双机闪烁干扰最优距离计算方法

在对导弹导引头测向系统的诸多干扰方法中,闪烁干扰是一种普遍认为较有效的干扰。闪烁干扰的效果在很大的程度上取决于发射源之间的距离和闪烁频率。本文给出一种评估闪烁干扰效果的新的准则———方差期望比最小准则,根据此准则给出双机闪烁干扰的最优距离计算方法。     

对Apriori算法的一种改进

给出了一种对Apriori算法改进的算法。改进的算法只需扫描一次数据库D,同时简化了Apriori算法,减少了存储设备I/O时间,提高了算法的效率。     

基于领域知识的模型检验方法

提出了一种基于领域知识的模型检验方法.该方法主要是采用本体论方法,将业务领域内的潜规则表示成领域知识,构成领域规则库,对领域规则采用图形化表示与使用SWRL描述相结合的方式,形成了对规则知识的内、外部表示,为领域知识的直观显示和有效推理提供基础.领域规则形成的规则库为模型检验提供了依据和复用基础,确保用户构建的应用模型满足业务领域需求.     

基于决策树的驾驶行为决策机制研究

驾驶决策过程中,驾驶行为常受到人、车、路、环境等多源信息的刺激和影响。由于信息处理能力有限,驾驶员对多源信息无法同时实现知识获取与表示,以致有时不能准确、快速地进行驾驶决策,易引发交通事故。文章利用决策树能融知识表示与获取于一身的优点,将决策树用于不同驾驶行为决策机制的研究,以实现对驾驶员行为的模拟再现。仿真结果表明,用决策树构建的驾驶决策识别模型有较高的推理速度,能实时、准确地识别当前的驾驶行为和预测下一时刻的驾驶决策,为智能车辆中自动驾驶系统的仿真和实现提供了理论指导和可行性依据。     

基于规则的离散事件系统模型与规则匹配研究

将专家系统中的产生式规则表示方法和规则匹配策略引入离散事件系统的控制过程中,研究规则式描述离散事件系统的逻辑关系,按照被动对象划分规则集,形成结构化的规则库;利用正向规则锁定-反向匹配方法缩小规则集的搜索范围,提高规则匹配的效率,为实现复杂系统的控制提供一种可行方案.     

竖炉焙烧过程多变量智能优化设定方法

赤铁矿竖炉焙烧过程关键被控变量的优化设定值不易获得,使得生产指标难以控制在其目标值范围内.将案例推理、参量预报和专家系统技术相结合,提出一种竖炉焙烧过程的多变量智能优化设定方法.预设定模型给出控制回路的预设定值,案例评价模型和案例修正模型分别对预设定值进行评价和校正,从而实现了控制回路设定值的在线自动调整.实验及应用表明了方法的有效性,能够适应工况的频繁变化,实现了生产指标的优化控制,取得明显成效.     

一种基于改进型遗传算法的关联规则提取算法及其应用

对关联规则的数据挖掘和遗传算法进行了概述,阐述了关联规则数据挖掘的现实意义,提出了一种采用改进型遗传算法的关联规则提取方法,并给出了具体的算法,最后结合一个具体实例进行了应用。     

基于置信规则库和差分进化的设备寿命评估方法

介绍了置信规则库转换(BRB-transformation,BRB-T)模型以及运用置信规则库(belief rule base,BRB)推理进行寿命评估的过程.针对当前的置信规则库学习方法还存在依赖初始解、规则条数偏多、系统结构复杂的问题,结合装备贮存寿命评估的BRB-T模型,提出了基于差分进化算法(DE)对该模型的BRB参数进行学习的优化方法.最后,通过某航天设备的失效数据进行了验证.结果表明,该优化方法能够有效地对模型的BRB参数进行优化;并且优化后的模型可以准确地对产品的寿命进行评估.     

基于组合模型的建筑触电事故人因失效分析

为探究触电事故人因关联性,提出一种基于决策试验和评价实验(DEMATEL)-解释结构模型(ISM)-网络层次分析(ANP)的组合模型,对人因失误事故进行失效分析,客观确定各人因影响因素的重要程度。利用认知可靠性和失误分析方法(CREAM)对2012-2021年的192起建筑触电事故进行人因提取并分类,通过关联规则挖掘确定影响因素之间的相关性,生成置信度矩阵,再利用DEMATE-ISM明晰影响因素之间的层级作用路径与网络结构,构建多级递阶结构模型,最后通过ANP对模型进行权重的确定。结果表明,具有较高权重的不完善的安全防护设施管理是根层影响因素,权重最高的决策失误、错过观察为表层直接影响因素,最易形成人因失误事故,必须对其进行严格把控,预防事故的发生。     

基于审计日志的关联规则挖掘

为解决审计日志信息利用不充分的问题,通过改进FP-Growth方法研究了审计日志关联规则,提出了基于相互关联规则的KAFP-Growth算法。将现有的审计日志与先进的数据挖掘分析技术结合,在详细研究Apriori算法、PCY算法和FP-Growth算法后,引入了重要属性的概念,对审计日志中的重要属性进行约束,减小了频繁项集,提高了计算性能。实验结果验证KAFP-Growth算法有效提高了审计日志的关联分析效率,相较于FP-Growth算法,在最小支持度相同的情况下,改进算法运行时间速度提升了49.3%,随着数据集规模的增大,改进算法运行时间可提升60%以上。