基于核密度估计的区间型数据聚类方法（英文）

聚类作为区间型数据挖掘的重要任务之一,在度量对象之间的相似度或距离方面面临着极大的困难。传统聚类方法扩展到区间型数据后,在度量对象之间的距离时往往只考虑到了区间型数据的边界,而忽略了区间型数据内部的信息。文章引入区间型数据的概率分布,希望通过相关的区间型数据来估计每一簇的概率密度函数。提出了一种新的基于区间型数据的核密度估计方法,然后利用新方法估计出的概率密度函数重新定义了对象之间的距离,最后提出了一种自适应的区间型数据聚类方法。实验结果显示了该方法是有效的,同时也表明用区间型数据的概率分布定义距离比用区间的端点定义距离更为合理。     

面向智能制造的工业数字孪生关键技术特性

 综述了数字孪生技术在智能制造领域中产品设计、生产制造、安全维护3方面的研究进展。在工业数字孪生技术背景下，分析了当前应用于智能制造领域的关键技术的一些基本特性，其中包括可交互性、可孪生性、可组合性及可管理性，概述了工业数字孪生技术在产品设计研发、运维管理决策、生产管控3个方面的典型应用场景。展望了面向智能制造的工业数字孪生技术未来发展。