基于KL散度的密度峰值聚类算法

快速搜索与发现密度峰值聚类(clustering by fast search and find of density peaks, DPC)算法对聚类中心点进行了全新的定义,能够得到更优的聚类结果。但该算法需要手动选取聚类中心,容易出现多选、漏选聚类中心的问题。提出一种自动选取聚类中心的密度峰值聚类算法。将参数积γ引入新算法以扩大聚类中心的选取范围,利用KL散度的差异性度量准则对聚类中心点和非聚类中心点进行清晰划分,以Dkl排序图中的拐点作为分界点实现了对聚类中心的自动选取。在人工以及UCI数据集上的实验表明,新算法能够在自动选取聚类中心的同时,获得更好的聚类效果。     

基于改进密度峰值聚类的异常流量检测

针对网络异常流量检测技术准确率较低、簇的误划分等问题,提出基于改进密度峰值聚类算法的网络异常流量检测方案;首先对网络流量数据进行预处理和分组乱序,然后计算相应属性值并利用局部密度发现簇中心点,最后采用一种新的标签传递方式形成相应的簇群直至处理完所有数据。结果表明,相对于k均值算法和具有噪声的基于密度的聚类算法,基于改进的密度峰值聚类算法提升了网络异常流量的检测准确率,综合性能较优。     

基于LTSA-Greedy-SVDD的过程监控

为解决实际工业过程中的非线性和非高斯问题,实现有效的过程监控,提出了一种基于局部切空间排列算法的过程监控方法。首先运用局部切空间排列算法对标准化后的正常样本数据提取出低维子流形以实现维数约减。之后利用Greedy方法提取特征样本以支持向量数据描述方法建立监控模型,最后采用相应统计量进行过程监控。以田纳西伊斯曼(TE)模型为仿真平台,仿真结果说明了该方法的有效性。     

基于离散度的SVDD支持向量预选取方法

为了提高SVDD训练效率、降低存储空间需求,提出了样本的离散度概念,从理论上证明了样本的离散度和支持向量可能性大小之间的关系,并以此为依据来预选取支持向量.仿真实验表明该方法能够在保证SVDD分类精度的前提下,大幅减少训练样本数,而且比现有的其它方法精度更高,证明了该方法的有效性和优越性.     

基于密度峰值聚类的电力大数据异常值检测算法

为了解决传统算法检测准确性低,复杂性高不适于电力大数据异常值检测的问题,通过密度峰值聚类算法研究了电力大数据异常值检测问题。分析了密度峰值聚类算法的聚类过程。按照聚类中心选择原则,通过相邻距离和密度的归一化乘积对聚类点的差异度进行衡量,按照差异度的统计特性与改变趋势选择最大的一组点当成聚类中心。按照z空间填充曲线与高维数据点z携带位置信息特性提出基于z的分布式密度峰值聚类算法,降低异常检测复杂性,以达到电力大数据异常值检测要求。采用优化后的密度峰值聚类算法对电力大数据异常值进行检测,在局部密度超过阈值,同时距离超过阈值的情况下,认为相应电力数据点为异常值。将基于距离的检测算法和基于密度的检测算法作为对比进行测试,结果表明:所提算法得到的异常电力数据点,和实际情况相符,和其他两种算法相比没有出现错检测和漏检测的情况。可见所提算法适于电力大数据异常值检测,且检测结果准确性高。     

网络切片中物理节点的分布式在线异常检测方法

网络切片中的异常检测问题是实现网络切片自动化管理的重要研究内容,针对网络切片中物理节点的异常检测问题,提出了基于支持向量数据描述的分布式在线物理节点异常检测方法.基于支持向量数据描述建立了一种分布式的物理节点异常检测模型;通过引入随机近似函数,解决了数据分布式存储场景下的核函数计算问题,从而实现观测数据的切片内处理;基...     

基于改进密度聚类的异常检测算法

提出一种基于改进密度聚类的异常检测算法(ADIDC), 通过在各特征列上分别进行密度聚类, 并根据各特征对正常轮廓的支持度进行特征加权, 解决了聚类分析方法在异常检测应用中误报率较高的问题. 通过大量基于异常检测数据集 KDD Cup 1999的实验表明, 其相对于传统异常检测方法在保证较高检测率的前提下, 有效地降低了误报率, 对某些与正常行为相近的特殊攻击检测率明显提高. 同时利用特征权值进行特征筛选提高了其检测性能和效率, 更适应实时检测要求.     

基于密度聚类算法的异常检测

聚类算法通常用于数据的聚类,但只要对算法结果从另一角度进行分析,则可发现它还可以用于异常数据的检测. 首先介绍了数据挖掘中的聚类算法,进而结合具体实例给出应用基于密度的聚类算法DBSCAN进行异常检测的过程,最后指出最终异常数据集的确定还应结合领域专家意见.     

基于SVDD的ADS-B异常数据检测

自动相关监视广播(ADS-B)与空管二次监视雷达(SSR)是空中交通管制的2种重要监视手段,其中ADS-B是目前正在推出的通信协议,在下一代空管监视系统中将会发挥重要作用.然而,ADS-B协议中安全措施缺乏,容易遭受虚假数据注入的攻击.为了识别ADS-B中的异常数据,利用与其同步的SSR数据及通过Kalman滤波得出的的协方差矩阵,得到一组具有多维属性特征的样本数据,使用支持向量数据域描述的方法(SVDD)训练样本数据,可以得到用于检测异常的分类器.利用此分类器检测之后收到的ADS-B数据,从而识别出异常数据.通过仿真实验表明,该方法对于ADS-B异常数据具有80%以上的正确识别率,其中对于固定偏差注入的检测虚警率为5%,漏警率为0,对于随机偏差注入的检测虚警率为5%,漏警率为12.5%,验证了该方法的可行性.     

基于聚类分析的大学生体质异常数据提取方法

针对大学生体质异常数据提取内存开销大、覆盖率低等问题,提出基于聚类分析的大学生体质异常数据提取方法。通过Relief算法调整数据特征距离,筛选出异常数据的相关特征,采用K-means算法聚类分析异常数据,将单条信息汇集为一类信息,改进K-means算法的K值选取,实现大学生异常数据精准提取。经验证,该方法具有较高的覆盖率,拥有较小的内存开销与时间开销,能够有效降低异常数据提取过程中内存与时间消耗。     

基于RFID技术的制造过程链节点信息监控研究

针对目前缺少能够自动、实时、准确地获取离散制造过程中发生的各种信息的监控平台,提出了基于RFID技术的制造过程链节点信息监控研究.首先构造制造过程链节点信息模型,模型中包括制造过程及状态信息.其次分析模型中参数的获取途径和方法,给出模型中参数与输入变量的计算方法,实现数据采集系统的数据到监控平台的模型信息的映射,最后构建信息采集工具和监控平台.通过在某产品制造过程中应用,表明通过节点信息监控不但改变物流与信息流不同步、不同时,使制造过程中各环节的生产计划与制造执行相一致.     

基于RFID技术的离散制造过程其量指标监控研究

针对目前在离散制造过程中缺少有效的管控指标监控、生产管理决策软件与现场制造执行系统无法有效集成的现状,为自动、实时、准确地获取离散制造过程中发生的各种信息,提出了基于无线射频识别(RFID)技术的离散制造过程其量指标监控研究.无线射频识别技术是构建物联网的核心技术之一,通过电子标签可以跟踪生产物流的信息,从而改变传统的...     

基于Petri网的敏捷制造业务过程建模研究

在分析敏捷制造业务过程的基础上,给出了该业务过程的Petri网系统描述,并提出了Petri网过程模型.该模型描述了敏捷制造中多因素相互间的动态行为,解决了其过程中各环节之间的并发性、异步性、分布性等问题.最后,运用可达树分析方法分析了网模型的活性.     

基于Petri网的制造系统质量管理流程建模

为满足质量管理体系持续改进的要求,建立了流程重构的定量分析方法.该方法对制造系统质量管理流程进行Petri网建模,并通过行为表达式的分析方法对该模型进行定量性能品质分析,给出质量管理流程各环节的函数关系,用于指导质量管理流程的重构,使得系统能得到更高的吞吐率和更平衡的流程控制.最后基于企业质量管理流程实际案例,建立了工作流模型,给出了分析的实例和步骤.结果表明,本方法可方便地获取流程重构性能指标,并对流程的瓶颈进行定位.     

基于DDNPE算法的间歇过程故障诊断

针对邻域保持嵌入(NPE)算法只通过欧氏距离挑选近邻带来的特征提取不充分导致故障诊断效果不佳的问题,将扩散距离(DD)与NPE算法相结合,提出了一种基于扩散距离的邻域保持嵌入(DDNPE)算法的故障诊断新方法.该方法首先发掘嵌入在原始高维数据的内在流行结构,进行数据降维,然后通过学习原始数据的潜在几何结构提取本征信息,并保持数据流行上的局部结构不变,避免了NPE算法只通过欧式距离挑选邻域带来的特征提取不充分的问题,最后利用T²和SPE统计量检测故障,并用变量贡献图法诊断出故障变量.通过青霉素发酵过程仿真结果验证了所提方法的有效性.     

基于区间数的制造过程资源环境属性评价

针对制造过程资源环境属性的复杂性和多样性,考虑环境不确定性和测量误差等因素的影响,提出一种基于区间数的资源环境属性评价方法.利用该方法对dCi11发动机关键零部件制造过程资源环境属性进行评价,并对发动机关键零部件制造过程的绿色性进行排序,从而验证了该方法的可行性和实用性.     

基于休哈特控制图的制造过程质量监控系统

介绍了一种基于休哈特控制图的工业现场质量监控系统,并阐述了系统软、硬件的设计思想和实现方法.在现场利用控制图监控生产过程,调查生产过程的状态,了解工序能力是否适宜,实现了预防为主的思想.该系统可实现现场实时数据采集和质量控制的自动化.     

基于小波的异常检测方法研究

针对DDoS攻击引起的网络异常,提出基于小波变换的检测方法.将网络流量分解到不同的频段,根据高频段频谱能量,即小波方差的变化对网络流量异常进行检测.为提高预警的准确性,吸取了路由器的设计思想,用LRU Cache滤掉长时流发现突发流量,实验证明本尝试是有效的.     

工业互联网平台赋能流程制造行业转型升级场景分析

 流程行业是中国工业的重要组成部分,行业生产具备生产过程连续性强、制造执行决策过程复杂、生产单元少但可变因素多等特征,但目前中国流程行业还普遍存在数据采集应用体系不健全、产品高端化发展与工艺水平滞后矛盾突出、能耗与安全监控覆盖不足、产业链协同水平较低等问题。梳理冶金、石化、建材等重点流程制造行业中工业互联网平台应用的典型场景和案例发现,通过构建、应用工业互联网平台,流程制造企业内部以数据的全面采集和自由流动有效打开生产“黑箱”,有助于企业间高效对接制造和市场资源,提升产业链整体价值共创水平。工业互联网平台的应用为流程行业构建集约高效生产新体系提供新工具、新引擎。