基于粗糙集理论的航材故障影响因素分析

对航材故障进行分析及数据挖掘,找出造成航材故障的因素。通过运用粗糙集理论对采集到的数据进行属性分析,对不必要的数据进行属性约简,从中得到影响航材故障发生的关键因素。     

资产价格异常波动预警系统研究

本文采用美元指数自1973年的日数据进行研究。首先,构造了一个衡量价格波动的函数,在此函数异常波动时,往往就预示着价格将要发生变动;然后,利用基于遗传算法的神经网络构建资产价格异常波动预警系统。在神经网络的训练过程中,利用粗糙集对训练样本进行了约简,提高了训练效果。结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路。     

浅谈粗糙集理论与知识管理决策

自20世纪70年代Z.Pawlak提出粗糙集理论以来,粗糙集理论已在机器学习、知识获取、决策分析(决策表属性约简)、过程控制等许多领域得到了广泛的应用。本文从探讨如何提高知识管理决策水平的角度,对粗糙集理论应用于知识管理决策的可行性进行了分析。     

人工智能赋能的应用型本科高校科教协同育人评价模型

针对应用型本科高校科教协同育人评价过程中存在非线性和精度低的问题，文章提出了人工智能赋能的应用型本科高校科教协同育人评价模型。首先，文章从校企合作办学条件、专业理论实践条件、科教融合应用条件和实习就业发展条件4个角度，构建了协同育人评价体系，利用粗糙集方法对评价指标进行约简处理；其次，利用改进灰狼算法对RBF神经网络结构进行优化设计，构建了高校科教协同育人评价模型；最后，以国内10所应用型高校科教协同育人数据为案例，利用优化后的RBF神经网络结构进行数据训练，对4所高校科教协同育人效果进行仿真评价。结果表明，该模型具有较高的精准性。     

粗糙集在Web服务组合优化中的研究

针对Web服务组合优化,提出将粗糙集应用到Web服务组合算法中。文章以Web服务为依托,一方面利用粗糙集的相关定义生成Web服务的约简规则,另一方面利用粗糙集属性约简的功能生成Web服务的核属性,从而得出推理规则;然后将这2个规则应用于遗传算法中,提出基于粗糙集的遗传算法;最后通过实验验证该方法的可行性和优越性,证实粗糙集在Web服务组合优化中的使用价值。     

基于粗糙集-未确知测度的矿井通风系统合理性评价

运用粗糙集对矿井通风系统合理性评价指标体系进行约简,去除冗余指标,并求出约简指标体系中各指标的重要性,进行归一化后,作为未确知测度评价模型的指标权重系数。不仅减少了未确知测度评价的计算量,也为其权重确定问题提供了一种新的客观解决办法。同时,结合邯郸市峰峰矿区15个矿井的实测数据验证了该模型的有效性。     

煤矿企业安全管理风险预测模型研究——基于RS-SVM

科学地进行煤矿安全管理风险预测,准确找出煤矿安全管理风险因子,是实现煤矿企业本质安全的重要前提和基础。为了提高预测的精度和运算速度,文章建立了基于RS-SVM的煤矿企业安全管理风险预测模型,首先运用粗糙集理论约简出影响煤矿安全管理的重要风险因子,然后运用SVM对训练样本进行训练和学习,再对测试样本的风险状态进行预测。实证研究表明该模型具有很好的适用性。     

基于模糊BP神经网络的钢箱梁焊接质量评价方法

针对钢箱梁焊接质量难以判别的问题，提出将智能BP神经网络算法与模糊集合理论相结合的策略，首先对BP神经网络根据实际需求进行建模，进而将BP神经网络预测输出值与模糊理论相结合。最终通过与原始的BP神经网络算法相比较，确定研究提出的模糊BP神经网络算法的优越性和鲁棒性。     

基于粗糙集和AHP的中小企业信用风险评估模型研究

本文针对于中小企业信用评估指标过多,评估效率和准确率不高的问题,提出了一种基于粗糙集与AHP的中小企业信用评估模型。该模型以粗糙集的约简理论简化企业的财务数据指标数量,以AHP层次分析法量化各指标间的权重关系,建立一套科学合理的信用评估体系,并将该体系应用于2005—2007的上市公司年报,实验结果表明,该模型不仅方便...     

利用粗糙集方法精简负面清单管理政策——以上海自贸区为例

粗糙集是一种处理不确定性数据的数学工具,能有效地对数据进行分析和推理,从中发现隐含的知识。文章运用粗糙集理论和方法提取有效的政策措施,并通过求解最优化模型生成精简的高质量的负面清单,为政策提供参考。     

基于特征增量的新类识别方法研究

在分类应用的过程中,经常会出现新的类别,导致数据分布发生显著变化,使得原分类模型不再适用。如何识别新的类别使分类模型能适应其出现已经成为一个亟需解决的问题。本文提出基于特征增量的SVDD(支持向量数据描述)新类识别方法。该方法在SVDD算法的基础上,通过增加新特征,扩大特征空间维度从而提高模型对于新类的识别能力。在多个数据集上的实验结果表明,该方法能有效识别新类,使更新后的模型具有更高的准确度。     

基于模糊逻辑的X波段双偏振雷达地物回波识别方法

为提升天气雷达数据质量，减少地物杂波对天气雷达数据质量的影响和满足短临预报业务应用，需对地物杂波进行识别和剔除。采用绵阳机场X波段双偏振天气雷达数据资料，选取4个特征参量，运用模糊逻辑算法结合层次分析法，确定识别地物杂波的隶属度函数及特征参量的权重，得出每个回波点是地物的可能性，进行识别和剔除。结果表明：该方法能清晰体现出各个参量在对地物识别时的贡献值，提升地物回波识别效果，提高雷达数据质量。     

Prediction of Non-stationary Time Series With Replacement Variables

The experimental comparison of methods of forecasting non-stationary time series by replacing the variables. One of these variables is the phase of the process. Currently, in the direction of the change of variables there were two main approaches to the isolation of stable characteristics of the process, and the band-pass filtering on the empirical mode decomposition--The band-pass filtering. Using a band-pass filter that transmits only the frequencies in a small neighborhood of a selected frequency will provide components with clearly highlighted the basic rhythm. One option for the analytical component of the original series is a discrete wavelet transform （DWT） with getting more approximate and detail the factors on levels of decomposition--0n empirical mode decomposition. Empirical method of decomposition （EMD） is based on the simple assumption that any data consist of a variety of simple domestic species fluctuations （MOD）. Each ＂fashion＂ must be a signal with zero mean, Maxima and minima of positive-negative, i.e., between each maximum and minimum signal x（t） necessarily have his schedule with the direct crossing x = 0. Continue to make the variable phase each fashion is Hilbert decomposition. In both cases, instead of the original series we receive several quasi-stationary series that are projected separately. Projection results are reverse-conversion with predictive component series, which gives the forecast. Difficulty at this stage is the selection of forecasting method for sampling small dimension, because according to our research, the length of the memory of the financial series is extremely small. For the same source data give calculations for both approaches using neural network forecasting and sliding fractal Caterpillar SSA. The results show satisfactory as a prediction.     

并行多尺度特征增强的小目标检测

由于小目标像素点少，本身携带的特征较少，大多数目标检测算法不能有效利用特征图中小目标的边缘信息和语义信息,导致小目标检测精度低，漏检、误检现象时有发生。为解决RetinaNet模型小目标信息特征不足的缺陷，在RetinaNet模型中引入一个并行辅助的多尺度特征增强模块MFEM(muti-scale feature enhancement model)，通过使用不同扩张率的空洞卷积，避免多次下采样造成信息损失的同时，有利于辅助浅层提取多尺度上下文信息。另外，采用一种专门针对目标检测任务而设计的主干网改进方案，可有效保存高层特征图的小目标信息。传统自上而下的金字塔结构侧重于将高层语义从顶层传递到底层，单向传递的信息流不利于小目标的检测。将辅助MFEM分支与RetinaNet相结合，构造一个包含双向特征金字塔结构的模型，它可有效地融合网络高层强语义信息和底层高分辨率信息。为证明文中算法FE-RetinaNet (Feature Enhancement RetinaNet)的有效性，在MS COCO公共数据集进行实验。与原RetinaNet相比，改进的RetinaNet在MS COCO数据集上检测精度（mAP）取得了1.8%的提升，COCO AP为36.2%；FE-RetinaNet在小目标上检测效果良好，APs提高了3.2%。     

“分化”与反分化论

敌对势力对中国进行“分化”的企图一直也没有停止过，我们必须保持清醒的头脑．认真研究新形势下其“分化”的特点及方法，采取切实有效措施加以应对，使其“分化”中国的图谋彻底破产。     

基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。     

基于NBC模型的电力变压器故障诊断

随着电力变压器朝着大容量、高电压、高负荷的方向发展,其结构也越发复杂,故障逐渐增加.当前广泛使用的改良三比值法在对电力变压器进行故障诊断的过程中,容易出现准确率低和漏判率高等问题.鉴于此,提出一种NBC模型,该模型将朴素贝叶斯网络和改良三比值法的优势结合,在对电力变压器当前状态数据和历史样本数据充分学习的基础上,利用朴素贝叶斯分类器对当前电力变压器故障的编码组合进行故障预测分类,将预测所得到的诊断结果进行排序整理输出,实现了对电力变压器各类故障的有效分类.仿真结果表明,该NBC模型能较好地适应电力变压器各类故障的诊断,故障综合诊断正确率为95％,相较于改良三比值法,诊断准确率提升了50％,具有较强的工程实用性.     

FURTHER EVIDENCE OF LONG MEMORY IN THE SOUTH AFRICAN STOCK MARKET

This paper expands and augments the results of the paper by Jefferis and Thupayagale ) and tests the efficiency of the South African stock market with Wavelet and Markov Switching Regime analyses of selected shares and the a ALSI 40 data. The Wavelet analysis indicated that most of the individual share prices and the share index time series are mean reverting over the long run and follow a long memory process, offering evidence against weak-form efficient market hypothesis (EMH). The Markov model modelled the financial and prevalent economic conditions accurately and established the presence of patterns in the historic time series, providing additional support against the weak-form EMH.     

傅立叶变换红外光谱技术对微生物研究的探索实验

利用傅立叶变换红外光谱技术。对几种微生物细菌进行适宜的培养实验,扫描、分析得到了相应具有代表性的谱图性质。同时还对同种菌体在不同实验条件下培养后得到的谱图进行了研究。实验表明FTIR技术有望成为一种简便、快速的鉴定微生物的手段。     

自由选择下属性同异操控对选择冲突影响研究

选择集的属性同异结构会影响消费者的感知,在选择集内加入属性趋同产品,会通过属性趋同效应和知觉聚焦效应影响消费者的选择。文章应用实验方法通过logistic回归分析,发现属性趋同产品加入选择集对消费者选择延迟的影响受到感知风险程度的调节。在高风险感知和低风险感知的情形下,属性趋同产品的加入对消费者延迟选择与否没有显著影响,而在中等感知风险的情形下,属性趋同产品的加入对消费者的延迟选择会产生显著影响。