基于模块化分析的动态系统重要度测量方法

为了解决关键系统灵敏性分析中的状态空间爆炸问题,提出一种基于模块化分析、适用于动态系统的重要度测量方法.将系统故障树分解为多个层次不同的独立模块,在此基础上引入微扰法的思想,对BI(Birnbaum importance measure)重要度指标进行扩展.提出相对重要度的概念,根据各独立模块的类型,分别求解相对重要度,利用相对重要度进行组合计算,求出系统级重要度.将该方法应用于一个实际高可靠计算机系统,分析结果显示该方法能够提供一个可信的重要度测量.     

事故树分析法在计算机网络安全分析中的应用

目前，事故树分析法（FTA）已被广泛应用于化工、电力、机械等领域的安全分析和评价中，它可以进行故障诊断，也可以分析系统中可能存在的安全隐患，从而为系统安全性设计和系统优化提供可靠依据。但是很少被应用于计算机网络安全分析和安全评价中，文中将在这种方法介绍以后，并对一个典型的局域网的安全进行安全分析，为寻找网络中可能面临的最大危胁提供科学的实践方法。     

二元决策图BDD在话务故障分析中的应用①

针对移动网络通话问题日益严重,需要建立一个故障树分析（FTA）模型。利用BDD技术分析各个基本事件的结构重要度、概率重要度和临界值重要度。基本事件的排序对故障树生成的BDD节点个数有直接影响,以及节点的结构重要度和概率重要度都有影响。采用相邻底事件优先排序法,能够尽量减少BDD节点个数和对重要度的影响。利用BDD法比传统FTA法计算的重要度数值更接近,计算效率更高。     

BDD算法在接触网失效风险评估中的应用

准确衡量与分析接触网系统失效的可能性与后果严重程度,并及时评估其失效风险,为制定风险控制措施提供理论依据。首先建立接触网失效故障树,然后由ITE规则生成BDD结构。通过自上而下递归访问BDD结构各结点来计算顶事件风险、基本事件的Birnbaum重要度和关键重要度。根据BDD算法编制C#程序,可得到接触网失效事故的发生概率和引发事故的关键因素。与割集方法相比,BDD方法不但能得到顶事件发生概率和基本事件重要度的精确值,而且计算速度快,过程简便。     

面向电力调度数据网的节点重要性评估方法

在电力调度数据网中，预先对网络中的节点进行系统性评估，从而对其中的关键节点进行保护，对维护整个电力系统的安稳运转具有重要意义。从网络边权的角度出发，通过先分析网络中边的重要性，再分析节点重要性，得到准确的节点重要性评估。该方法计算网络中不同链路的局部重要性、全局重要性和业务重要性，并利用各指标信息熵值得到综合的链路重要性。最后将链路的重要性分配给相邻的节点，从而得到各节点的实际影响力。通过仿真实验，在不同类型的网络上进行分析，验证了该方法在网络效率方面识别关键节点的有效性。     

基于重要度贡献的无标度网络节点评估方法

针对无标度网络的节点重要度评估问题,通过分析节点的邻居数量与其邻居间的拓扑结构,得到节点的结构洞重要性指标,再融合相邻节点的K核重要性指标值来确定相邻节点间的重要度贡献,以此表征相邻节点的局部信息;在此基础上,再结合表征节点位置信息的节点自身的K核重要性,从而提出一种基于节点间重要度贡献关系来评估无标度网络的节点重要度的方法.该方法综合考虑了节点的结构洞特征和K核中心性特征来确定节点的重要度,同时兼顾到了网络的局部和全局重要性.理论分析表明,此方法的时间复杂度仅为o（n²）.与其他几种算法仿真对比的结果表明,该方法可行有效,拥有理想计算能力,适用无标度网络.     

容错控制系统部件重要度计算的CAD算法

部件(如传感器或执行器)的失效将导致系统性能的下降甚至完全失效。因此,在设计容错控制系统时确定部件重要度是非常重要的。本文提出了部件静态和动态重要度,它们分别表示了部件失效对系统静态和动态性能的影响程度。借助仿真和矩阵转换的运算,本文提出了能同时计算m个部件静态和动态重要度的CAD算法,例子验证了该法的有效性。     

SFT下的云化概率和关键重要度分布的实现与研究

为了完善空间故障树(Space Fault Tree,SFT)理论,特别是离散型空间故障树(Discrete Space Fault Tree,DSFT)对于系统实际运行过程中产生的具有离散性、随机性和模糊性的可靠性数据的适应性,提出了云化SFT方法。该方法利用云模型能表示数据的离散性、随机性和模糊性特点,重构SFT的计算基础,即特征函数。进而在SFT计算中保留原始数据特征,使最终结果也能诠释原始数据特征。论文主要完成了云化SFT理论环节中的一部分,即云化概率重要度分布和关键重要度分布。论文论证了引入云模型表示系统可靠性数据的必要性和可行性。给出了云化概率重要度分布和关键重要度分布的计算推导过程。并通过实例对这两个云化概念进行了计算。研究表明云化SFT结果要比原SFT结果更为接近现实,包含了更多数据的原始特征。     

基于粗糙集理论的权重确定方法研究

针对属性权重完全未知且属性值以专家经验给出的多属性决策问题,提出了利用属性重要度计算客观权重的分配方法。根据粗糙集中的相对正域概念,探讨了如何运用属性重要度确定各属性的客观权重。决策者可以通过经验因子的选取来调整客观权重和主观权重所占的比例,通过实例说明该方法更加有效合理。     

基于Rough Set的属性约简及应用研究

设计简洁的切实可行的基于Rough Set的属性约简的算法.通过基于Rough Set的属性约简方法对两个实际应用说明了如何利用该方法计算条件属性相对于决策属性的重要度,去除冗余属性,形成新的精简的知识发现属性集,从而提高数据挖掘效率.     

CCN中基于内容流行度和节点重要度的缓存设计

随着网络流量的急剧增长,现有的IP体系架构难以满足用户不断增长的需求。CCN成为未来网络研究的热点,其最大的特点是网络节点的处处缓存,所以为CCN设计一种高效的缓存机制显得尤为重要。针对CCN中现有的缓存机制存在一些问题,提出了一种基于内容收益的内容流行度和节点重要度PBCS的缓存方案。在请求次数满足收益标准的前提下,进行内容流行度与节点重要度的匹配,得到符合要求的缓存节点。仿真结果表明,该方案提高了内容的节点命中率,缩短了获取内容的平均跳数。     

基于Petri net的故障诊断理论研究

首先将故障概率的概念引入基于Petrinet的故障诊断方法中．针对Place和Transition．提出了P概率和T概率的概念；然后给出了它们的定义和计算定理；最后．在P概率和丁概率的基础上．对故障树分析（FTA）中“重要度”的概念略加调整，并将其引入所提出的故障诊断方法中．为Place和Transition定义了“重要度”．同时给出了计算方法．     

主体大小能控的内容感知图像缩放

针对传统基于网格变形的图像缩放技术中可能出现的主体对象大小会随图像缩放而缩放的问题,提出一种既考虑网格形状,又考虑网格大小的形变量度量模型.在图像重要度约束下,通过简单的参数调整让用户选择性地控制主体对象的大小.重新定义图像重要度模型为梯度和显著度的加权平均,这样既考虑到人眼对图像的视觉关注,又考虑到对图像中结构信息的...     

基于重要度的矩形工件优化填充排样算法

大规模矩形件优化排样是一个典型的组合优化问题,属于NP2hard问题。矩形件优化排样已广泛应用于板材切割、瓷砖铺设、服装裁剪等行业。在实际排样工作中发现,决策者对工件的选择不仅要考虑大小、工件费用、铺设利用率等诸多因素,往往还需要考虑颜色、花式、铺设方式等因素。基于这种状况,引入排样属性重要度的概念,提出了基于重要度的矩形工件优化填充排样算法,使用计算机辅助排样。通过实例排样表明了该算法的有效性和实用性。     

直升机机载软件重要度分级的研究与应用

随着现代电子计算机技术在直升机中的大规模使用,机载软件在直升机中承担着日益重要的角色.机载软件不仅存储和处理大量对安全飞行至关重要的数据,还能辅助飞行人员进行逻辑判断、引导飞机进入正确的航线乃至直接控制飞机的飞行.为了确保机载软件正常的生命周期,稳步提高机载软件的安全性水平,开展机载软件重要度分级的研究与应用.     

基于粗糙集的快速属性约简算法研究

通过分析现有相容决策表属性约简算法，找出了计算低效性的根源。新的约简算法从论域的角度出发，采用层次结构，用属性边界域作为度量属性重要性启发函数。该算法使得论域不断缩小的同时，又能选出反映决策表系统特征的重要属性。理论分析和实验表明，该算法保证在分类精度不变的前提下，获得最优或次优的约简属性集。     

基于重要度的矩形工件优化填充排样算法

大规模矩形件优化排样是一个典型的组合优化问题,属于NP2hard问题。矩形件优化排样已广泛应用于板材切割、瓷砖铺设、服装裁剪等行业。在实际排样工作中发现,决策者对工件的选择不仅要考虑大小、工件费用、铺设利用率等诸多因素,往往还需要考虑颜色、花式、铺设方式等因素。基于这种状况,引入排样属性重要度的概念,提出了基于重要度的矩形工件优化填充排样算法,使用计算机辅助排样。通过实例排样表明了该算法的有效性和实用性。     

基于属性重要度的启发式特征选取算法

数据库通常包含很多冗余特征,找出重要特征叫做特征提取。本文提出一种基于属性重要度的启发式特征选取算法。该算法以属性重要度为迭代准则得到属性集合的最小约简。     

基于粒度的知识粗糙性研究

粒度计算是粗糙集理论研究的一种强有力的工具。在粗糙集理论中,提出知识是有粒度的并定义了知识粗糙度的概念。众所周知,知识获取是专家系统开发的"瓶颈"问题。文中主要从知识粒度、分辨度以及重要度等方面入手,着重研究了知识粗糙性的粒度原理与知识粗糙性的关系,提出了一种基于属性重要度的粗糙性知识获取算法,并通过理论与实验,证明该算法是正确的,行之有效的。