基于本体的知识管理在环境质量监测中的应用

在深入研究Ontology基本原理的基础上,提出一种基于Ontology进行环境知识管理与质量监测的方法,构建基于Ontology的环境知识管理与质量监测的基本架构,研究其关键实现技术,最终设计实现基于Ontology的环境知识管理与质量监测平台.实践表明,该方法能够有效管理异构、分散存储的海量环境监测数据,为管理者提供科学的决策指导,大大提高环境质量监测的效率.     

控制系统故障诊断

阐述了控制系统故障诊断的重要性及国内外研究水平和发展方向,简述了控制系统故障诊断的原理,最后分析了故障诊断两大类方法;基于控制系统数学模型和不依赖于数学模型的故障诊断方法．     

基于Ontology的地理服务描述

随着地理服务技术的发展,相应的地理服务的查询成为了一个重要的问题,其中一种解决方法是设计一种模块化的共享的Ontology来描述Web服务,并利用该Ontology进行服务查询。针对这个问题,该文提出了一种Ontology,它结合了已存在的各种不同的Ontology标准和元数据标准来描述地理服务。     

改进的BP神经网络在故障诊断中的应用

智能化故障诊断技术的关键是基于数据预处理方法的故障模式识别理论.结合计算机综合业务的一些实际问题,探讨了利用改进的BP神经网络进行故障诊断的方法和应该注意的问题,在分析神经网络的基础上提出了基于改进的BP模型神经网络的故障诊断推理方法,给出了后台服务中常见的故障征兆原因、故障诊断神经网络模型、神经网络参数和学习样本.结果表明,基于改进的BP神经网络的故障诊断方法是行之有效的.     

基于机器学习的本体集成框架

语义服务是下一代Web服务面临的关键问题．语义网为实现广泛的语义服务提供了可能，Ontology是语义网体系结构的核心。针对协作的分布式系统需要语义互联的问题，本文分析了造成语义互联困难的主要因素是本体的匹配和集成，提出了一个基于机器学习的Ontology集成的框架模型。     

复合故障诊断技术综述

复合故障诊断是故障诊断技术中的难点问题,因为实际工程和复杂系统中多个故障经常存在.本文对复合故障的故障机理、表现形式、诊断思路进行了概述.将故障模式识别存在多输出可能性的求解问题定义为复合故障诊断的科学问题.分析了复合故障诊断的难点.讨论了复合故障的研究现状,按照基于解析模型、基于定性经验、数据驱动的分类方式分别对现有的典型诊断方法和相关技术进行了综述,指出了这些方法的适用范围和优缺点.并探讨了复合故障诊断技术的发展方向.     

Internet服务故障管理:分层模型和算法

在基于时间窗口的Internet服务故障管理中,时间窗口大小设置不合适会给算法准确度带来影响.为了降低这种影响,分析了Internet服务故障管理中存在的问题,提出了分层故障管理模型,采用图论技术进行故障诊断,选择二分图作为各层的故障传播模型.提出了基于时间窗口的故障诊断算法--多窗口故障诊断(multi-window fault diagnosis,简称MFD),该算法通过综合考虑相邻时间窗口之间的关联关系,在一定程度上降低了因时间窗口大小设置不合适而给算法准确度带来的影响.仿真结果证明了MFD算法的有效性和效率.     

控制系统故障诊断

阐述了控制系统故障诊断的重要性及国内外研究水平和发展方向 ,简述了控制系统故障诊断的原理 ,最后分析了故障诊断两大类方法 :基于控制系统数学模型和不依赖于控制系统数学模型的故障诊断方法。     

云计算中基于相似性图的故障自动诊断方法

故障的自动诊断和修复是云计算提供持续服务的关键,为了提高云环境下故障自动诊断的性能,提出了一种包含相似性替代图和检测图的故障诊断框架;首先,根据相似性将系统的运行指标和事件构成替代图,对替代图中的节点进行分组,使得同一组中的节点可以相互替代;其次,根据事件的时间关系将故障表示为事件的序列,通过排名的方法识别出关键事件并以此构成故障模式;最后,提出了一种基于贝叶斯方法的故障诊断算法;实验表明,文章提出的故障诊断方法与著名的fingerprints方法相比,故障诊断的准确性更高,诊断效率更快。     

基于Ontology的语义检索技术

基于Ontology的语义检索是建立在语义网的基础上的检索技术。与传统的检索技术相比,它能提高检索的精度和覆盖率,减少了不相关的返回结果。文章首先介绍了语义网和Ontology的基本概念及如何创建基于Ontology的语义网,然后详细讨论了基于Ontology的语义检索的基本思想,基本结构及语言,最后描述了基于Ontology语义检索的应用系统,并分析了基于Ontology语义检索技术下一步的发展方向。     

基于贝叶斯网络的Web服务组合故障诊断

提出一种利用贝叶斯网络对Web服务组合故障原因进行诊断的模型,对该模型中贝叶斯网络拓扑结构的构造以及网络参数的赋值方法进行了详细说明。然后,基于构造的贝叶斯网络,提出Web服务组合的故障检测算法并对其进行了分析。实验模拟表明,提出的模型能有效地识别Web服务组合流程错误的根本原因。     

一种动态环境下的互联网服务故障诊断算法

服务环境中的动态性会对故障诊断算法性能造成影响.为了降低这种影响,分析了服务环境中的动态性,提出多层管理模型建模服务系统:二分贝叶斯网络建立依赖模型和二元对称信道建模噪声.针对故障自动修复机制导致的动态故障集环境,在故障持续时间统计的基础上修正当前窗口内先验故障概率;针对动态模型环境,基于当前窗口内原始模型和观察症状时间建立期望模型.仿真结果显示,算法可以有效地诊断动态环境下的互联网服务故障.     

网络虚拟化环境下的服务故障诊断算法

网络虚拟化环境下,底层网络的透明性造成虚拟网提供商不能诊断所有的虚拟网服务故障.为解决此问题,提出了基于映射关系的虚拟网服务故障传播模型.针对故障传播模型中故障集与症状集较大、网络环境动态和噪声大而导致的已有诊断算法误报率高、时间复杂度高的问题,基于网络虚拟化环境下症状内在相关性特点,提出了一种新的基于症状内在相关性的虚拟网服务故障诊断算法SFDoIC(service fault diagnosis algorithm based on inherent correlation among symptoms).仿真实验结果表明,SFDoIC算法能够很好地解决底层网络透明性造成的虚拟网服务故障难以定位的问题.SFDoIC算法可以有效地降低诊断算法的误报率,显著缩短诊断算法的运行时间.     

Active probing based Internet service fault management in uncertain and noisy environment

In Internet service fault management based on active probing, uncertainty and noises will affect service fault management. In order to reduce the impact, challenges of Internet service fault management are analyzed in this paper. Bipartite Bayesian network is chosen to model the dependency relationship between faults and probes, binary symmetric channel is chosen to model noises, and a service fault management approach using active probing is proposed for such an environment. This approach is composed of two phases： fault detection and fault diagnosis. In first phase, we propose a greedy approximation probe selection algorithm （GAPSA）, which selects a minimal set of probes while remaining a high probability of fault detection. In second phase, we propose a fault diagnosis probe selection algorithm （FDPSA）, which selects probes to obtain more system information based on the symptoms observed in previous phase. To deal with dynamic fault set caused by fault recovery mechanism, we propose a hypothesis inference algorithm based on fault persistent time statistic （FPTS）. Simulation results prove the validity and efficiency of our approach.     

故障诊断算法在MapReduce中的优化实现

针对故障诊断算法特点,给出了MapReduce框架实现故障诊断算法的基本方法。通过对故障诊断算法和MapReduce运算框架的分析,得出诊断算法MapReduce化的基本方法和思路。在算法研究的基础上,针对非迭代诊断算法,采用传统MapReduce框架实现。针对迭代诊断算法,采用添加了传送模块的迭代式MapReduce框架实现。分别以最近邻法和模糊C均值聚类算法为例,给出非迭代和迭代诊断算法MapReduce化的具体实现。实验结果表明,本文所提基本方法可以运用在故障诊断算法中,为诊断算法MapReduce化提供依据,将MapReduce运用到故障诊断算法中可以有效提升故障诊断效率。     

模型未知的离散事件系统故障诊断方法

针对离散事件系统模型难以建立的大型实际系统,无法对其进行有效故障诊断的问题,提出一种基于主动学习的故障诊断方法。首先,为获取到的系统事件日志添加正常/故障标签,并将日志集划分为训练集和测试集,提出一种基于抽象技术的迭代算法提取训练集中日志的故障特征样本。然后,通过故障特征样本构造初始故障识别器,并利用测试集中的日志检验识别器的准确性。仿真结果表明,该故障诊断算法使得模型未知下诊断精度更高。最后,实例说明系统模型未知下故障诊断算法的应用。与现有研究相比,提出的方法可以在系统模型未知下进行故障诊断且算法复杂度为多项式,诊断精度更高,应用范围更加广泛。     

Web服务故障的分类方法①

Web服务故障分类是实现故障诊断的基础。在分析了Web服务的故障管理流程的基础上,提出了Web服务类型和执行过程相结合的Web服务故障分类方法,构建了Web服务故障树,根据故障及其外部表现间的对应关系构造了Web服务故障矩阵,通过分析和验证说明Web服务分类方法能够有效支持快速、准确的Web服务故障诊断。     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

基于元胞蚂蚁算法的故障诊断

提出一种基于元胞蚂蚁算法的故障诊断方式。该方法利用模式识别中的近邻准则,使用元胞蚂蚁算法实现故障的分类,达到故障诊断的目的。最后用一实例进行仿真,结果表明该方法拥有较强的可行性和实用性。