大型复杂系统故障隔离智能优化策略

大型复杂系统的故障隔离是系统维修的重要环节,现有的故障隔离算法存在平均故障隔离时间(MFIT)长,不能快速自动生成决策树等缺点.利用AO*算法自动构造决策树,将离散粒子群算法应用于AO*算法的每一个节点的测试选择,降低计算复杂度,使故障隔离策略智能化.实例表明:该算法将故障隔离时间缩短20%,并降低测试代价,提高故障隔离效率,为大型复杂系统故障隔离提供-种高效算法.     

Reduced K-best sphere decoding algorithm based on minimum route distance and noise variance

This paper focuses on reducing the complexity of K-best sphere decoding （SD） algorithm for the detection of uncoded multi-ple input multiple output （MIMO） systems. The proposed algorithm utilizes the threshold-pruning method to cut nodes with partial Euclidean distances （PEDs） larger than the threshold. Both the known noise value and the unknown noise value are considered to generate the threshold, which is the sum of the two values. The known noise value is the smal est PED of signals in the detected layers. The unknown noise value is generated by the noise power, the quality of service （QoS） and the signal-to-noise ratio （SNR） bound. Simulation results show that by considering both two noise values, the proposed algorithm makes an efficient reduction while the performance drops little.     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

Codebook design for uplink of densely small cells

The shrinking of cell-size brings significant changes to the wireless uplink of densely small cells （DSCs）. A codebook design is proposed that utilizes the strong line of sight （LOS） chan- nel component existing in a DSC system for uplink of the DSC system. To further improve the uplink performance, the high-rank codebook is designed based on singular value decomposition （SVD） due to the unnecessary preservation of strict constant modulus in the DSC system. And according to the simulation result, the proposed codebook leads to significant sum-rate gain and appreciable block error rate （BLER） performance improvement in the DSC system.     

含趋势项时间序列持久性变点监测

针对核加权方差比率统计量不是监测从非平稳向平稳变化持久性变点一致方法的问题,通过引进一个窗宽参数,提出了一种滑动核加权方差比率统计量来监测含趋势项时间序列从非平稳向平稳变化的持久性.在非平稳原假设下给出了监测统计量的极限分布和经验临界值表,在备择假设下证明了新方法的一致性.模拟结果表明新方法具有比原方法更高的势和更短的平均运行长度,最后通过分析人民币与美元汇率数据进一步说明了该方法的有效性.     

京津冀大气污染治理省际合作博弈模型

首先,结合目前京津冀区域大气污染的实际情况,提出了通过省际合作达到大气污染治理的 3 个基本假设. 其次,通过构建区域优化模型和 Shapley 值合作收益分配方案,建立了京津冀大气污染治理省际合作博弈模型. 通过求解区域优化模型得到各省份最优去除量和去除成本,进而利用 Shapley 值法获得相对公平的合作收益分配方案. 最后,以 2009 年京津冀各省份 SO₂ 去除为例进行了实证分析,结果显示了京津冀省际合作博弈模型的有效性和实用性,而且模型最优化模拟结果可作为区域决策的重要参考,促使各省份合作共赢.     

基于背景值和初值优化的灰色Verhulst建模方法与应用

针对灰色Verhulst模型的优化问题,提出从背景值和初值两个方面对灰色Verhulst模型进行优化,分别利用倒数变换和约束优化模型求解模型的背景值参数与初值参数,并给出基于背景值和初值优化的灰色Verhulst建模步骤,最后以案例验证了本文模型的有效性、适用性和优化效果。结果表明,利用背景值和初值的优化方法能够有效地提高Verhulst模型的模拟精度与预测精度。     

具有模糊联盟值的带偏好合作对策的Shapley值

针对联盟中各局中人存在不同偏好信息的合作n人对策问题,提出了一个基于模糊数偏好均值的模糊联盟值合作对策的Shapley值求解公式。给出了广义模糊数偏好均值的定义,研究了偏好均值具有的特殊性质。通过定义带偏好特征函数,给出了合作n人对策的带偏好优超、带偏好核心、带偏好零元等系列概念,并由此提出一个满足公理体系的带偏好Shapley值公式。分别考虑局中人偏好的权重和偏好方差,给出了带偏好Shapley值的两种延拓方法。最后,通过一个实例,说明了带偏好Shapley值公式的可行性和有效性。     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

基于改进的VI-CFAR算法的分布式CFAR检测

VI-CFAR是一种结合CA-CFAR，GO-CFAR和SO-CFAR的检测算法，它在均匀环境和非均匀环境下都具有较强的自适应性。在前后沿滑窗均存在干扰目标情况下，采用有序统计平均（OSCA）CFAR替代SO-CFAR，有效的提高了Ⅵ-CFAR在这种多目标环境下的鲁棒性．研究了采用改进的Ⅵ-CFAR算法作为局部检测器的并行分布式CFAR系统，融合准则采用“与”融合和“或”融合准则。给出仿真结果，并进行了讨论。