基于改进稀疏表示的大数据模糊聚类仿真研究

大数据的结构特征具有高维性、无序性,其直接挖掘和提取的难度较大。基于大数据任务中海量数据的分析需求,提出基于改进稀疏表示的大数据模糊聚类算法。算法通过大数据的标准化处理结果提取大数据特征,以改进稀疏性为基础,采用BP算法对求解大数据特征,从中取得各个特征量的稀疏系数及协同表示系数。基于获取的大数据不同特征联合系数,确定数据类别标签和模糊聚类中心,利用遗传算法对大数据完成模糊聚类,实现大数据模糊聚类算法的设计。实验结果验证了研究算法达到最优应用效果所需的平均迭代次数更少,CPU耗时可控制在0.6s内,能够精准聚类多种大数据,证明了该算法的应用有效性更强。

中国企业“走出去”的技术进步效应影响因素--基于修正的多指标面板数据模糊聚类

中国企业“走出去”的技术进步效应是学者们较为关注的热点话题,因此对其影响因素展开了广泛的讨论。但在现有的研究中,往往将境内影响技术进步效应的企业特征因素直接作为“走出去”企业技术进步效应的控制变量,回归后对控制变量也缺乏进一步的分析和讨论。由于影响企业“走出去”技术进步效应的特征因素与在境内投资时的企业特征因素存在差异且没有得到足够的关注,因此对这一问题进行深入的挖掘。现有方法存在实现过于复杂,且基于降维的面板数据聚类会导致数据信息的丢失,因此试图通过修正的面板数据模糊聚类方法实现影响因素的归类。该方法能够在聚类效率、合理性以及实用性等方面达到一个较好水平,使其能够有效地支持当前社会经济领域对面板数据的聚类需求。基于此,结合修正的多指标面板数据模糊聚类方法对wind数据库中的上市企业数据进行实证分析。实证结果显示,成立时间较短、规模不大、资本流动性低但资本密集度较高的高技术企业更能够通过对外直接投资实现创新能力的提高。

耕地资源数据库文本VSM模糊分类方法

耕地资源数据库包含大量的数据,不同地区、不同类型的数据维度也会有所不同,使得文本分类需要处理的特征数量很大,增加了分类的难度。为了有效改善耕地资源数据库文本分类结果的准确性,提出一种耕地资源数据库文本VSM模糊分类方法。通过CHI筛选出耕地资源数据库文本的类别特征词,采用PCA方法展开二次降维处理。对降维处理后的文本特征展开分析,采用合适的规则抽取代表主题的特征义原,扩展全部特征义原,同时选择合适的分类器建立模糊VSM模型,通过该模型实现耕地资源数据库文本分类。实验结果表明,采用所提方法可以获取高精度和高效率的文本分类结果,有效提升了文本分类效果。

犹豫模糊数据对象集的谱聚类算法

目前适用于犹豫模糊数据对象集的聚类算法研究仍然非常有限,现有的犹豫模糊数据对象集层次聚类算法受异常点影响较大且容易聚成链状.针对上述问题,本文首先提出了一种可扩展的犹豫模糊集的加权相似度计算方法,该方法不仅可以利用不同的函数计算相似度,而且可以根据实际问题构造最优的相似度函数.基于该加权相似度计算方法,结合经典的谱聚类算法提出了犹豫模糊数据对象集的谱聚类算法(SCHF).针对目前国内外还没有可用于犹豫模糊数据对象集聚类的标准数据集的现实情况,本文提出了一种确定性数据的犹豫模糊方法并在仿真实验中应用.仿真实验不仅验证了SCHF算法的有效性,而且表明SCHF算法比两种已知算法有更好的聚类效果.

基于数据多重模糊过滤的电网信号弱区域通信系统设计

当前的通信系统在电网信号弱区域对干扰信号的过滤能力较差,通信稳定性较差。针对上述问题,设计基于数据多重模糊过滤的电网信号弱区域通信系统。硬件设计以激励器为核心,通过COFDM编码单元建立多径干扰。选用I/Q调制器和模数转换实现信息校正,通过时钟同步模块内部的时钟频率信号保证信号同步。系统的软件利用数据多重模糊过滤技术,分析通信信号属性关联度,判断信号关联度,得到弱电区域性质阈值,分析信号关联,与阈值比较,完成模糊过滤,过滤掉干扰信息。实验结果表明,所设计系统能够有效提高干扰信息和冗余信息的过滤效率,提高通信过程的稳定性。

基于Swin Transformer的电影影像异源模糊去除方法研究

天气现象、设备运动以及暗噪声等因素导致了电影影像异源模糊且成为了影响画面质量的主要原因之一。为适应多种场景下的高质量电影拍摄,影像异源模糊的去除十分必要。现有去模糊方法普遍存在数据集类型单一且未考虑大气散射等异源因素影响。本文针对真实场景下异源模糊去除的难点,搭建了具有多种场景的高分辨率异源模糊视频数据集,并基于深度学习提出创新的Swin Transformer去异源模糊模型。通过在时间域和空间域上建模Swin Transformer,最终获得时空一致性的清晰图像序列。实验结果表明,通过端到端训练网络,本文方法能够从包含异源模糊噪声的移动拍摄影像中准确地去除雾霾、运动模糊、抖动等现象,恢复出清晰的影像视频流。

基于大数据的电力系统数据应用——以B电力公司为例

在大数据时代,电力系统数据应用范围逐渐广泛,对于数据的相关分析、处理以及预测工作也逐渐复杂化、工作量极大。目前基于大数据技术所开展的电力企业系统数据应用工作不但要处理每日所产生的海量数据,同时也要确保各项数据信息处理技术全面优化升级,满足行业生产发展要求。在本文中将讨论电力系统大数据应用的基本概念,以B电力公司为背景,着重研究大数据技术在B公司电力系统数据方面的多元化应用,其中主要包括了电力负荷预测模型建立与算例仿真数据分析、模糊信息化数据模型构建、DE算法大数据优化模型以及配电网电力系统大数据应用。全方位凸显B电力公司电力系统数据技术应用价值。

应用模糊数据融合实现电子电路的故障诊断

本文将模糊数据融合技术引入电子电路故障诊断之中 .通过测试电子电路中的被诊断元件的工作温度和工作电压两个物理量 ,得出两传感器对各待诊断元件的故障隶属度 ,在对隶属度值进行数据融合的基础上 ,确定故障元件 ,并通过单传感器诊断结果与融合诊断结果比较 。

支持模糊数据类型表示的模糊描述逻辑F-SHOIQ(G)

分析了现有描述逻辑在模糊知识和数据类型表示方面存在的问题,提出了一种新的模糊描述逻辑F-SHOIQ(G).F-SHOIQ(G)不仅能够表示模糊知识,而且能够表示含有自定义模糊数据类型及自定义模糊数据类型谓词的模糊数据信息.首先,给出了模糊数据类型域的概念和模糊数据类型表示的一般形式,在此基础上,定义了F-SHOIQ(G)的语法、语义及相应的知识库,进而给出了基于模糊Tableaux的F-SHOIQ(G)概念的可满足性推理算法.其次,将经典描述逻辑中的推理结构(该结构将Tableaux扩展规则推理和数据类型推理相分离)用于F-SHOIQ(G)的推理问题,设计了相应的模糊数据类型推理机.最后,详细证明了F-SHOIQ(G)概念的可满足性推理问题是可判定的.在数据类型表示方面,F-SHOIQ(G)具备比FSHOIQ更强的表达能力和推理能力,为语义Web表示和推理模糊数据信息提供了理论基础.

基于模糊数据挖掘技术的林火行为预测研究

在预测区域复杂的自然条件下,利用模糊数据挖掘技术(FDM)寻找与之相匹配的林火蔓延模型来预测林火行为。以广州市为例,构建了火灾数据样本集,确定了可燃物水分含量、可燃物负荷量、易燃程度、坡度等4个因子为影响林火行为的指标,利用FDM的模式的发现与预测功能,归纳了3类模式,并依照择近原则匹配各模式所适用的林火蔓延模型。此模型应用时可以由火场指挥者实时提供的火灾因子资料,根据FDM最大贴近度原则,选择合适的林火蔓延模型预测林火行为,提高了林火行为预测的可靠性。

动态模糊数据模型研究

动态模糊数据在我们的研究对象中普遍存在，基于此，文中给出了动态模糊数据模型．该模型的建立。

模糊数据挖掘技术支持下的林火蔓延模型选择研究

林火蔓延是一种复杂的燃烧现象,要准确预测林火行为,就需要有科学的林火蔓延模型.该文结合广州市森林资源和森林防火的现状,利用模糊数据挖掘(FDM)技术,寻找与预测区域复杂自然条件相匹配的林火蔓延模型来预测林火行为.其方法是①确定影响林火行为的主导因子(可燃物水分含量、可燃物负荷量、易燃程度和坡度);②构建火灾数据样本集,利用FDM的模式发现与预测两大功能,归纳发现3类模式,依照择近原则匹配各模式所适用的林火蔓延模型;③根据火场指挥者实时提供的火灾信息,遵照FDM最大贴近度原则,判定新样本所接近的模式,然后自动选择适合这一模式的林火蔓延模型来预测林火行为.该方法可以提高林火行为预测的准确性.

模糊数据融合在目标跟踪中的应用

在目标跟踪滤波算法的基础上 ,提出利用模糊理论进行数据融合的算法 .应用模糊理论 ,对双传感器的滤波数据进行特征提取 ,并在一定的隶属函数和模糊规则下对其进行模糊推理 ,得到随目标机动情况自动调节加速度方差的系数调节值 ,使之保持对目标机动的快速响应 .分析中采用蒙特卡洛仿真方法 ,对融合前后的滤波结果进行比较 .模糊数据融合利用领域专家总结的相关知识 ,将融合结果反馈给单传感器 ,以提高各单传感器的跟踪精度 .

基于模糊数据挖掘与遗传算法的异常检测方法

建立合适的隶属度函数是入侵检测中应用模糊数据挖掘所面临的一个难点。针对这一问题,提出了在异常检测中运用遗传算法对隶属度函数的参数进行优化的方法。将隶属度函数的参数组合成有序的参数集并编码为遗传个体,在个体的遗传进化中嵌入模糊数据挖掘,可以搜索到最佳的参数集。采用这一参数集,能够在实时检测中最大限度地将系统正常状态与异常状态区分开来,提高异常检测的准确性。最后,对网络流量的异常检测实验验证了这一方法的可行性。

基于模糊数据挖掘的虚拟环境主机故障预测

为避免虚拟计算环境中由于资源配置不合理,导致虚拟主机服务中断或数据丢失的问题,设计一种虚拟主机故障预测模型。利用主机运行日志进行模糊数据挖掘,获得故障预测的模糊关联规则。根据故障预测中聚类区域边缘数据,给出基于规则的阈值迭代算法求解日志数据预处理修正系数,进而提高规则的匹配率。实验结果表明,该模型能够在实际服务失效前预测故障,预测准确率达到85%以上。

模糊数据挖掘

本文在数据库中知识发现 (KDD)和数据挖掘 (DM)技术的基础上 ,提出了模糊数据库中知识发现 (KDFD)和模糊数据挖掘 (FDM)的概念与技术 ,并给出 FDM的算法 ,它能有效地挖掘出模糊数据库中潜在的有价值的知识 .

模糊数据融合在多传感器环境监测中的应用

文章提出了一种应用多传感器模糊数据融合技术的信息检测方法。该方法采用多传感器监测被测环境的温度、湿度和通风量等参量,将多个传感器所获取的多元信息模糊化后,经过融合中心的合成运算和决策规则的运用,获取被监测环境状态参数的精确估计,最终用于信息决策。实验结果表明,该方法能有效地提高环境状态监测的准确率,增加状态监测的置信度,提高监测系统的性能。

模糊数据融合技术在系统故障诊断中的应用

利用系统故障症状的分散性,提出了一种基于模糊数据融合技术的系统故障诊断方法.首先,为保证量测信号的准确性,采用同源多传感器数据层融合以及多传感器信息优化协调技术对量测数据进行初步处理,为系统故障模糊融合诊断奠定基础;然后,针对同一症状的不同表现信息,采用多个模糊神经网络得到对故障的局部决策,利用模糊积分融合方法,识别出该症状所对应的故障.最后针对某液体火箭发动机的泄漏故障进行仿真,并与常规模糊神经网络故障分类器进行对比。研究表明,在对渐变故障的诊断中,本法较常规模糊神经网络故障分类器具有更好的诊断性能.

模糊数据挖掘技术及其在员工绩效考核中的应用

随着人力资源研究的深入,从数据库中挖掘有用的信息和有帮助的知识,已经成为一个重要的研究领域.本文使用了模糊数据挖掘算法对企业员工绩效考核,掌握了企业员工的构成,对新员工绩效进行预测.

模糊数据库中的数据表示与数据匹配

确定模糊数据的表示方法，合理地定义模糊数据的匹配关系，是建立模糊数据库的基础。本文首先提出了一种模糊数据的表示方法，在此基础上引入了语义匹配、语义空间和语义包含的概念，给出了有关的定义和计算方法。文章通过一些实例。