面向城市体检综合评估的知识建模——以广州市为例

随着高质量发展时代的到来,人们对城市生活空间的品质提出了更高要求。城市体检评估作为实现城市高质量发展的重要手段已经在多个试点城市开展和实施。然而,目前城市体检评估基本内涵尚不明确,相关知识结构化工作较少,缺乏对城市体检评估知识模型的深入研究。本文以广州市为例,提出一种基于评估要素提取和关注要点解析与关联的方法,依托城市体检指标体系,通过评估要素提取、关注要点解析、关注要点关联和基本内涵凝练四个步骤,明确了21项城市体检综合评估的基本内涵。在此基础上,首先,通过结构化建模构建了城市体检综合评估知识体系;其次,从知识层级、地理知识和事件叙事的角度,对知识体系进行了关联化处理,形成了城市体检综合评估知识模型;最后,本文将知识模型应用于广州市城市体检综合评估知识服务系统研发,实现了城市体检综合评估知识的可视化展示、知识推荐、智能问答等应用。同时,文中探讨了本思路和方法的推广前景与存在问题,指出知识模型的构建和应用需要考虑的技术难点与实际需求,为城市体检综合评估知识服务提供了思路与经验。

数据库中加权关联规则的发现

关联规则发现是数据库中知识发现研究中的热点课题 ,有着广泛的应用领域 .在现有的研究中 ,数据库中的各个项目是按平等一致的方式加以处理的 .然而 ,在现实世界数据库中却并非如此 ,不同的项目往往有着不同的重要性 .为了将它们反映出来 ,对项目引入权值 ,从而提出了新的加权关联规则问题 .由于项目权值的引入 ,频繁项目集的子集不再一定是频繁的 .为此 ,又提出了项目的 k-支持期望概念 ,并由此提出了加权关联规则的发现算法 .

挖掘语言值关联规则

讨论了大型数据库上数量属性的关联规则问题 .为了软化论域的划分边界 ,应用相关的模糊 c-方法 (rela-tional fuzzy c- means,简称 RFCM)算法确定正态模糊数的两个参数 ,并借助正态模糊数模型来划分数量属性的论域 ,由此生成一系列的语言值关联规则 .另外 ,给出了语言值关联规则的挖掘方法 .由于语言值能很好地表示抽象的概念 ,从而使得挖掘出的关联规则更抽象、更容易被人理解 .

基于隐马尔可夫模型的在线零售站点的自适应

开展在线零售业务存在的问题是 ,群体用户必须浏览许多无关的页面 ,才能最终找到自己所需要的商品 .解决该问题的一个思路是 :建立一个隐马尔可夫模型 ,通过关联规则发现算法发现关联购买集合 ;然后通过Viterbi算法求出从首页到一个关联购买集合中心的具有最大被购买概率的一些路径 ;在这些路径上标注关联购买集合 ;当处理完所有的关联购买集合之后 ,通过竞争来决定出现在导航页面上的物品集 ,最终将导航页合理地变成导航购买页 .即站点可以自动根据群体用户的访问购买情况进行自适应 .此外 ,该方法也是一种很好的通过建立隐马尔可夫模型来分析购买访问路径的方法 ,可以被广泛地用于 Web站点的路径分析、广告和人工重构中 .

基于数据特征提取的AANN-ELM研究及化工应用

针对极限学习机不能有效解决化工过程中高维数据建模的问题,本文将其与自联想神经网络结合,通过自联想神经网络过滤输入数据中存在的冗余信息、提取特征分量,并对所提取的特征分量采用极限学习机进行训练,由此形成了一种基于数据特征提取的AANN-ELM(auto-associative neural network-extreme learning ma-chine)神经网络。同时,以UCI标准数据集进行测试,以精对苯二甲酸(PTA)溶剂系统进行验证,结果表明,AANN-ELM在处理高维数据时具有学习速度快、网络稳定性强、建模精度高的特点,为神经网络在复杂化工生产中的应用提供了新思路。

集中式多传感器群目标灰色精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种集中式多传感器群目标灰色精细航迹起始算法。该算法首先基于循环阈值模型、群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器分成子群,基于灰色精细互联模型剔除同一传感器子群内的虚假量测,并利用量测合并模型消除群内多传感器对同一目标的冗余信息,最后基于灰色精细互联模型、航迹得分完成群内量测的精细互联和航迹输出。经仿真验证,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,该算法综合性能更优。

信息加工视域下的广告心理研究:广告说服模型

当代广告心理学研究深受信息加工理论的影响,形成了广告信息加工的说服模型这一理论走向与研究范式。文章依次阐述和评价了四种广告信息加工说服模型及其相互关系,讨论了说服模型与实现广告心理效果的关系,并对广告信息加工的未来研究方向进行了展望。

基于关联子系统的分布式预测控制算法

随着化工过程系统规模的增大,集中式预测控制在建模和控制器优化求解方面遇到了计算上的困难,因而基于系统分解和网络控制的分布式预测控制得到了广泛研究。鉴于前人分布式预测控制算法只考虑了部分子系统间的相互关联,对子系统间的复杂关联不能全面表达。首先,考虑全部子系统间的相互关联,提出基于关联子系统的分布式预测控制算法。给出基于关联子系统的分布式预测控制算法结构,推导子系统的预测输出表达式,构建基于全局协调的有约束分布式预测控制二次规划问题,并分析算法的稳定性条件。最后,采用TE过程进行仿真实验,分布式预测控制与分散式预测控制的仿真对比结果验证该算法的有效性和可行性。

身体活动熟虑-冲动双系统模型的构建与检验

已有的锻炼行为理论均是以理性决策为基础,认为人们只要意识到锻炼的益处,就会产生参与锻炼的意图、动机,从而进行规律的体育锻炼。然而,行为并非完全由理性系统控制,还受非理性系统的影响。本研究以针对健康行为提出的双加工模型——熟虑-冲动双系统模型为基本理论框架,构建应用于身体活动领域的熟虑-冲动双系统模型并检验。研究一:构建身体活动领域熟虑-冲动双系统模型,构建的模型包括熟虑前因、冲动前因、影响熟虑与冲动对身体活动作用的调节变量。研究二:选择1 519名参与者对身体活动熟虑-冲动双系统模型进行检验,并检验各调节变量。结果显示:1)身体活动的熟虑系统与冲动系统是两个独立的加工过程,身体活动由两个系统共同决定;2)冲动系统与熟虑系统对身体活动的影响,受行为习惯性的调节,行为习惯性越强,冲动作用越小,反之越大;3)冲动系统与熟虑系统对身体活动的影响,受意志品质的调节,意志品质越高,熟虑系统对身体活动影响更大,反之冲动系统起作用更大。

大数据与数学地球科学研究进展——大数据与数学地球科学专题代序

大数据与数学地球科学的核心应用技术包括高维数据降维、图像数据处理、无限数据流挖掘、机器学习、关联规则算法与推荐系统算法等。人工智能地质学,包括大数据-智能矿床成因模型与找矿模型的构建,是具有重要价值的研究方向。高维数据降维旨在从初始高维特征集合中选出低维特征集合,有效地消除无关和冗余特征,增强学习结果的易理解性。哈希算法、聚类分析、主成分分析等是较常用的数学降维工具。机器学习是人工智能的核心,是使计算机具有智能的根本途径。机器学习与人工智能各种基础问题的统一性观点正在形成。深度学习的训练模型往往需要海量数据作为支撑,因此迁移学习方法日益受到重视。图像模式识别是大数据挖掘的重要技术。网络中的社区结构识别对理解整个网络的结构和功能有重要价值,可帮助分析、预测网络各元素间的交互关系。沉浸式虚拟现实技术是实现大数据可视化的重要方向,对具有多元、异构、时空性、非线性、多尺度地质矿产勘查数据的展示要求有特别的价值。引入VR技术进行矿产地质大数据的可视化,可实现大数据时代矿产勘查数据的新认知。无限数据流在地质、地球化学、地球物理监测中大量存在,甚至可以持续自动产生。对数据流数据的计算包括对点查询、范围查询、内积查询、分位数计算、频繁项计算等。关联规则和推荐系统算法是大数据挖掘中的重要算法,其应用范围越来越广泛。贝叶斯原理在大数据时代有独特的价值,贝叶斯网络是成因建模的一个革命性工具。智能地质学研究刚刚起步,构建大数据-智能矿床成因模型与找矿模型是智能地质学研究的重要内容。矿床模型研究方式的变革,将出现于互联网、云计算技术环境下全球各地的矿床研究团队的共同参与。

基于质量数据融合及规则挖掘的离散制造过程监控方法

为有效地从企业积累的制造过程质量数据中挖掘加工工序间的关联规则、实现制造过程的智能化监控,建立了基于质量数据融合和规则挖掘的离散制造过程监控模型。借鉴证据理论思想,提出一种基于模糊证据理论的多传感器质量数据融合算法,首先将所有测量值构成的集合视为辨识框架,应用模糊数学原理引入隶属度函数,设计了多传感器之间互支持度计算的新方法,并借鉴信任分配思想将测量值转换为相应的证据,最终通过基于冲突分配的证据组合规则得到融合结果,实现制造过程质量数据的精确采集。设计了基于质量规则挖掘的离散制造过程分析方法,针对传统关联规则挖掘结果繁杂且有不符合实际加工顺序规则生成的情况,借鉴有监督学习思想,以实际工序顺序为约束,挖掘导致产品质量问题的关键因素,结合复杂事件处理技术对制造过程进行实时监控。通过实验结果验证了该监控方法的有效性和实用性。

基于交互式自适应概率数据关联的目标跟踪算法

在联合交互式多模型概率数据关联思想的基础上,将自适应滤波算法应用到概率数据关联滤波器中,提出了一种适用于杂波环境机动目标跟踪的新算法—交互式自适应概率数据关联(Interactive Multiple Models Adaptive Probabilistic DataAssociation—IMM-APDA)算法,避免了模型选取的不确定性,扩大了机动目标的跟踪范围,实现了杂波环境中对目标较高精度的状态估计.理论分析与仿真结果验证了该算法的优越性,提高了目标跟踪精度.

扩散工艺调整模型研究

针对快速扩散制造系统中的工艺更改问题,结合军工制造企业的特点,提出了扩散工艺调整模型。在分析扩散工艺调整流程的基础上,通过预执行的思想加快了流程的调整,利用产生式规则研究了扩散工艺调整对快速扩散制造系统中其他系统的影响,并给出了关联规则。为实现扩散工艺调整的快速进行,构建了扩散工艺调整机制。最后,以一个实例分析了扩散工艺的调整过程,验证了扩散工艺调整模型的实用性。

态度改变理论的新进展:联想和命题过程评价模型

在探讨态度改变的理论发展的基础上介绍态度研究的新进展——联想和命题过程评价模型,该模型认为理解态度的评价判断应该根据其潜在的心理过程:联想过程和命题过程,二者分别对应内隐和外显态度,并相互影响。同时,该模型还对态度改变进行了新的诠释。因此,该模型对于今后的态度研究具有一定的理论意义,文章最后还指出了该模型的不足之处。

模糊时间序列挖掘在复杂系统模糊建模中的应用

针对于复杂工业过程领域模糊建模问题 ,提出了一种基于时间序列的模糊定量数据挖掘方法 ,并讨论了其在复杂系统模糊逻辑推理模型结构辨识中的应用 .该方法建立在系统历史采集数据库基础之上 ,较好的解决了多入多出 (MIMO)非线性复杂工业过程模糊建模时初始模型的建立问题 .文章最后讨论了该方法在氧化铝熟料烧结回转窑建模中的应用 ,取得了良好的现场运行效果 .

基于数据属性划分的递阶ELM研究及化工应用

针对极限学习机(ELM)不能有效处理化工过程中强耦合、带噪声的高维数据建模问题,提出了一种基于数据属性划分的递阶ELM神经网络DHELM。该神经网络采用数据属性划分(DAD)方法对高维输入进行聚类、建立自联想子网,并将自联想子网所提取的特征分量作为极限学习机的输入进行建模。同时,利用UCI标准数据集进行了测试,通过工业应用实例进行了验证,并进行了模型对比。结果表明,DHELM网络在处理复杂高维数据时具有收敛速度快、建模精度高、网络稳定性强的特点,为神经网络发展及其化工应用提供了新思路。

故障装备检测任务分解模型评估

为解决故障装备检测过程存在的突出问题,提高检测任务的执行效率,降低任务执行过程中的复杂程度,在掌握一般检测任务执行过程的基础上,总结了现有故障装备检测过程中常见任务的不同类型;以检测过程中相互间具有约束关系的任务分解为研究对象,借鉴任务关联矩阵(TAM)等相关概念,提出了基于检测任务分解的评估方法和过程模型,从检测周期和资源占用2个角度实现了对检测任务分解程度的定性分析,对任务内聚性、耦合性以及均衡性的定量计算,最后通过实例验证了该方法和模型的可行性,为评估不同检测任务分解方案提供了参考。

应用关联规则构建质量活动链模型

介绍了作业质量成本的概念 ,提出了以作业质量成本数据为基础描述质量活动间关联关系的方法 ,并设定了作业质量成本之间相互影响的规则 .着重研究了关联规则挖掘技术 ,将布尔型关联规则用于质量活动间作用关系的挖掘 ,并应用Apriori算法 ,研究了应用作业质量成本数据及其变化趋势构建基于作业质量成本的质量活动链模型的方法 .该模型有助于在质量成本预测与分析过程中从经济的角度发现质量管理过程的瓶颈问题 ,为以质量成本分析为基础 。

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.

基于高斯过程的多机动扩展目标跟踪

针对杂波环境下多机动扩展目标跟踪问题,提出一种基于高斯过程的变结构多模型联合概率数据关联方法.首先,采用期望模型扩展方法构建自适应模型集,并对各个扩展目标状态进行初始化.其次,基于高斯过程建立联合跟踪门以选择有效量测,形成联合关联矩阵.然后,拆分联合关联矩阵得到可行关联矩阵并求解关联事件概率.最后,利用联合概率数据关联滤波器更新各个扩展目标的状态和协方差,并将更新的状态进行融合,得到最终的状态估计.仿真验证了所提方法的有效性.