：GEM和MCEM算法。最后给出了EM的实值实例,结果精确。     

模糊系统时滞相关模糊控制器的设计

对一类带有时变时滞的离散模糊双线性系统,提出了一种基于新型的Lyapunov函数的时滞相关稳定控制器.采用并行分布补偿算法和自由权值矩阵相结合的方法,得到了与时滞有关系统的渐近稳定充分条件.控制器的设计可通过求解一系列线性矩阵不等式(LMI)获得.通过仿真实验验证了所提方法的有效性.      

基于Shapelet的不相关情感子序列挖掘方法

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提出一种基于Shapelet的不相关情感子序列挖掘方法 .首先通过事件和不同类别用户的微博生成相应的情感时间序列,然后利用基于Shapelet的思想将相应序列划分成不同的子序列,最后通过计算不同种类用户的子序列和事件子序列的相似性得到最不相关的情感子序列.通过基于微博事件数据集的实验展示了使用该方法挖掘出的情感子序列结果,并进一步通过情感相似度方法验证了该方法的合理性.     

基于EM算法相关噪声模型估计的Wyner-Ziv分级视频编码

文中提出了一种基于EM算法的相关噪声模型估计的Wyner-Ziv分级视频编码方法,基本层用复杂度相对较低的DISCOVER相关噪声模型参数估计方法,保证了基本的图像质量;增强层利用EM算法在线学习,建立相关噪声模型.实验结果表明,文中提出的噪声模型估计算法与DISCOVER的噪声模型相比,在相关噪声分布有拖尾现象时,能使编码器的率失真性能明显提高.