神经网络负荷模型的综合能力研究

针对电力电子设备综合负荷模型难以用机理模型描述的现状,构造了动态综合负荷的模糊神经网络模型.该模型具有模糊推理和神经网络的优点,能很好地逼近动态负荷的模型输出.通过对已知实测建模数据的训练,分析了模糊神经网络负荷模型的前件参数、结论参数的辨识策略,阐述了模糊隶属度和模糊规则的形成过程.对负荷构成相异的4组实测变电站负荷数据,用其中1组建模数据进行训练,得出模糊模型结构和参数,用该模型去拟合其他3组数据,对模糊神经网络负荷模型的综合能力进行验证.实例表明,该模糊神经网络负荷模型不仅具有很强的自描述能力和收敛性,而且具有良好的综合描述能力.     

一种改进的GPS模糊度空间搜索算法

为了提高GPS动态定位的模糊度搜索效率,针对LAMBDA算法整数搜索的特点和实际应用效果,分析了影响搜索椭球体积尺度的取值方法,引入了空间选择性搜索的思想,研究了一种改进的GPS模糊度空间搜索算法,利用多维模拟数据和低维实测数据对该改进算法的搜索效率进行了检验,并利用GPS实测数据对该改进搜索算法求解模糊度的正确性和提...     

基于主张量的时空数据特征驱动可视化方法

面向时空场数据高维分析与表达的需求,构建基于主张量的时空数据结构分析与动态表达模型.简述了张量的定义、基本算子及主张量分解方法,给出了基于主张量分解的多维度特征分析流程.利用张量的多维融合特性进行多维时空数据的组织与表达,设计了多维时空数据统一组织与存储方法.利用主张量分解方法,实现了时空数据不同维度结构特征的解析与动态重构,进而建立了基于主张量的多维时空数据多维度解析模型与特征驱动的时空数据联动可视化策略.以赤道太平洋海域卫星测高SSHA(Sea Surface Height Abnormity)网格数据进行实验验证.实现了基于张量的多维透视、子集提取、等值面绘制与时空体可视化等功能.利用主张量分解实现了对ENSO(El Ni(n)o-Southern Oscillation)事件时间型与空间型的解析与提取,并实现了时间、经度、纬度系数驱动下的联动可视化.实例验证表明,该方法较好再现了ENSO事件的时空分布格局与动态演化特征,并可实现对ENSO时空演化过程的多维度透视.     

基于在线模糊聚类的故障检测和容错控制

提出了一种新的基于T-S模糊模型在线辨识的非线性系统的故障诊断与容错控制策略.在闭环控制中,根据在线产生的数据对T-S模糊模型进行辨识,当故障引起系统动态的结构性变化时,在线模糊聚类算法能够辨识出系统的重大改变并产生新的模糊规则描述系统新的动态,同时基于T-S模型的控制律也会做出相应的调整.分析了T-S模糊模型结构和参...     

基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能.     

基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)

基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.     

基于时间序列的模糊聚类与规则提取信用评价模型

提出基于多维时间序列模糊聚类与模糊规则提取技术相结合的模糊分类系统,将其应用于信用评价研究.该方法利用投影寻踪技术对多维时间序列数据进行降维处理并进行模糊分类;根据分类结果和最佳投影值提取模糊规则,采用梯形分布法生成三个模糊隶属函数;最后根据计算模糊贴近度确定样本的信用级别.实例证明该方法具有良好的评价效果和实用价值.     

基于混合效应模型的纵向数据建模方法研究

为研究医学纵向数据建模方法,结合纵向数据的特点及统计分析理论、提出基于混合效应模型的动态建模方法.针对多维医学纵向数据的非平衡性,当结果变量个数不多时,采用共同混合效应模型进行分析.当结果变量较多时,协方差矩阵的估计会变得困难,这时采用随机结伴方法对所得到的若干个二元模型分别拟合,通过求均值得到固定效应及协方差矩阵的估计,实验证明这种动态建模分析方法是有效可行的.     

带模糊数据的广义关系数据模型

本文以研究模糊数据的语义和表示,以及关系数据模型的理论框架为目标,建立了带模糊数据的广义关系数据模型,得到了包括模糊值关系、模糊数据推演动态系统和模糊比较关系集的一组目标型;描述了θ-Select、θ-Join、θ-Project等广义关系运算;提出了模糊函数依赖的慨念;给出新的完整性规则。     

一个多层次模糊规则的逐维挖掘算法

在模糊聚类的基础上,分析多维规则之间模糊传递关系的分布特性,提出一个多层次模糊规则的逐维挖掘算法(MMFCRA).该算法通过逐步精简候选集的递推计算来生成多维模糊规则集,从而建立多维多层次的模糊规则挖掘模型,能够在不减少维数的情况下,既有效地降低了查询计算的次数,又反映了不同维数指标区间组合的影响情况,同时也保证了逐维挖掘算法的收敛性,避免了知识的遗失.     

DFL程序设计语言数据类型的研究

给出了一种动态模糊逻辑（DFL）程序设计语言,拟用来处理动态模糊数据。并在此基础上进一步研究动态模糊数据在计算机中的表示和处理。     

基于数据仓库的多维模糊分析方法研究

传统的多维分析是维值为确定的一种分析方法,但在实际分析过程中,由于环境的复杂不确定性,分析人员常常提出一些维值不确定的分析需求.在分析讨论多维模糊分析概念的基础上,采用模糊隶属度函数的概念,通过将维表数值的模糊化处理和基于模糊化维值完成事实表转换,提出了一种基于数据仓库的多维模糊分析方法,给出了相应的转换过程和算法.分析结果表明,基于数据仓库的多维模糊分析方法可有效提高多维分析的灵活性和适应性.     

基于模糊模式识别神经网络的企业风险动态识别方法研究

在企业风险等级识别过程中存在风险效应人为等分需要量化处理、多维特征指标识别困难以及不同企业间指标高度相似性等问题.为了更好地解决这些识别问题,将模糊模式识别与神经网络相结合提出模糊模式识别神经网络动态识别方法.该方法既克服了模糊模式识别只能处理静态数据且不能实现特征提取的问题,又克服了神经网络对于高维度、高相似性特征指标识别困难的问题.     

一种多维时态关联规则数据挖掘算法

在关联规则挖掘中,大量的数据是多维的,且带有时态特性,所以往往需要在时态约束的前提下挖掘多维关联规则．本文从一个实际问题出发,在单维Apriori算法和已有的工作基础上,提出了一种新的多维时态关联规则挖掘算法,并与类似算法进行了比较．     

云环境下的流式空间信息服务

随着物联网、传感器技术与应用的发展,对大规模多维空间数据集成与服务的需求愈加迫切.如何实现基于大规模、多维空间数据流的实时计算成为空间数据处理领域的难点.结合云计算的特点,提出针对高速、大流量空间数据的实时处理方法.通过对多维、异构空间数据进行智能处理,生成结构化、简洁化的中间属性集;利用针对高速数据流的大规模数据实时处理方法,解决Map/Reduce难以满足此类计算实时性要求的不足.在此基础上,设计了流式空间信息组织模型与云端适配方法,对方法中的关键技术问题进行了描述.实践表明,该方法可显著提高动态空间信息的服务质量与运行性能.     

基于Cluster结构的多维动态数据分布方法

数据分布是数据库查询并行处理的基础，良好的数据分布方法对查询性能有着重要影响，本文提出了一种新的基于Cluster结构的多维动态数据分布方法，该方法能保证数据均匀分布在多个处理机上；能动态调整数据片段的大小，使关系始终保持最优并行度；并能有效地支持各属性上的查询操作，性能分析及实验结果表明，在大规模的并行系统中，本文方法的性能优于过去的数据分布方法。     

动态模糊逻辑理论在入侵检测技术中的研究

阐述了动态模糊逻辑理论,运用动态模糊逻辑的理论来解决入侵检测中的这些动态模糊数据的问题,介绍了动态模糊入侵检测系统的基本过程。     

多维数据驱动粮食供应链危害物风险综合评价

为科学合理评价重金属、真菌毒素、农药残留和微生物等危害物在粮食供应链各个环节中的综合风险,在分析全国26个省份粮食加工品抽检数据及其他多维度数据基础上,兼顾定量指标和定性指标优势,从统计特性、抽检特性和调研特性三种互补角度构建多维层次风险指标体系,实现大量异构数据向量化风险指标转变;继而应用关联规则挖掘各指标间内在关系,实现各指标权重分配,构建风险综合评价方法,实现多维数据驱动的粮食供应链危害物风险评价和优先程度排序。希望为监管部门制定有针对性的抽检策略、确立优先监管领域和分配风险监管资源提供科学依据。     

Multi-Dimensional Customer Data Analysis in Online Auctions

In this paper, we designed a customer-centered data warehouse system with five subjects： listing, bidding, transaction, accounts, and customer contact based on the business process of online auction companies. For each subject, we analyzed its fact indexes and dimensions. Then take transaction subject as example, analyzed the data warehouse model in detail, and got the multi-dimensional analysis structure of transaction subject. At last, using data mining to do customer segmentation, we divided customers into four types： impulse customer, prudent customer, potential customer, and ordinary customer. By the result of multi-dimensional customer data analysis, online auction companies can do more target marketing and increase customer loyalty.     

基于模糊核判别分析的基因表达数据分析方法

针对基因表达数据空间分布的特性,提出了一种基于模糊核判别分析的基因表达数据分析方法.方法综合了模糊数学以及核判别分析方法的优点,提高了对基因表达数据分类识别的准确性.以多发性骨髓瘤的基因表达数据为例进行了实验,从实验结果可以看出,采用模糊核判别分析方法可以得到最佳的识别效果.