基于熵权法确定病害权重值的桥梁水下桩基安全评估改进方法

基于层次分析法的桥梁水下桩基传统安全评估方法中,用于确定权重的判断矩阵中各数值完全由专家经验确定,导致评估结果主观性过大.为此,在福建省桥梁水下桩基检测数据基础上,提出结合熵权法计算得到客观权重,对传统安全评估方法进行改进.首先,基于现有规范和水下桩基病害特点建立多层次安全评估模型;其次,分别采用层次分析法和熵权法计算各评估指标的主、客观权重值,并将其组合确定指标的综合权重,该方法克服了传统层次分析法单独使用时仅通过主观经验确定病害权重值的局限性.最后,以福州市某桥为例对其水下桩基进行评估,验证了该评估方法的合理性和实用性.     

云环境下基于冷点虚拟机迁移的热点消除方法

初始分配的虚拟机资源常常不能满足运行时服务的性能要求,导致资源利用率过高、响应时间过长等"热点"问题。为了消除热点以保障服务性能,传统方法主要包括资源扩展和虚拟机动态迁移,但还存在预留资源空间不足和虚拟机迁移代价过大等问题。针对上述问题,该文提出一种基于冷点虚拟机迁移的热点消除方法,即以冷点虚拟机为迁移对象,将其释放的资源分配给热点虚拟机,以保持热点服务的性能、降低热点消除代价,从而更好地满足服务等级协议约束,并通过实验证明该方法可行有效。     

一种定制指令集处理器ASIP评估指标权重抽取技术

针对现有的评估方法中,人为指定指标权重而导致的评估准确性低的问题,基于模糊数学中模糊判断矩阵的相关理论,提出一套ASIP评估指标权重的抽取方法.首先利用模糊矩阵对评估指标中任意两个指标的重要程度作出判断,并将判断的可靠程度量化,然后利用偏差函数求解最接近于ASIP设计者提供的模糊判断矩阵的一致性矩阵,从而获得ASIP评估指标权重.     

基于小波变换的图像阈值去噪及其效果评估

研究了小波变换理论在图像去噪方面的具体应用,并利用传统客观的效果评估指标对多种小波变换的去噪效果进行评估,同时将结构相似理论引入到效果评估体系中,仿真实验表明,该方法符合主观判断.     

基于群决策的改进AHP法在桥梁评估中的应用

针对传统层次分析法(AHP)的缺陷,提出基于群决策的改进AHP方法,应用到桥梁状态评估中。首先,引入指数区间数标度方法,建立元素为指数区间数的判断矩阵,并建立一套求解指数区间数判断矩阵指标权重的优化算法;然后,引入基于加权集值统计的专家群决策理论,讨论基于判断偏好信息的专家权重计算方法以及判断矩阵的集结,得到专家群体决策矩阵;最后,构建某钢箱梁斜拉桥的综合评估AHP模型,采用本文方法进行指标权重计算,论证方法的可行性与实用性。本文方法弱化了单一专家评判过程中的主观不确定性,为桥梁的管理养护提供了更加科学可信的决策依据。     

数控机床质量投影寻踪综合评价方法

针对数控机床质量评价指标多维性问题,提出了基于投影寻踪(projection pursuit,PP)模型的综合评价方法。引入正弦余弦算法(sine cosine algorithm,SCA)计算数控机床质量评价指标的客观权重,结合专家经验利用层次分析法(analytic hierarchy process,AHP)得到各指标的主观权重,基于最小信息熵原理将客观权重与主观权重相结合得到数控机床质量评价指标的组合权重,最后由投影寻踪投影值算法得出综合评价值。实例研究表明该方法可行。     

基于区间AHP法与粗糙集的飞机空战效能评估

考虑到视距内空战和超视距空战2大现代空战模式的特点,构建了飞机空战效能评估指标体系。针对以往效能评估模型中单一权重系数确定方法的不足,应用区间AHP法确定主观权重系数，用粗糙集确定客观权重系数,然后将主观和客观权重进行有机集成,得到基于区间数的最优组合权重,充分吸收了主观赋权评估法和客观赋权评估法的优点,同时又克服了2类方法各自的缺陷,实现了二者的优势互补,使评估结果更为合理、科学。最后,建立了空战效能的综合评估模型,通过实例计算验证了该模型的可行性和有效性。     

基于组合加权的灰色聚类方法研究

利用方差最大化原理,结合灰色理论提出了一种基于指标白化权函数值的方差最大化的灰色聚类指标客观权重确定方法,反映了指标信息的重要性由聚类指标的差异程度体现.综合主观权重确定的最小平方法,建立了基于线性组合赋权模型,并通过实例对模型进行求解,验证了该模型的客观性与有效性.     

基于最小偏差指标赋权法的威胁判断模型

提出了一种用于多属性决策中的最小偏差指标赋权方法，该方法将主观和客观两类权重信息相结合，既充分利用了客观信息，又尽可能地满足了决策者的主观意愿。给出了基于最小偏差指标赋权法的防空作战威胁判断模型，并通过具体的应用案例验证了该模型的可行性和有效性。     

模糊综合评判法在土体冻胀灾害预测中的应用

采用模糊综合评判法对土体的冻胀进行预测具有优越性。在目前的研究中，指标权重的确定片面地采用主观法或客观法，得到的指标权重具有一定的片面性。文中提出的模糊评判模型中指标权重的确定方法采用主观和客观赋权相结合，实现了主观判断与客观评价的统一，使评价更加客观、真实、有效。文后的实例预测分析结果表明，所提出的模型合理，切实可行。     

云制造环境下知识资源的评价与选择

为了解决云制造环境下知识资源的选择问题，从知识资源提供方服务能力的角度，提出了一种基于知识服务能力值的选择模型.该模型从知识资源供需双方自身特性出发，从企业维、服务维、交互维三维度建立知识资源提供方服务能力评价体系，利用变精度粗糙集算法计算各评价指标的权重，利用敏感系数修正用户在实际情况下的偏好，最终求得所有候选资源的知识服务能力值；以此为依据指导云平台为用户选择最佳的知识资源供应方.实例表明，该模型能够从大量候选资源中推理出最佳的知识资源推荐给用户.     

基于热点度轨迹显影机制的网络社区聚类算法

为解决网络社区聚类算法在实际应用中存在热点捕捉困难和社区聚类生存时间较低的问题,提出了一种基于热点度轨迹显影机制的网络社区聚类算法。首先,考虑网络社区聚类存在的多径一体特性,采用抽样方式与角度估计方法来实现热点信号的精确捕捉,以提高聚类效率;随后,对热点信号矢量空间进行按列重排,并综合考虑传输矩阵具有的按列正交及全秩特性,构建热点度轨迹显影方法,以提高聚类中热点显影速度和增加聚类生存时间。仿真实验表明:与聚类流动性映射算法(Clustering Liquidity Mapping Algorithms,CLM算法)、超欧里几何热度聚类算法(Hyper-Eulerian Geometric Thermal Clustering Algorithms,H-EGTC算法)相比,所提算法具有更低的聚合时间和搜寻失误率,以及更高的热点显示时间。     

基于云理论的斜拉索可靠性评价方法

为准确评估易损难修的斜拉索的可靠性，保证行车安全舒适，提出一种基于云理论的斜拉索可靠性评估方法.首先根据拉索力学特点和常见病害，以斜拉索的运营状态应力极值、恒载索力变幅、应力幅、基频、服役时间、PE护套开裂程度及阻尼系统完好程度为指标，建立了斜拉索可靠性评估指标体系.咨询专家意见建立权重云模型，并根据泛概念树的概念扩充原理实现权重的群决策.最后将指标对各等级的平均确定度与权重云模型加权汇总，得到可靠等级确定度的云模型并以此确定最终评级.规范评估结果与拉索实际病害情况对比验证了所提方法结果的合理性和可操作性.     

基于多中心模型的网络热点话题发现算法

为了有效消除网络话题相关报道内容侧重点变化对网络话题发现准确性的影响,提出了网络话题多中心模型.将报道内容之间的关联关系层次化,提高了对网络话题的描述能力.提出了基于多中心模型的网络热点话题发现算法,利用话题中心判别新出现的报道是否属于已有网络话题,算法基于单遍聚类思想,通过引入话题中心的策略优化了算法的计算开销.实验结果表明:该算法可以全面、准确地发现网络热点话题,同时具有较为理想的性能,可应用于大规模网络动态流式数据环境下的热点话题发现.     

基于评价者信服力的群体评价方法

针对群体评价中专家权重的计算问题，从对专家信息重视程度的角度出发，提出一种基于评价者信服力的群体评价方法，旨在探讨提高群体评价结果可信度的方法.结果表明，该方法在保证评价者评价信息完整性的同时能够综合评价者的经验信息和评价过程中的信息，从而保证评价结果的准确性.首先设定评价情景并提出研究假设，并对评价支持者和评价需求者进行区分;然后构建评价者信服力的计算模型并对模型的有效性进行说明;最后利用非线性规划模型计算各被评价对象的评价结果.     

一种求解有状态服务选取问题的遗传算法

基于QoS的Web服务选取问题,通常认为应用工作流中的任务是相互独立的,而在很多实际应用中,工作流的某些任务之间往往需要共享状态信息,由此增加了任务绑定约束,使得求解复杂度提高,影响了选取效率.针对现有方法的不足,提出了一种面向有状态服务选取的遗传算法,其中重新定义了交叉操作和变异操作,使得所有个体均满足任务状态关联绑定约束,同时在个体评价策略中引入罚函数,并进行个体相似性判断以防止过早收敛.实验表明,提出的算法在有状态服务选取问题中,可求得质量良好的解,且收敛速度快,选取效率亦优于现有算法.     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。     

面向移动云计算的轻量级数据完整性验证方法

研究了面向移动云计算的数据完整性验证技术,依托BLS短签名算法和Merkle哈希树,提出了一种适合在移动云计算环境中部署的数据完整性验证方案.该方案针对移动云计算环境中的移动设备计算能力较低和通信传输能力较弱的情况进行设计,能以相对较少的计算量和较低的数据通信量完成可信度较高的数据完整性验证.该方案还具有支持验证外包、无需源文件块直接参与验证、验证中无状态信息保存、以及支持对云端数据的动态操作等特性,适合于移动云计算环境中面向数据的应用.     

基于实例迁移的磨煤机过程监测建模

当工业生产过程数据匮乏时，很难利用基于数据统计的方法建立其过程监测模型，这给过程监测的准确性和及时性带来很大影响，迁移学习为解决上述问题提供了有效的途径.针对目标域磨煤机过程数据较少的情况，在源域磨煤机数据的基础上，建立基于实例迁移高斯混合模型(Gaussian mixture model，GMM)的目标域磨煤机过程监测模型.利用实例迁移对源域生产过程和目标域过程数据进行权重分配，通过改进的高斯混合模型算法得到最佳高斯组分数目和对应的模型参数，应用过程监测的全局概率指标实现磨煤机过程的跨域监测.磨煤机过程的研究结果验证了所提出方法的可行性和有效性.     

车载动力电池放电过程健康状态在线估计

针对电动汽车无规则随机充放电特点及在线检测需求，考虑到由于电池一致性问题导致难以保证离线实验数据分析法估计精度的问题，提出一种以离线获取的电池健康状态(SOH)外在指征函数为基础的基于无迹卡尔曼滤波(unscented Kalman filter，UKF)思想的在线闭环校正SOH估算架构.该方法优点在于:能够在随机放电过程中快速估算出高精度的SOH值，算法复杂度相对降低，易于实际工程实现且具有较好的鲁棒性.通过验证可以证明，提出的车载动力电池放电过程SOH估算方法具有较好的实用性及较高的估算精度.