系统加权聚类法及其在滑坡稳定性预测中的应用

本文以工程地质类比分析法为基础，针对一般系统聚类法在滑坡稳定性预测中应用的不足，提出并建立了一种系统加权聚类法。最后以三峡库岸研究程度较高的３６个边坡为例，进行了一般系统聚类法与系统加权聚类法的对比研究。对比研究结果表明：系统加权聚类法应用于滑坡稳定性预测，其预测精度有较大提高。

时变系统全局最优加权观测融合白噪声反卷积平滑器

白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景。对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积平滑器。一个Bernoulli-Gaussian输入白噪声融合平滑器的Monte Carlo仿真例子说明了其有效性。

具年龄和加权的半线性种群系统的最优边界控制

讨论一类具年龄和加权的半线性种群系统的最优控制问题.运用Mazur’s定理证明了最优边界控制的存在性,利用Gteax微分和Lions的变分不等式理论得到了控制为最优的一阶必要条件,从而得到了由积分偏微分方程和变分不等式构成的最优性组,该最优性组能确定最优控制.

一种加权的系统聚类方法及应用

提出了加权的系统聚类方法.该方法通过对不同的客户特征赋予不同的权重,达到对客户的聚类结果更符合企业经营目标的目的.为分析客户特征的权重,利用线性回归挖掘企业的历史数据,得到物流企业对客户各个特征的重视程度,并把重视程度作为权重进行客户聚类.实验分析表明,与传统的系统聚类相比,加权的系统聚类方法可以发现隐藏在一般客户中的重要客户,从而使物流企业对本公司的重要客户提供优质服务.

基于加权下推系统优化可达性分析的Java安全信息流研究

信息流安全的形式化以无干扰性为标准属性.针对目前字节码级的信息流安全分析均未基于对程序无干扰性的语义表示,提出了一种基于语义的无干扰性自动验证方法.为适应语言特性和应用环境的限制,将基本自合成扩展为低安全级记录自合成,以支持对标错状态的可达性分析,保证标错状态不可达时对应字节码程序满足无干扰性.在此基础上为提高实际验证效率提出了3种模型优化方法.实验说明方法的可用性、效率、可扩展性及模型优化的实际效果.

加权信息系统及其知识划分粒度表示

为了体现事物之间的差异,对信息系统的对象给予一定的权重,给出了加权信息系统的概念,定义了加权信息系统中知识的划分粒度表示方法,讨论了划分粒度的性质,并证明了知识的代数表示和划分粒度表示的等价性.

分层多态加权k/n系统的可用性建模与设计优化

鉴于多态加权k/n系统在刻画分层性能要求方面的不足,定义一种扩展的分层系统,提出了新的分层运算符结合通用生产函数的系统可用性建模方法.构建了可用度约束下解决“多层部件综合选择问题”的系统总成本优化模型,利用遗传算法编程获取各层部件配置类型及数量.算例结果验证了方法和模型的有效性,揭示了分层性能要求对系统可用性和成本的影响.对比分析说明本文模型更通用灵活,可为复杂系统设计优化提供方法支持.

灰度图象处理的并行分布式加权识别系统模型

文章提出了一种可用于灰度图象处理的并行自适应加权识别系统模型,从理论上对该模型作了相应的数学描述和分析,并给出了将系统应用于灰度图象边缘检测的实例。

具加权的半线性周期种群系统的最优边界控制

讨论具有年龄和加权的半线性周期种群系统的最优边界控制问题.利用偏微分方程和泛函分析等理论证明了系统最优控制的存在性和控制为最优的必要条件,并得到了确定最优控制的最优性组,体现出加权总规模对周期种群动态过程的实际的影响,更具有实际意义.

基于AdaBoost集成加权宽度学习系统的不平衡数据分类

宽度学习系统(BLS)是一种浅层的神经网络结构,具有快速训练、增量学习等特征,在处理类别不平衡数据时提取到的少数类别特征较少,导致识别结果不理想。提出一种基于AdaBoost集成加权宽度学习系统(AdaBoost-WBLS)的不平衡数据分类方法,通过迭代实现权重的动态更新,获得更符合数据特征的权重,提升集成模型对少数类的识别能力。基于KKT条件,对加权宽度学习系统的加权优化过程进行推导,验证了对角权重对BLS模型误差的抑制作用。在AdaBoost-WBLS模型集成初始化时,采用基于类别信息的初始化权值策略,使模型具有更高的集成训练效率。在集成权重更新时,不同数据类别采用不同的正则化更新方式,保留数据的类内特征并增加类间区分度。在实验过程中,对AdaBoost-WBLS模型的不同参数进行寻优,得到相关参数在有限范围内的最优取值。实验结果表明,AdaBoost-WBLS模型相比AdaBoost和BLS类相关模型能有效改善少数类别特征的提取能力,并且在Satimage数据集上相比加权过采样的深度自编码器模型的G-mean高出4.36个百分点,明显提升了不平衡数据的识别能力。

加权椭圆系统稳定解的单调公式的一个注记

利用分析的技巧重新构造了加权椭圆系统稳定解的单调公式.相比于文献[12,定理2.1],该文的构造方法计算简便直接.

基于加权灰色系统模型在变形分析中的预测

介绍了PGM(1,1)灰色系统建模原理,同时引入了一种求得最佳背景值的方法,通过与GM(1,1)灰色系统模型的比较,证明了这种方法求最佳生成系数的可行性和有效性。

一类加权增广型H_∞鲁棒控制系统

阐述了 H2 与 H∞ 鲁棒控制的一般结构和加权增广对象 ,阐明了加权增广型 H∞ 鲁棒控制系统的特点、动作原理以及与常规控制系统的差别 ,也阐明了双自由度内模控制系统的鲁棒控制。在分析了控制系统内部稳定性要求的基础上 ,说明了如何对鲁棒控制器进行整定寻优 。

加权表决系统在上市公司控制权度量中的应用

文章从离散输入的加权表决系统的可靠性理论入手,研究中国上市公司的控制权度量问题.公司的控制权与公司的股权结构有密切的关系.控制权的度量方法有Shapley-Shubik指数和Banzhaf指数模型,和近年提出来的适合中国上市公司的概率股票模型,Shapley-Shubik指数和Banzhaf指数模型没有考虑到股东出席会议的情况,概率投票模型是基于正态分布函数来近似计算的,毕竟这种近似有误差.而文章是基于离散的加权投票系统计算可靠性的方法,建立了中国上市公司控制权的度量模型,并用广义矩生成函数(z变换)的方法计算控制权.

具有相依性的加权n中取k系统的热分配问题

研究具有相依性的加权n中取k系统的热分配问题.假设工作元件的寿命具有随机排列递增的相依性,建立不同冗余分配策略下加权n中取k系统的可靠性大小关系.结果表明:将较好的冗余元件分配给权重较大、性能较差的工作元件,系统的可靠性能随机地提高.

改进的灰色系统模型在沉降预测中的应用

对变形体进行变形监测,可以避免诸多灾害的发生,为此国内外研究人员对预测模型领域进行了深入研究,如灰色系统、BP神经网络等模型。不同模型的研究角度不同,有不同的适应情况,而灰色系统模型拥有在贫信息的情况下进行建模的独特优势,故而广泛应用于变形监测中。本篇文章介绍了灰色系统模型,以及进一步考虑数据对模型内部参数的影响,加入权值思想,从而获得加权灰色系统模型,并与基本灰色系统模型进行比较。最后将改进的灰色系统模型应用于实际沉降预测中。

接口前处理在光机系统动力学分析和面形优化中的应用

为了解决光机系统动力学分析与面形优化过程中由于光机接口程序后处理方式所引起的计算数据量大或接口处理失效的问题,提出将光机接口处理过程移到有限元前处理中,并进行了光机系统的集成分析与优化。首先,为了解决标准Zernike多项式在环形离散点域内的非正交性,引入了节点面积加权因子和环域Zernike多项式。提出了通过对镜面施加均匀压强求节点支反力的方式求取节点面积加权因子的计算方法。然后采用最小二乘法推导出镜面刚体位移和拟合镜面变形的Zernike多项式系数与镜面各节点变形量之间的线性关系式。最后,编写接口程序将这些线性表达式以多点约束(MPC)的方式导入到有限元模型中,在前处理过程中完成系统的光机接口处理过程。通过对非稳态风载引起的某1.2m地基望远镜视轴抖动和液压whiffletree支撑下的主镜镜面高阶变形量进行结构动力学随机响应分析,验证了光机前处理方法对解决光机系统动力学问题的有效性。此外,还以镜面面形为优化目标对1.2m轻量化主镜的镜体结构和尺寸进行敏感度分析,证明了光机前处理方法可以有效地简化镜面面形的优化分析过程。

ROF接入网络认知MAC信道最优迭代注水算法研究

研究基于认知多址接入信道(C-MAC)的光纤无线通信(ROF)接入网络在发射功率以及干扰温度约束下的系统加权总容量(Weighted-Sum Rate)最大化问题。由单入多出(SIMO)模型的特殊算法作为切入点,通过部分对偶分解技术,松弛干扰温度约束,将原始问题分解为较易处理的子问题;另外针对文献〔13〕所提方法的不足,提出一种适用于多入多出(MIMO)天线系统的迭代注水算法以求解最大系统加权容量。最后通过仿真表明算法的有效性。

基于加权灰色系统的宁波水上交通事故致因和预测

运用灰色系统理论中加权灰色关联和预测的基本原理,对近5年宁波水上交通事故进行分析,按照各种事故类型、特点找出导致该水域水上交通事故发生的主要致因,并预测未来发展态势,提出对该水域通航安全的实践性建议.

基于信息补偿的自适应联邦滤波算法

针对采用标准卡尔曼滤波器必须知道系统噪声统计特性的局限性,研究了一类系统噪声未知情况下的自适应联邦滤波方法,指出了自适应滤波方法应用于联邦结构时应当注意的问题,提出了一种基于信息补偿的自适应联邦滤波算法。SINS/BDS/GPS组合导航系统的仿真结果表明,该方法可以有效抑制系统噪声未知情况下的滤波发散现象,提高了滤波的稳定性和估计性能。