基于并发序列模式的偏序模式挖掘

在并发序列模式挖掘基础上进一步挖掘偏序关系模式,讨论相关度、有序度、有序关系序列、偏序关系和偏序关系模式等概念,给出基于并发序列模式的偏序模式挖掘方法,该方法利用并发和偏序之间的联系,应用并发与偏序之间的包含关系,有效的在并发序列模式的基础上得到偏序关系模式.     

基于双输入模糊控制策略的电力系统频率控制

电力系统一般都很复杂且变量又多,实现二阶负载-频率自动控制也相应变得很困难.对此,把误差和误差变化率作为模糊控制器的输入,使得模糊控制器对较小误差具有较强的敏感性,这样有利于消除稳态误差,以适应误差的快速调节和精确调节.仿真结果表明这种模糊控制的策略对于存在扰动且并不是很大的情况是很适用的,提高了系统的稳态性能,减小了响应的超调.     

在线故障监测专家系统结构研究

1 引言工业生产过程故障监测的主要任务是:故障检测——从观测结果中发现异常;故障诊断——识别是否出现故障,分析故障部位及原因,估计有关参数;处理决策——对异常及诊断结果制定应采取的措施并执行之,在必要时对工业生产过程的行为进行预测。     

确定基本概率赋值的一种新方法

本文提出了确定证据理论中基本概率赋值的一种新方法．这种方法仅要求专家给出少量的信念函数数值做为约束，利用最小确定原则提供的目标函数，无偏地解出基本概率赋值的数值．该方法在一定程度上避免了在建立知识库时要由专家予先给出过多的基本概率赋值的数值的困难．因而显得有很强的吸引力和应用前景．     

责任性子群多重签名的定义与实现

定义了一种多重签名机制 :责任性子群多重签名 (Accountable -SubgroupMultisignatures ,ASM )。ASM机制能够使已知的签名者G的任一子群S有效地签发消息M ,且签名可以向任一验证者证明S中每个签名者的身份。其中 ,第一个多重签名的安全形式化模型要包括密钥的产生 (在无可信任第三方的情况下 ) ;基于Schnorr数字签名的协议必须是可验证的和有效的 :每次签名只需三方通信 ;无论有多少个签名者 ,每个签名者的签名时间与单个Schnorr签名方案的时间相同 ;验证时间与单个Schnorr签名方案的验证时间相差无几 ;无论有多少个签名者 ,签名的长度与单个Schnorr签名方案的签名长度相同。ASM的安全的证明是基于Randomoracles和离散对数问题难度的     

基于SP-LNS-kNN的半导体生产过程故障检测方法研究*

半导体生产过程是典型的间歇过程,针对其过程数据的多模态、多阶段、模态结构不同和批次不等长等特点,提出了基于统计模量的局部近邻标准化和k近邻相结合的故障检测方法(SP-LNS-kNN)。首先计算样本的统计模量,其次对样本的统计模量使用其局部K近邻集进行标准化,最后计算样本与其前k近邻距离,得到平均累积距离D作为检测指标,进而对工业过程故障进行在线检测。统计模量保留了数据的主要信息,将二维样本数据简化为一维数据。局部近邻标准化可以有效降低中心漂移、模态结构差异明显的影响。SP-LNS-kNN不仅能够对大故障实现检测,并且能够提高对小模态的微弱故障的检测能力。使用SP-LNS-kNN对一个实际半导体生产过程数据进行故障检测实验,并将实验结果与PCA、kPCA、LOF和FD-kNN方法的结果进行对比分析,验证了本文方法的有效性。     

基于统计模式分析的多变量连续过程故障检测

针对一些批处理过程中,如同步批轨迹处理和多峰分布等问题,提出了一种基于统计模量(statistics pattern analysis,SPA)分析连续过程的故障诊断方法.FD-SPA和MPCA的显著差别是前者的监测对象是批次变量的统计特征,而后者监控过程变量.MPCA通过分析过程变量的方差—协方差进行故障检测,在SPA中,既要统计过程变量的均值与方差,又要统计过程变量间的协方差结构、偏度、峭度、自相关和互相关性.提出了一种基于滑动窗口的统计模量方法监测非线性的连续过程,使故障检测的准确性与可靠性得到提高.通过在TE过程中与传统的MPCA和KNN方法对比,验证了此方法的有效性.     

基于多小波变换的矢量量化图象快速编码算法

提出了一种基于多小波变换的矢量量化编码算法，图象的多小波变换优于普通小波变换，此算法又加快了编码速度。实验表明：计算时间有所减少，峰值信噪比有所提高，且图象无明显块效应。     

从样本数据中提取模糊规则的算法研究

如何从大量数据中提取或“挖掘”知识是数据挖掘领域中的研究热点之一。利用神经网络在提取规则时的优势从样本数据中提取模糊规则。介绍了一系列算法 ,其中朴素提取规则仅是对样本数据粗糙的挖掘。参照模糊控制中的模糊化思路 ,可在挖掘问题中引入模糊语言变量。根据隶属函数的训练 ,模糊语言的筛选 ,属性间是否存在相关性的判断等问题 ,利用神经网络中的BP算法提出了双向训练算法。在已完成训练的网络进行网络剪裁 ,最后在完成剪裁的网络上 ,先确定候选规则再利用聚类结果从候选规则中提取模糊规则。