一种对奇异值不敏感的ISOMAP

ISOMAP是一种经典的非线性降维方法，能够有效地发现高维非线性数据集的低维几何结构，但该算法对奇异值和噪声非常敏感。利用具有鲁棒性的主成分分析（Robust PCA）来探测奇异点，并对奇异点进行适当处理以降低ISOMAP对其的敏感程度。所提出的算法直观且易于理解，实验结果也证明它具有较好的鲁棒性，而且在奇异点较多的情况下仍能保持数据的整体结构。     

基于覆盖的粗糙模糊集模型研究

在研究覆盖粗糙集模型中，发现对覆盖粗糙集上近似的定义并不一致．简述了各个模型的区别，并在一个较合理的覆盖粗糙集上近似定义上，结合覆盖约简理论，重新定义了基于覆盖的粗糙集模型。讨论了它的一些性质．另外，将模型进行推广，定义了基于覆盖的粗糙模糊集模型，证明了它具有一些较好的性质。     

浅议酒店餐饮业的发展

针对酒店餐饮业受社会市场冲击的现状,酒店餐饮业应正视本身具有的长处,保持清醒的头脑,迎接挑战.具体操作上,酒店餐饮业应全方位地发挥自己的优势,建立特色品牌,完善科学管理,形成整体优势,从而走出目前的困境,迈向酒店餐饮业发展的成功之路.     

基于联合属性重要度的决策风险最小化属性约简

经典粗糙集属性约简基本都是保持正域、负域和边界域不变,而决策粗糙集对属性的增减过程不具备单调性,因此不可能同时保持3个区域均不变。在决策粗糙集模型中,作出决策更应该考虑风险最小化原则,因此提出一种改进的风险最小化属性约简方法,在属性的选取过程中同时考虑所选取的属性子集对决策的划分能力,即联合属性重要度以及风险最小化。实验证明所提方法是有效的。     

一种基于互信息的模糊粗糙分类特征基因快速选取方法

目前,支持向量机技术(SVM)在遥感信息获取中普遍受到参数选择不准确和小样本问题的制约。针对这些问题, 提出一种新的半监督集成SVM(EPS3VM)分类模型。模型一方面利用自适应变异粒子群优化算法对SVM参数寻优以提高基分类器精度(PSVM);另一方面采用自训练算法(Self-training),充分利用大量廉价的未标记样本产生性能差异的半监督分类器个体(PS3VM),其中,在未标记样本标注过程中,引入模糊聚类算法(Gustafson-kessel)来控制错误类别的输入,最后对个体分类器采用加权集成策略,以进一步提高分类模型的泛化能力。为了测试其性能,应用该模型进行多光谱遥感影像的土地覆盖分类实验,并与PSVM、PS3VM进行对比,分类精度从PSVM的88.48%提高到96.88%,Kappa系数由0.8546提高到0.9606。结果表明,EPS3VM在克服传统SVM参数选择不准确的同时,有效地应对了小样本问题,分类性能更优。     

大数据环境下多决策表的区间值全局近似约简

在电力大数据中,很多具体的应用如负荷预测、故障诊断都需要依据一段时间内的数据变化来判断所属类别,对某一条数据进行类别判定是毫无意义的.基于此,将区间值粗糙集引入到大数据分类问题中,分别从代数观和信息观提出了基于属性依赖度和基于互信息的区间值启发式约简相关定义和性质证明,并给出相应算法,丰富和发展了区间值粗糙集理论,同时为大数据的分析研究提供了思路.针对大数据的分布式存储架构,又提出了多决策表的区间值全局约简概念和性质证明,进一步给出多决策表的区间值全局约简算法.为了使得算法在实际应用中取得更好的效果,将近似约简概念引入所提的3种算法中,通过对2012上半年某电厂一台600MW的机组运行数据进行稳态判定,验证所提算法的有效性.实验结果表明,所提的3种算法均能在保持较高分类准确率的条件下从对象和属性个数两方面对数据集进行大幅度缩减,从而为大数据的进一步分析处理提供支撑.     

区间值决策表的决策风险最小化属性约简

针对目前海量数据分析较多情况下从传统的单条记录转变为一个区间对象,将决策粗糙集中风险的概念引入至区间值决策表中,给出了区间值决策表决策风险的定义,并提出了决策风险最小化的属性约简方法.该方法可以保证所得到的约简集合相对于决策属性具有较强的分类能力,同时保证约简集合的决策风险最小.区间值决策表的决策风险最小化约简使得定义的约简具有更强的理论性和可解释性.     

汽车变速箱油槽盖全自动铆接机的更新设计与应用

介绍了某合资品牌汽车发动机变速箱油槽盖的全自动铆接机的更新设计与实际应用。     

基于标准齿轮减速箱的故障混合预测分析模型

在制药生产线中,搅拌器是主反应器的主要组件,体积最大,结构相对复杂,与其他设备存在串联关系。如果发生故障,一方面需要停掉整个生产线对其进行故障诊断与维修,从而造成非计划停机的设备闲置损失;另一方面,突发性的非计划停机,会造成设备中的化学材料反应物质浪费。针对此问题,提出一种基于标准齿轮减速箱的故障混合预测分析模型。通过对振动信号进行特征提取以及变分模态分解,将转换的频域特征数据和幅值数据按照时间序列融合,并将数据分为故障数据、设备带病运行数据以及设备健康运行数据3类,通过自注意力网络层进行特征提取。实验表明,该模型可以准确预测设备的故障,且在测试集的准确率达到83.61%,验证了实验的有效性与优越性。     

一起典型冗余UPS故障的原因分析及对策

一起典型冗余UPS故障,引起仪表过程控制、安全仪表、火气系统失电,导致全厂生产停止,本文结合故障现象、UPS设备性能、设计线路进行分析,找出原因,提出有效的解决方案。