数据库的知识发现

数据库的迅速发展使得人们不仅用数据库来进行查询和检索,而且帮助人们从数据中抽取带有结论性东西,文中介绍了数据库知识发现的研究内容,方法、研究重点,并叙述了它在数据库发展中的作用。     

基于差分进化极限学习机的电力系统暂态稳定评估方法

电力系统暂态稳定性的破坏可以对电力系统的安全稳定运行产生严重冲击,准确、快速地暂稳评估方法能够提高电力系统的安全防御能力。极限学习机由于其速度快、泛化性能好被应用到电力系统暂态稳定评估中。为了提高极限学习机的评估性能,利用基于差分进化算法的优化方法和序列浮动后向特征选择算法对极限学习机暂态稳定评估性能进行提升。首先对输入特征通过主元分析降维并利用序列浮动后向算法进行特征选择,再将最优特征集输入差分进化极限学习机进行暂态稳定评估,最后在新英格兰10机39节点系统中进行验证分析,结果表明,所提模型与其他极限学习机模型相比,大大提升了其在暂态稳定分类评估中的性能。     

数据库的知识发现

数据库的迅速发展使得人们不仅用数据库来进行查询和检索,而且帮助人们从数据中抽取带有结论性东西．文中介绍了数据库知识发现的研究内容、方法、研究重点,并叙述了它在数据库发展中的作用．     

基于海洋捕食者算法和ELM的空气质量指数预测

针对极限学习机(Extreme Learning Machine,ELM)模型参数选取敏感问题,文章提出一种改进的海洋捕食者算法(Improved Marine Predator Algorithm,IMPA)优化极限学习机的权重和偏置。首先,针对海洋捕食者算法初始种群的多样性不足,运用准反射学习策略生成高质量的初始猎物种群。其次,引入柯西变异策略更新种群,增强算法的全局寻优能力。然后,运用纵横交叉策略对猎物种群进行修正,进一步提高算法搜索精度。最后,将改进后的海洋捕食者算法优化极限学习机的权重和偏置,构建了一种IMPA-ELM预测模型用于空气质量指数预测。实验结果表明,IMPA-ELM预测模型在空气质量指数预测精度上有所提高。     

基于EEMD与ELM的单向阀故障诊断

提出了一种基于总体平均经验模态分解和极限学习机的故障诊断方法,该方法利用EEMD将单向阀振动信号分解成若干个不同尺度的本征模函数(IMF),从IMF分量中提取近似熵、能量熵、峭度和均方根4个特征构成特征向量集,用于建立基于极限学习机算法的故障诊断模型。实验结果表明,该方法可以监测高压隔膜泵运行状态,成功诊断出单向阀运行时产生的故障。     

考虑静态安全约束的暂态稳定极限计算

将求解暂态稳定极限问题描述为一个以输电线路或输电断面输送功率最大为目标，以静态安全及暂态稳定为约束条件的最优参数选取问题．并将一种新的进化算法——粒子群游(PSO)，应用于暂态稳定极限计算．算例表明，此种计算方法克服了静态安全约束等因素对稳定极限的影响，因而减小了计算误差，提高了计算结果的精确性。     

暂态电压失稳模式主导不稳定平衡点的计算

构建了负荷采用三阶感应电动机并联恒阻抗动态模型时电力系统暂态电压稳定分析的数学模型。针对采用牛顿法求取故障后系统电压失稳模式主导不稳定平衡点（CUEP）存在的初值确定难题,提出了一种实用的解决方案：通过判别给定故障的主导负荷母线,对主导负荷母线以外系统由故障后稳定平衡点处的状态进行戴维南等值,对负荷中感应电动机部分采用其稳态等值电路,再由感应电动机的转矩特性求得CUEP附近的一个点作为迭代初值,以计算CUEP;并且,还给出了如何得到更接近CUEP的迭代初值以更可靠求得CUEP的方法。IEEE 9节点系统和IEEE 39节点系统的计算结果验证了该方法的可靠有效。     

基于结构自组织ELM的铝热连轧轧制力预测

轧制力在铝热连轧中起着重要作用,针对热轧过程中的非线性、参数强耦合性等因素使得其难以建模的问题.本文提出一种具有拓扑结构自组织的极限学习机(Topology Self-Organizing Extreme learning machine,TSO-ELM)算法,解决了ELM的结构设计问题,实现了结构和参数的自组织.根据现场数据,使用TSO-ELM算法进行铝热连轧轧制力预测,结果表明该算法与人工蜂群算法优化反向传播神经网络(Artificial bee colony algorithm optimized Back-propagation neural network,ABC-BP)和增强型增量极限学习机(Enhanced random search based incremental extreme learning machine,EI-ELM)算法对比,其训练速度和精度都得到了一定的提高.     

基于小波能谱熵和改进ELM的转辙机故障预测

为了进一步提高铁道转辙机故障预测精度和维修效率,提出了一种基于小波能谱熵和改进极限学习机(Extreme Learning Machine, ELM)的转辙机故障预测方法.首先,将采集到的转辙机功率数据用完备集合经验模态分解方法进行预处理;然后,计算各个固有模态函数的小波能谱熵值,通过核主元分析原理方法将多维特征数据降至1维,构建转辙机的退化性能指标,得出失效阈值;最后,利用自适应鲸鱼优化算法对ELM预测模型的权值和阈值进行全局寻优,以获得最优的预测模型,实现对转辙机故障趋势的预测.用Matlab软件对新方法进行实例分析,并与支持向量机和ELM模型进行对比.仿真结果表明,与传统预测模型相比,基于改进ELM模型均方误差更接近于0,决定系数更接近于1,表明该模型预测精度更高,性能更佳,证明了该方法应用于转辙机故障预测的可行性.     

知识发现和数据挖掘的研究

近年来，随着信息产业的急剧发展，数据大量地产生和搜集，使得传统的数据管理方法不能有效地使用这些数据为人们服务。于是，人们不得不去寻找一种新的方法和技术，使之能够智能地、自动地将这些数据转化处理为有用的信息和知识。知识发现和数据挖掘（ＫＤＤａｎｄＤａｔ...     

基于 Rough Set 的知识发现系统

ＲｏｕｇｈＳｅｔ理论是近年来出现的处理模糊和不确定性的数学工具，已广泛应用于人工智能的许多领域特别是ＫＤＤ领域。文章介绍了ＲｏｕｇｈＳｅｔ理论的基本思想，并着重讨论了几个基于ＲｏｕｇｈＳｅｔ理论的典型ＫＤＤ系统。     

基于已存信息的知识发现更新方法

在挖掘关联规则和序列模式过程中,用户往往需要多次调整最小支持度,才能获得有趣的关联规则和序列模式.现给出基于已存信息的知识发现更新方法———PSI算法和大PSI-seq算法,以提高挖掘知识的效率.     

基于 PCA 和 ELM 的网络入侵检测技术

针对基于传统 BP(Back Propagation)神经网络算法的入侵检测技术收敛速度慢和检测率不高的问题, 提 出了一种基于主成分分析(PCA: Principal Component Analysis)和极限学习机(ELM: Extreme Learning Machine ) 算法相结合的入侵检测方法。 对提取的特征矩阵采用了 PCA 降维, 并使用 ELM 算法对 4 类常见的攻击类型进 行了多分类检测。 实验结果表明, 该方法正确率高达 98. 337 5%, 检测时间仅 1. 851 7 s, 与传统方法相比缩短 了 2 ~6 倍, 同时还提高了检测率和精度, 降低了误报率和漏报率。 最终改善了正确率、 误报率、 漏报率、 检测 率、 精度和测试时间 6 项指标。     

基于数据库和知识库的知识发现研究综述

介绍了知识发现技术的总体研究情况,包括KDD的定义、若干基本概念、主要过程和步骤、KDD的分类和主要技术手段、发展趋势以及KDD的主要应用领域.同时也指出了数据挖掘研究的挑战性以及目前的局限性,结合一些新的研究成果,探讨了基于知识库的知识发现(KDK)和数据库-知识库协同知识发现(KDD&K)的理论框架.     

基于有限元仿真结果的知识发现

提出了通过数据挖掘技术实现基于有限元仿真结果的知识发现．分析了数据挖掘的一般步骤，建立了基于有限元仿真结果的知识发现系统，论述了知识发现系统的各个模块及实现该系统的关键技术；对粗糙集和主成分分析法作了简单的介绍，并举实例对粗糙集方法作了说明．通过数据挖掘技术将计算实例提炼出来，作为一种知识源参与到设计优化过程中去，将CAE从设计验证层次提升到设计驱动层次．     

基于就地测量量的电力系统暂态稳定快速预测

针对电力系统在遭受大的扰动后其暂态稳定性在线预测困难的问题,本文提出了一种类似于模式识别的在线快速预测方法.本方法适用于我国大多数电力系统,在装置的安装地点,根据就地测量量即能进行暂态稳定预测.研究表明,根据电力系统暂态稳定预测和控制的要求,使用本地测量量,能够对系统的稳定性进行预测,以便采取相应的控制措施.     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的方法。贝叶斯网络就是根据各个变量之间概率关系用图论方法建立的模型,本将概率统计的贝叶斯规则应用于知识发现,建立图论模型进行数据挖掘,章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

基于知识网格的知识发现模型及应用设计研究

概述了知识网格和并行分布式知识发现,介绍了基于知识网格的知识发现的模型,对网格环境下知识发现应用进行了设计。     

分层逐步求精的知识发现KDD模型结构及其应用

知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ）作为人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等众多学科相互交叉融合发展起来的新兴研究领域,已引起了学术界和工业界的广大关注．本文提出基于示例学习分层逐步求精的ＫＤＤ模型结构,在借鉴模式识别有关知识的基础上,有机地与领域知识相结合,应用于无约束手写数字识别ＫＤＤ系统,得到较满意的结果．