考虑故障模式相关性的模糊TOPSIS风险评价方法

故障模式、影响及危害性分析(FMECA)中基于风险优先数(RPN)的危害性分析方法,通常用来识别风险因素,确定关键故障模式和薄弱环节,提供决策依据。传统RPN中评价信息都是确定性信息,并且没有考虑故障模式的相关性。而在工作实际中,评价人员由于自身的属性和对评价对象的认识水平的限制,有时只能给出不确定评价信息,同时故障模式之间往往存在相关性,这都会影响最终危害性的分析结果。针对存在的问题,利用可靠性屋(HoR)来考虑故障模式相关性,针对三角模糊评价信息采用逼近理想解排序技术(TOPSIS)开展模糊RPN评价方法研究。最后结合实际案例,对不同情况下获得的RPN值进行比较。仿真结果表明,考虑故障模式相关性的模糊RPN评价方法,可以提高RPN值的可信度,为风险决策提供更可靠的依据。     

基于电网大数据的负荷用电模式研究

电力负荷的组成包括居民用电、工商业用电及其他负荷用电等。由于影响因素众多,对于负荷在运行中的波动,可以观测到特殊的分布规律。社会中的用电群体,跟随经济的快速发展而呈大量增长的趋势,多样化的用电方式展现出较强的灵活性,受电网大数据因素迎新年,还需注重负荷用电模式创新,依据应用阶段的实际情况,结合具体信息数据深度挖掘与探究,有利于国民经济与民生发展。此外,在模型基础前提下,进一步根据聚类分析等数据分析技术,介绍了用电行为模式分析模型,在理论上针对实施需求响应业务提供了支持,帮助制定精细化需求响应策略,充分发挥电网运行效率。     

运动员体能训练极限负荷强度模糊估计方法

体能训练极限负荷的特征随机性很强，相关指标强度非线性、模糊性变化较大，难以准确估计极限负荷强度，为此,文中提出一种运动员体能训练极限负荷强度模糊估计方法。通过采集运动员体能训练数据进行聚类处理，并确定极限负荷强度模糊估计指标。采用模糊AHP法确定指标权重，通过一致性分析方法验证指标权重赋值结果的可信度；利用模糊综合评价法搭建负荷强度模糊估计模型，得到极限负荷强度模糊估计结果。实验结果表明，所提方法具有较高的估计准确性，指标计算误差率较低且耗时短，所得评价结果与真实评价结果拟合度较高。     

基于负荷分解与聚类融合的短期用电负荷预测研究

传统负荷预测算法通常仅以单一的数据源为基础进行计算,因此在面对动态随机特性较强的场景时难以准确预测。针对这一问题,提出了一种负荷分解后再聚类融合的短期用电负荷预测算法。该算法根据负荷行为按时间顺序分类及分解客户负载,并进行负荷数据的聚类融合,再基于贝叶斯时空高斯过程模型描述不同用电区域间的相关性。同时利用深度学习负荷数据中存在的时空相关性来表征电力消费行为特征,从而实现短期用电负荷的精准预测。在对公开数据集进行的预测实验结果表明,与现有方法相比,所提算法的误差较低,且预测性能显著提高。     

基于SVD-LSTM的高校学生宿舍空调负荷预测

准确预测高校空调负荷是保证高校安全用电和电力高峰期区域配电网稳定运行的前提。文中以高校空调负荷中具有代表性的学生宿舍空调负荷为对象,建立了基于奇异值分解-长短期记忆网络的高校学生宿舍空调负荷预测模型。该方法以高校学生宿舍空调负荷特性为基础,使用奇异值分解进行降噪处理,通过长短期记忆网络对高校学生宿舍空调负荷进行预测。文中以武汉某高校的真实数据为样本进行了分析验证,通过与传统预测模型对比,证明所提预测模型的预测效果和精度优于传统预测方法。     

谈电网节能模式下的节假日负荷预测

通过研究系统节假日负荷特性,提高负荷预测准确性,指导电网加强对运行模式调整,指导需求例管理,从而实现电网节能、经济、高效运营管理,构建节能、环保绿色电网的发展目标。     

模糊聚类方法在负荷曲线分析中的应用

应用数据挖掘技术研究用户的负荷特性分析.采用模糊聚类方法对典型行业典型用户的负荷特性进行分析,将用户分类,然后在分类后的曲线的基础上构筑负荷曲线.     

基于分级和空间相关性结合的H.264-P帧模式决定快速算法

为了降低H．264中模式决定过程的复杂度，提出了一种快速算法。该方法首先检测当前宏块的相邻宏块．当相邻宏块都可用时，使用基于空间相关性的模式决定方法；当相邻宏块并不都为可用时，使用分级模式决定策略．采用以上方法．将空间相关性与分级策略有效地结合起来，减少了计算量，并且对图像质量以及码率没有明显的影响．实验表明．这种新算法平均可以节省的计算时间约为41．7％，同时PSNR下降了约0．12dB，具有一定的现实意义。     

基于模糊时间序列的短期电力负荷预测

本文利用时变模糊时间序列模型预测未来一小时的负荷,给出了一种短期电力负荷预测新方法。同时,分析了时变模糊时间序列模型相关参数对预测精度的影响。应用模糊时间序列进行电力负荷预测,克服传统时间序列在建立离散的递推模型时需要准确的数据的缺点,消除了病态数据对模型的影响。应用山东省某电力公司的数据进行仿真研究取得了较好的预测精度。     

基于预测模式相关性的HEVC隐写检测算法

提出了一种基于预测模式相关性的高效视频编码(HEVC)隐写检测方法。首先定义帧内预测模 式相关性的概念;然后通过实验,分析 隐写前后帧内4×4亮度块中35种帧内预测模式 的相关性统计数据的变化情况;最后选择35个隐写前后变 化较大的相关性数据构成视频特征,并利用支持向量机(SVM)分类器进行隐写检测。实验表 明,本文检测 方法的特征维数低,计算复杂度小,对修改帧内预测模式的隐写算法具有良好的检测效果。     

基于高效液相色谱的中药材模式识别新方法

该文提出了一种基于高效液相色谱的中药材模式识别新方法。此方法采用一种新的自组织模糊神经网络识别中药材。网络由2级神经网络构成:第1级为子类自动聚类结构自组织模糊神经网络;第2级为有监督子类分类神经网络。整个网络既有神经网络的学习能力,又有模糊系统的基于规则的推理能力,特别是对子类的自动聚类能力。因为中药材会由于产地、采摘时间和处理方法的不同而有较大的区别,所以子类的自动聚类能力对中药材模式识别尤其有意义。另外整个网络还能适应特征维数不等的模糊模式识别问题。经大量中药材样本和实际测试表明,网络抗平移、形变和适应新产地药材的能力都很强,达到了预期效果。     

模糊聚类和模糊模式识别在目标识别中的应用

提出了一种模糊聚类和模糊模式识别相结合的目标识别方法,并成功应用于海上舰船识别分类;同时引入聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选取上存在的主观性.对于给定特征的海上舰船目标,仿真实现了对目标的聚类分析,获得目标的分类并形成标准模型库,并通过模糊模式识别对后继获得的目标特征样本在标准模型库中进行匹配,应用最大贴近度原则完成目标识别.仿真结果表明:对于复杂的战场环境,两种方法的结合是可行和有效的,可以满足战时实时性和准确性的要求,具有一定的应用前景.     

基于模糊识别和支持向量机的联合Rootkit动态检测技术研究

 针对Rootkit恶意代码动态检测技术进行研究.总结出典型Rootkit恶意程序动态行为所调用的系统API函数.实时统计API调用序列生成元并形成特征向量,通过模糊隶属函数和模糊权向量,采用加权平均法得到模糊识别的评估结果;基于层次的多属性支持向量机分析法构建子任务;基于各个动态行为属性的汉明距离定位Rootkit的类型.提出的动态检测技术提高了自动检测Rootkit的准确率,也可以用于检测未知类型恶意代码.     

Signal and noise estimation from seismic reflection data using spectral coherence methods

Spectral coherence analysis is unrivaled as a quantitative tool over a range of practical problems in seismic interpretation, data processing, quality assessment for data acquisition, and research. Its great virtue is its ability to supply the detailed error information necessary for a thorough interpretation of results. Ordinary coherence analysis is employed in line intersection analysis and the design of filters to cross-equalize differently acquired seismic sections in a given area; both ordinary and partial coherence methods are indispensable in matching synthetic seismograms and seismic data; and multiple coherences are used to estimate the coherent signal and incoherent noise content of seismic sections and gathers. The precise meaning of the signal and noise estimates output by coherent analysis has to be related to the particular technique employed and the type of data input to it. The principles and procedures for analyzing seismic data with these methods are reviewed and illustrated with practical examples.     

基于模糊网络的机翼天线变形测量方法

高空长航时无人预警机的发展日益受到重视,而对其机翼长基线天线变形的实时高精度测量对保证天线性能具有重要意义。结合模糊自构架理论,提出了一种适于机翼变形实时测量的模糊网络法。首先,根据测得的机翼上各个位移测量点的形变位移量和相关应变点的应变量,自主构架网络来逼近二者之间的关系;然后,以空间三角桁架为对象进行仿真分析,并在静载作用下对铝制翼板模型进行变形测量实验。研究表明:模糊网络法具有较高的测量精度和较快的训练速率,为机翼变形测量提供了一种新的思路。     

近海短波传播方式确定方法及相关分析

近海短波传播方式的确定具有现实意义。采用建模的方法,给出了地波场强计算模型和天波场强计算模型,采用举例的方法对地波与天波近海传播作了比较,得出了近海地波场强要强于相应的天波场强的结论,对正确认识近海短波传播方式有重要意义。     

基于多分辨率分析的烟幕遮蔽矢量提取方法分析

基于客观法模糊模式识别理论在红外烟幕对跟踪系统遮蔽干扰效果评估中的使用需求，结合多分辨率理论提出了烟幕遮蔽干扰判别特征提取的方法．在对多分辨率理论进行相应分析的基础上给出了基于模糊模式识别的烟幕干扰效果评估方法和测试步骤，在特征提取中采取小波多分辨率理论分析的方法构建模糊模式识别特征矢量．最后作为验证，给出了结合模糊模式识别的小波多分辨率理论在烟幕对跟踪系统遮蔽干扰效果矢量检测和数据处理的分析结果，为野外环境下红外烟幕对跟踪系统干扰的自动判断提供一个基本矢量特征．     

Fuzzy Pattern Recognition System for Detection of Alga Distribution

To realize the on -ine measurement and make analysis on the density of algae and their cluster distribution,the fluorescent detection and fuzzy pattern recognition techniques are used.The principle of fluorescent fiber-optic detection is given as rell as the method of fuzzy feature extraction using a class of neural network.     

基于模糊序列电网异常检测建模方法与研究

采用序列模式挖掘算法构建电网异常检测模型,能够更好地表现电网异常行为。基于此进行了电网异常检测建模方法的研究,并提出了一个基于模糊序列模式的电网异常检测模型。通过理论分析和仿真实验证明,提出的模型不仅具有检测异常行为的实际能力,而且检测效率和检测性能都得到了很大的提高。     

光突发交换网络中多跳公平分割丢弃方法的研究

光突发交换网络被认为是一种新的IP over WDM网络,也是下一代互联网的发展趋势。 该文给出了一个在光突发交换网络中解决多跳分割丢弃不公平性的改进方法,该方法不但保留了原有方法的可以保证多跳网络中数据包丢失率的一致性优点,而且还减小了损失,增大了网络吞吐量。最后通过仿真验证了该方法的有效性,对实际网络的设计有一定的理论指导意义。