基于统计机器学习的高维复杂系统建模研究

为了解决"维数灾难"给高维复杂系统数据驱动建模带来的过拟合、计算复杂度高等问题,探究特征提取算法对回归结果的影响.首先使用主成分分析法、非负矩阵分解法、局部线性嵌入法和均匀流形近似与投影法分别进行降维,提取关键特征后在多项式模型与随机响应面模型中进行回归,最后在草炭土土壤和电力系统的数据集上进行了仿真建模分析.仿真结果...     

考虑用户侧CCHP的综合需求响应优化决策方法

能源互联网革命极大地提升了用户能源使用的灵活性,使得传统的电能需求响应正向综合需求响应方向快速发展。本文介绍了考虑用户侧冷热电联产机组(CCHP)的综合需求响应技术框架,分析了CCHP的运行特性;在充分满足用户能源需求的前提下,构建了考虑CCHP的用户综合需求响应的优化决策模型;最后以贵州某工业园区实际数据为基础的算例表明：相比于传统的需求响应,综合需求响应能有效拓展用户参与范围,在满足用户能源需求的基本要求下能够有效提升其运行效益。     

考虑需求响应激励机制的园区综合能源系统博弈优化调度

建设源荷协调、灵活互动的综合能源系统是构建新型电力系统的有效路径.在综合能源系统下,通过价格、补贴等激励手段合理调节用户侧需求响应机制可以促进综合能源系统的经济高效运行.为制定合理的需求响应激励机制,首先充分考虑源侧可再生能源出力和负荷侧多类能源需求的不确定性,提出随机场景生成策略;然后提出计及用户需求响应的综合能源系统博弈优化框架,分别以园区综合能源系统运营商和综合能源用户效益最大化为目标,建立双主体博弈优化调度模型,并提出快速高效的求解算法;最后,基于某实际园区综合能源系统开展多场景算例仿真分析,制定合理有效的需求响应价格激励方案.调度结果表明,所提出方案可以有效提升综合能源系统运行商和用户的效益.     

Rademacher复杂度在统计学习理论中的研究

假设空间复杂性是统计学习理论中用于分析学习模型泛化能力的关键因素.与数据无关的复杂度不同,Rademacher复杂度是与数据分布相关的,因而通常能得到比传统复杂度更紧致的泛化界表达.近年来,Rademacher复杂度在统计学习理论泛化能力分析的应用发展中起到了重要的作用.鉴于其重要性,本文梳理了各种形式的Rademacher复杂度及其与传统复杂度之间的关联性,并探讨了基于Rademacher复杂度进行学习模型泛化能力分析的基本技巧.考虑样本数据的独立同分布和非独立同分布两种产生环境,总结并分析了Rademacher复杂度在泛化能力分析方面的研究现状.展望了当前Rademacher复杂度在非监督框架与非序列环境等方面研究的不足,及其进一步应用与发展.     

移动通信目标信号实时识别仿真研究北大核心CSCD

移动通信目标信号的准确识别,可加强网络的管理与监控。移动通信目标信号的准确识别的重点是识别率较高的强识别器,而传统的贝叶斯算法中不能通过计算移动通信目标信号样本的权重和分布,将弱识别器通过迭代算法组合成强识别器,导致移动通信目标信号的识别精度下降。提出一种基于机器学习的移动通信目标信号实时识别方法。依据ID3算法将移动通信目标信号中具有最高增益的数据属性定义为当前移动通信网络数据流节点的识别测试数据属性,选取具有代表性的属性特征形成子集进行机器学习,并利用SVN算法将移动通信网络中目标信号的识别问题转换为求解目标信号特征高维空间的最优"超平面"问题,并通过迭代运算用几个弱识别器组建出一个实时信号识别率较高的强识别器,有效的完成了移动通信目标信号实时识别。仿真结果表明,基于机器学习的移动通信目标信号实时识别方法为网络稳定运行提供了有力的支持。     

基于贝叶斯统计的测量系统误差控制方法仿真

针对传统误差控制方法存在耗时较长、误报率较高以及误差控制精度较低等问题,提出了一种基于贝叶斯统计的测量系统误差控制方法。通过含有区间灰数的模糊子集所处的故障状态,得到测量系统产生误差的条件,利用贝叶斯网络推理算法以及相关的区间运算规则,对规划模型求解,获取测量系统产生误差的概率以及相关部件的重要特征信息。根据求解结果以及相关的空间交汇原理构建待测点坐标、待测距离以及有关于经纬仪观测角的数据模型,通过分析测量系统产生误差的原因,选取满足误差存在条件的数据对网络进行训练,令其逼近非线性函数,完成对测量系统误差的有效控制。实验结果表明,所提方法能够快速、准确地对测量系统产生的误差进行控制。     

基于统计分词的中文网页分类

本文将基于统计的二元分词方法应用于中文网页分类,实现了在事先没有词表的情况下通过统计构造二字词词表,从而根据网页中的文本进行分词,进而进行网页的分类。因特网上不同类型和来源的文本内容用词风格和类型存在相当的差别,新词不断出现,而且易于获得大量的同类型文本作为训练语料。这些都为实现统计分词提供了条件。本文通过试验测试了统计分词构造二字词表用于中文网页分类的效果。试验表明,在统计阈值选择合适的时候,通过构建的词表进行分词进而进行网页分类,能有效地提高网页分类的分类精度。此外,本文还分析了单字和分词对于文本分类的不同影响及其原因。     

仿真排队系统的统计计算研究

通过C 语言来仿真排队系统，该系统的数学模型为M／M／m/模型。然后用统计计算的方法来分析和研究仿真得到的数据，从而得出该系统的统计分布规律。     

基于SVM的综合评价方法研究

系统介绍了统计学习理论与支持向量机的基本思想，研究了它们在综合评价中的应用。分析了科研立项评审系统的设计方法，建立了基于SVM的评审系统。文末比较了新评审系统和采用其它方法如模糊排序、神经网络等建立的评审系统所分别取得的拟合效果，比较结果表明：采用支持向量机设计的评审系统结构简单、思路清晰地且能取得更为理想的评审结果。     

基于统计特征的隐匿P2P主机实时检测系统

针对当前隐匿恶意程序多转为使用分布式架构来应对检测和反制的问题,为快速精确地检测出处于隐匿阶段的对等网络(P2P)僵尸主机,最大限度地降低其危害,提出了一种基于统计特征的隐匿P2P主机实时检测系统。首先,基于3个P2P主机统计特征采用机器学习方法检测出监控网络内的所有P2P主机;然后,再基于两个P2P僵尸主机统计特征,进一步检测出P2P僵尸主机。实验结果证明,所提系统能在5 min内检测出监控网内所有隐匿的P2P僵尸主机,准确率高达到99.7%,而误报率仅为0.3%。相比现有检测方法,所提系统检测所需统计特征少,且时间窗口较小,具备实时检测的能力。     

基于混合潮流算法的多能源互补调度仿真研究

充分考虑综合能源系统受外部能源供应条件以及能源设备的影响,为了降低多能源耦合潮流计算复杂度,提升工程应用的可操作性,提出基于混合潮流算法的多能源互补调度仿真.依据经济指标、安全可靠性指标以及清洁性指标建立多能源互补调度优化模型,设定能量转换枢纽单元输出容量约束、能量转换枢纽单元多能流耦合约束、供能平衡约束、设备运行约束四项约束条件,利用多目标最优混合潮流计算平台基于非劣排序遗传算法求解多能源互补调度优化模型,利用所输出最优解实现混合潮流算法的多能源互补调度.仿真分析结果表明,该方法可实现综合能源系统的多能源互补调度,经济性以及静态安全性提升幅度明显.     

基于统计学习的挂马网页实时检测

近年来挂马网页对Web安全造成严重威胁,客户端的主要防御手段包括反病毒软件与恶意站点黑名单。反病毒软件采用特征码匹配方法,无法有效检测经过加密与混淆变形的网页脚本代码;黑名单无法防御最新出现的恶意站点。提出一种新型的、与网页内容代码无关的挂马网页实时检测方法。该方法主要提取访问网页时HTTP会话过程的各种统计特征,利用决策树机器学习方法构建挂马网页分类模型并用于在线实时检测。实验证明,该方法能够达到89. 7%的挂马网页检测率与0. 3%的误检率。     

一种基于概率统计特征的剪接位点识别方法

依据剪接位点附近存在的序列保守性出现了多种机器学习识别方法,如基于统计概率的方法、基于隐马尔可夫模型（Hidden Markov Model,HMM）的方法和基于支持向量机（Support Vector Machines,SVM）的方法等,这些方法识别精度较高,但算法过程复杂。基于剪接位点附近碱基之间的相关性和统计特征,构造了一种固定位点上碱基间的网络结构图,并在此网络结构图的基础上提出了基于概率统计特征的剪接位点识别计算公式,利用N269数据库对识别方法和其他传统方法的性能进行了比较。实验结果表明,基于概率统计特征的方法预测人类的剪接位点,有较好的预测效果,与其他的一些算法相比,表现出参数少,精度高等优点。     

基于机器学习的匿名流量分类方法研究北大核心CSCD

匿名通信工具在进行用户隐私保护的同时也为违法犯罪提供了便利,使得网络环境净化与监管愈发困难。对匿名网络信息交换产生的匿名流量进行分类可以细化网络监管范围。文章针对现有匿名流量分类方法存在流量分类粒度不细致和应用层匿名流量分类准确率偏低等问题,提出一种基于机器学习的匿名流量分类方法。该方法包括基于自动编码器和随机森林的特征提取模型以及基于卷积神经网络和XGBoost的匿名流量多分类模型两个模型,通过特征重构和模型结合的方式提升分类效果。最后在Anon17公开匿名流量数据集上进行了验证,证明了模型的可用性、有效性和准确性。     

一种基于统计的神经网络规则抽取方法

从功能性观点出发,提出了一种基于统计的神经网络规则抽取方法.该方法利用统计技术对抽取出的规则进行评价,使其可以较好地覆盖示例空间.采用独特的连续属性处理方式,降低了离散化处理的主观性和复杂度.采用优先级规则形式,不仅使得规则表示简洁、紧凑,而且还免除了规则应用时所需要的一致性处理.该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种分类器型神经网络.实验表明,利用该方法可以抽取出可理解性好,简洁、紧凑,保真度高的符号规则.     

飞机防滑刹车系统模糊滑模控制研究北大核心

针对现在飞机广泛应用的“PD+PBM”控制律难以对具有强非线性和不确定性的飞机防滑刹车系统进行高性能控制的问题,提出飞机防滑刹车系统基于模糊指数趋近律的滑模变结构控制律。先建立具有不确定扰动的飞机防滑刹车系统的地面动力学模型以消除模型误差所带来的不利影响,然后设计了基于指数趋近律的滑模变结构控制律以改善控制性能,并利用李雅普诺夫定理证明了系统的稳定性,最后基于模糊理论对滑模控制律进行优化以抑制抖振。仿真结果表明,基于模糊指数趋近律的滑模变结构控制律控制效果优于“PD+PBM”控制律和传统的滑模控制律,抑制控制器输出抖振效果良好,刹车效率高,控制方法合理有效。     

基于分区间强化学习的集群导弹快速任务分配EI北大核心CSCD

针对集群导弹在线任务分配面临的环境不确定、耗时过长等问题,本文研究了一种基于分区间强化学习的集群导弹快速任务分配算法.首先,建立集群导弹的综合攻防性能模型,并将存在环境不确定性的集群导弹任务分配问题表述为马尔可夫决策过程.其次,针对该过程采用分区间强化学习,通过将搜索空间划分成若干个子区间,降低搜索维度,加快算法的收敛过程,并通过理论证明给出了最优区间划分依据.最后,通过3组仿真实验,分别从收敛速度、不确定条件下的寻优能力以及导弹和目标数量可变情况下的决策能力3个方面,验证了所提算法的快速性和优化性能.     

基于强化学习的综合能源系统管理综述

为了满足日益增长的能源需求并减少对环境的破坏, 节能成为全球经济和社会发展的一项长远战略方针, 加强能源管理能够提高能源利用效率、促进节能减排. 然而, 可再生能源和柔性负载的接入使得综合能源系统(Integrated energy system, IES)发展成为具有高度不确定性的复杂动态系统, 给现代化能源管理带来巨大的挑战. 强化学习(Reinforcement learning, RL)作为一种典型的交互试错型学习方法, 适用于求解具有不确定性的复杂动态系统优化问题, 因此在综合能源系统管理问题中得到广泛关注. 本文从模型和算法的层面系统地回顾了利用强化学习求解综合能源系统管理问题的现有研究成果, 并从多时间尺度特性、可解释性、迁移性和信息安全性4个方面提出展望.     

基于统计模型的海水运动仿真

人们常用建立物理模型的方式来达到模拟自然现象,然后通过OpenGL绘制出来;同时OpenGL本身也有用于模拟自然现象的粒子系统。对海水的模拟通常通过建立海水动力学模型来达到,而该文介绍通过建立统计模型的方式来模拟自然现象,提出了通过建立统计模型来模拟海水的运动的方法,并对其加以实现。     

《软件学报》统计学习研究与应用专刊征文通知

机器学习是计算机科学、认知科学、数学、统计学、控制理论、人工智能等诸多学科的交叉领域。从20世纪五六十年代的感知机开始起步,经过符号机器学习、神经网络,逐步发展成为包含统计机器学习、集成机器学习、强化机器学习的研究领域,并在近年来又涌现出迁移学习、流形学习、概率图模型等新的研究方向。机器学习除了自身研究范围不断延展、研究深度不断深化、基础理论逐步完善之外,其应用领域也不断扩大,甚至成为某些其他学科的基础性研究工具和支