采用聚类特征的基本概率分配生成方法及应用

针对在识别框架不确定时基本概率分配(BBA)生成困难的问题,提出一种基于聚类特征的基本概率分配生成方法,以减弱对样本长度的依赖性,并分析2种情况下的BBA生成。在框架未知时,通过聚类分析获得各个类别的聚类特征,建立样本属性的聚类特征区间模型;在框架已知时,获取聚类特征,建立样本属性的聚类特征区间模型;然后用各个区间模型之间的距离表示样本属性之间的差异,在此基础上建立了一种相似度的度量方法;最后对相似度进行归一化得到BBA。采用Iris数据集和Wine数据集的实验结果表明:所提方法对样本长度敏感程度低,对Wine数据集的一个类的分类结果达到100%。将该方法应用于某煤化工企业压缩机组子系统状态监测信息数据集,实现了监测信息状态的识别。

一种面向化工生产系统的监控变量分步选取方法

提出一种基于信息熵的监控变量分步选取方法。以信息熵与监控变量所含系统信息量关系为基础,采用互信息广义相关系数度量变量间的广义相关性,完成监控变量分步选取。通过Friedman数学模型验证了所提方法的可行性,用Lorenz、Rossler等方程验证了基于信息熵选取单变量的可执行性。最后进行某煤化工企业实际DCS监控变量选取,结果显示:在化工实际生产中监控变量选取是可行的。

皱巴巴的小钞

他是一个农村孩子，父亲种田，母亲做一点小买卖，日子过得有些拮据。上高中了，他得离家到较远的学校住读。每次返校，母亲总要给他一些钱，可是总是一些皱巴巴的小钞，面额最大的也不过二十元。他感觉这些钱不仅携带太麻烦，而且还会给自己制造烦恼。