基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

T-S-K模糊逻辑算法在抚河水文预报中的应用

目前我国水文机构存有大量的水文数据,如何充分有效地利用智能算法对这些数据进行分析和挖掘,降低预测的复杂度并提高水文预测的精度,是水文预报的一个重要的发展方向。数据挖掘中的T-S-K模糊逻辑算法从大量数据中提取未知、可操作、有相关性的水文模式和关系用于水文预报。本文以抚河上下游3个重要水文站历史数据为实例,建立T-S-K模糊逻辑算法水文预报,分析结果表明该算法所建模型误差较小,预测精度高,可满足实际水文预报需求。

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法。通过改进的K-L距离得到证据间间距,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果。最后通过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况。

基于K-SVD的星载GPS观测数据压缩方法

空间飞行器主要采用双频GPS精密定轨技术提高轨道预报精度,但需对双频GPS导航系统的观测数据进行预存储,为星载固存的存储资源增加负担;为此,文章提出了针对星载GPS观测数据的压缩方法,该方法引入稀疏表示理论,采用K奇异值分解(K-SVD,k-singular value decomposition)字典学习方法构建出压缩字典,GPS导航系统将采集的观测数据时间序列稀疏分解到K-SVD压缩字典中,达到数据压缩目的;通过地面仿真验证,该方法不仅具有高压缩比、低失真率等特点,还能够降低GPS观测数据的噪声水平,从而提升了0.2~0.36 mm的精密定轨精度,并且该方法适合不同轨道高度的低轨飞行器应用。

基于K-S检验的Relief特征基因选择方法

文章在分析两种基因数据分析技术的基础上,提出一种基于K-S检验与Relief特征选择算法相结合的基因识别方法。首先采用K-S检验选择出具有一定区分能力的基因,然后利用Relief算法对筛选出来的基因子集进行特征选择,将该方法分别与K-S检验、Relief算法进行对比,以验证该算法的可行性。

基于时空预处理DS证据的同质传感器数据融合

针对多个传感器数据融合时,融合结果受异常和噪声影响,并且容易丢失局部环境特征的问题,提出一种基于时空预处理的DS证据方法。首先,通过设计的空间和时间一致性指标剔除可疑异常数据,并采用区域熵捕获特征数据;然后,根据特征位置和传感器空间关系定义约束条件,计算数据可信度;最后,以可信度为权值组合所有数据。以综合管廊内的甲烷浓度传感器作为数据源进行实验,数据融合结果能够准确反映甲烷浓度正常和泄漏情况,融合算法具有噪声过滤和特征保持性能。

基于T-S模糊模型的采样系统鲁棒耗散控制

研究基于T-S(Takagi-Sugeno)模糊模型的采样控制系统鲁棒耗散控制问题.利用2阶B-L(Bessel-Legendre)不等式和整个采样间隔t_(k),t_(k+1)的特征信息,提出一个基于B-L不等式的双边时间相关不连续L-K(Lyapunov-Krasovskii)泛函.使用提出的L-K泛函和改进的自由矩阵不等式,建立了确保系统严格(Q,S,R)-γ-耗散的充分条件.基于所得耗散条件,给出了T-S模糊采样控制器的设计方法,并用于处理卡车拖车的控制问题.仿真结果表明所提出的控制器设计方法非常有效.

基于Logistic的信用卡套现侦测评分模型

信用卡套现是信用卡产业面临的一种主要风险。单笔的套现交易与正常交易间无显著差异,难以进行基于特征的过滤筛选。为自动、高效地识别套现账户,根据统计学特征先遴选出各相关变量,并结合业务分析,利用Logistic回归模型的非线性曲线特征缺陷,克服其自变量多维相关敏感性缺陷,计算出各变量的影响权重系数,构建了信用卡套现侦测评分模型。实践表明识别准确率达到82.72%。

计算机测配色系统及其在酸性染料中的应用

本文介绍一个基于ＭｓＷｉｎｄｏｗｓ环境下的测色配色系统的组成结构及内部实现原理，并讨论该系统在酸性染料中的应用方法。

不平衡数据分类方法及其在入侵检测中的应用研究

直接将传统的分类方法应用于不平衡数据集时,往往导致少数类的分类精度低下。提出一种基于K-S统计的不平衡数据分类方法,以有效提高少数类的识别率。利用K-S统计评估分类与特征之间的关系,去除冗余特征,并且构建K-S决策树获得数据分片,调整数据的不平衡度;最后对分片数据双向抽样调整,进行分类学习。该方法使用的K-S统计假设条件极易满足,其效率高且适用性强。通过KDD99入侵检测数据的分析对比表明,对于不平衡的数据集,该方法对多数类及少数类都具有较高的分类精度。

贵州省闪电定位资料中小幅值地闪范围研究

采用2006—2015年贵州省ADTD闪电定位资料，应用Matlab软件中的曲线拟合工具箱对数据进行对数正态分布拟合，利用非参数正态分布检验中的Kolmogorov—Smirnov检验方法（简称K？S检验方法）分析各区间拟合效果，最终确定贵州省闪电定位系统资料的“小幅值地闪”干扰区间为－10～2kA，该结论为贵州省闪电资料修正提供理论依据，在使用ADTD闪电定位资料时可先将此区间误差数据剔除。该研究为利用闪电定位资料确定雷电灾害风险区划提供重要参考。

低屈服点钢研究进展与力学性能数据分析

为对低屈服点钢进行进一步的研究,同时促进其在工程中的应用,全面综述了国内外学者对低屈服点钢材料的研究成果,主要包括单调拉伸性能、循环加载性能以及低屈服点钢材料的应用。并将文献中的力学性能参数进行统计,采用K-S检验法对屈服强度与抗拉强度进行检验。结果表明:低屈服点钢具有良好的延性与滞回性能,力学性能参数基本满足规范要求;3种钢材的伸长率均随厚度增大而增大;低屈服点钢屈服强度符合正态分布,抗拉强度则不符合正态分布;实际工程中对低屈服点钢耗能构件的应用仍相对较少,还需进一步对其进行深入研究,以提高其应用比例。

企业统计数据质量的实证检验分析

企业进行决策的重要依据是其所掌握的数据信息,数据质量的好坏直接影响着企业决策的方向.根据2011年全国各省市规模以上企业的15项指标数据,利用K-S检验法验证企业指标数据是否满足对数正态分布规律,且根据判断正态分布异常点的方法对15项指标中的异常数据进行识别.结果表明:2011年全国31个省市规模以上企业的统计数据的准确性和可靠性较好,只有西藏、青海、江苏三省共4个指标未通过检验,需进一步核实未通过检验的指标数据.

基于数据挖掘的高线轧机远程监测与诊断研究

本文介绍了一种基于数据挖掘技术的高线精轧机组远程监测与诊断系统。该系统应用K-S检验成功诊断出滚动轴承的微弱故障。经过长期运行实践证明,该系统能实时判断现场设备的运行状态,具有较高的可靠性与稳定性。

用于毛粘混纺织物的计算机测配色系统

本文述了计算机辅助测配色系统中混纺织物的基础数据处理方法及模拟染色过程的配色算法，毛粘织物用酸性／直接工艺染色的实验室数据制备方法及色差控制等。

B型活性染料在Tencel纤维织物浸染工艺中的应用

就MegafixB型活性染料对Tencel纤维织物浸染染色工艺进行了试验 ,比较了不同染色条件、不同助剂对染色物的色深度的影响 ,通过试验提出了较为合理的染色工艺 .

下一个失效时刻的非参数估计

本文研究下一个失效时刻的非参数估计问题．文中所给出的估计量在一定条件下a．s．收敛，同时也讨论了估计量的渐近正态性．

基于网络操作的工业机器人离线编程系统研究

本文对基于网络控制的工业机器人研究 ,采用客户 服务器 (客户 服务器 )模式建立整个网络体系结构。DELPHI 6编程提供给用户友好界面。服务器接收来自客户端的控制命令 ,处理 ,并发送出控制命令到机器人执行端。最终实现对机器人的控制。建立机器人离线编程系统 ,对具体的PUMA5 6 0机器人进行离线编程。

面向未来的微纳卫星测控管理

针对如何根据微纳卫星的技术状态与测控需求特点,以建立对多目标、多体制下卫星的测控管理模式的问题,从系统规划、设备研制、测控网建设等方面进行了有益的研究与分析。主要从卫星使用频率、占用轨道等空间资源的合理分配方面着手,提出了适宜微纳卫星应用与发展的频率和轨道选用建议。再根据微纳卫星的技术特点,提出了采用符合CCSDS(Consultative Committee for Space Data Systems,空间数据系统咨询委员会)规程的数据格式的建议。同时,针对在轨管理,还提出了利用国内外现有有效测控资源的联网合作与商业运作的管理方式。这些观点,有可能对我国微纳卫星进行高效、可靠的测控管理提供借鉴参考。

基于深度数据挖掘和区块链技术的智库数据管控方法研究

针对电力企业尚未专业、系统地开展智库建设,且缺乏完善的智库运营管理机制等问题,文中展开了基于深度数据挖掘和区块链技术的智库数据管控方法研究。文中构建的智库管控系统包括数据层、支撑层、业务层和表现层;该系统对智库数据进行深度数据挖掘,利用K-means聚类算法分类数据特征,并采用深度信念网络获得数据间的关联。利用区块链技术完成智库数据管控全过程,以保证数据的安全性。基于B/S协议和Matlab仿真计算平台对所提方法进行实验,测试结果表明,当数据量为8 MB时,其挖掘时间和准确率分别为1.5 s和93%,优于其他对比方法,而且安全性也更为理想。