基于置信规则库的工业控制网络入侵检测

针对工业控制网络易遭受恶意攻击,本文提出了一种基于置信规则库的工业控制网络入侵检测方法。当置信规则库的前提属性数目过多时,置信规则库的规则条数呈指数级别增长,容易导致"组合爆炸"问题,本文提出利用线性组合方式构建置信规则库中的规则。本文还利用证据推理算法对置信规则库中的置信规则进行组合,并且优化置信规则库初始参数,提高了入侵检测的精确度。     

过程工业中关联规则的采掘

介绍了关联规则采掘的基本问题,根据过程工业中数据的特点,将关联规则采掘用于过程工业中,并对应用过程中遇到的几个有意义的问题进行了讨论。     

基于Value双向近似推理的系统决策方法

先提出Vague值间的一种新的相似度,并基于有序加权聚类(OWA)算子给出Vague集间的新的加权相似测度,其中的权重是由决策者根据实际决策需求来确定的,具有一定的弹性;另外通过Vague输入事实与Vague决策规则的前件(或后件)之间的相似匹配度,得到一个简单可行的双向近似推理方法,这可为复杂环境下的系统决策(如工业检测和医疗诊断等领域问题)提供有效的支持工具。     

一种适合工业系统的知识表达

本文分析了工业系统中的专家系统所存在的问题,论述了传统的产生式规则表示的优缺点,介绍了一种新的规则表示法——“规则架十规则体”表示法,并给出具体的例子来说明其特点。     

基于置信规则库的工业控制系统安全状态评估

当前工业控制系统存在严重安全问题,针对现有工业控制系统安全状态评估模型存在的不足,提出一种基于置信规则库(BRB)专家系统的工业控制系统安全状态评估方法。该方法首先利用置信规则库专家系统将工业控制系统中定性知识与定量监测数据相结合。然后采用证据推理(ER)算法进行知识推理,并对所建立的BRB模型初始参数进行优化。最后以某燃气工业控制系统数据为例,实验结果表明,其评估精度高于SVM和BP神经网络模型。     

基于规则的专家调度法在镀锡生产中的应用

流程工业的生产调度是流程工业CIMS中的一类重要问题,对其实现具有重要意义.在叙述了流程工业CIMS的生产调度方法的基础上,针对上海宝钢宜昌薄板有限公司的镀锡生产调度的实际问题,提出使用基于规则的专家系统对其镀锡生产进行调度,并讨论了基于规则的专家系统的调度方法在镀锡生产调度实现过程中规则获取、知识形成、推理方法设计的实现方法.最后,根据实际生产调度数据给出了使用该调度方法的调度系统在镀锡生产调度中的应用结果.     

基于多核学习的双稀疏关系学习算法

在关系学习中样本无法在R n空间中表示.与其他机器学习问题有很大不同,因为无法利用R n空间的几何结构使得其解决异常困难.将多核学习方法用于关系学习中. 首先,可以证明当用逻辑规则生成的核矩阵进行多核学习时,其他核都可以等价转化为线性核.在此基础上,通过用修正FOIL算法迭代生成规则,构造相应的线性核然后进行多核优化,由此实现了由规则诱导出的特征空间上的线性分类器.算法具有"双稀疏"特性,即:可以同时得到支持向量和支持规则.此外,可以证明在规则诱导出的特征空间上的多核学习可以转化为平方l1 SVM,这是首次提出的新型SVM算法.在6个生物化学和化学信息数据集上与其他算法进行了对比实验.结果表明不仅预测准确率有明显提高,而且得到的规则集数目更小,解释更为直接.     

基于模糊集的数据挖掘研究与应用

关联规则的挖掘是数据挖掘的重要研究内容之一,该文探讨了模糊集在这方面的使用,提出了模糊关联规则的概念,研究了模糊关联规则的性质及其挖掘算法,并将其应用于炼油工业的一个实例中。     

二维优化排样方法及实现技术

在工业应用领域中存在大量的二维下料问题,其中应用最多的是矩形件下料问题.矩形件下料问题的关键是寻找二维平面的优化布局.针对工业生产中实际存在的问题与约束条件,给出了新的规则设计理论和数据模型,利用覆盖率和有效覆盖率的概念来控制余料合并操作的执行,运用布局规则、组合规则和切割规则给出了一种新的启发式算法.实验分析和工业应用证明,该启发式算法可以有效地提高板材的整体利用率,极大地减少了板材损耗.     

一种自组织双模糊神经网络控制算法

针对传统模糊神经网络设计复杂、控制实时性滞后的问题,提出自组织双模糊神经网络算法。将样本数据进行聚类划分,形成原始的模糊隶属函数集;在神经网络的离线训练过程中,完善并优化模糊隶属函数和规则;采用双神经网络结构,在线工作时,一个神经网络完成在线学习任务,另一个神经网络完成工业控制任务;经过一定的系统周期,同步系统中两组神经网络的参数;提取完成控制任务的神经网络的输出作为算法的输出。应用于火箭发动机试验台控制系统中,表明算法能够提升控制系统中针对输入参数越界的鲁棒性,提高控制实时性,简化了模糊神经网络的设计复杂度。     

基于云模型的电力负荷预测

提出了一种基于云模型的电力负荷预测模型。利用云模型中的云发生器,分别将有限的国民生产总值和工业生产总值的增长率和增长变化率样本数据空间扩充为更具随机性和普遍性的扩展样本数据。以国民生产总值为例,建立国民生产总值与电力负荷之间的规则推理,构造云规则推理器。利用云规则推理器获得电力负荷预测增长率,将国民生产总值和工业生产总值获得的电力负荷预测增长率进行加权平均,并换算得到最终的电力负荷预测值,获得的预测结果精度高。     

纹理图像双特征识别方法

提出了一种能够结合纹理基元形状和大小两种特征的纹理识别方法。该方法首先定义一种编码规则,应用这种规则对图像中纹理基元的轮廓线进行编码,把纹理的表述转化为夹角链码形式。使用后缀数组提取链码中的重复字符串作为特征编码,应用动态规划算法在近似匹配条件下计算特征编码在链码中的重复频率。最后,以特征编码及其重复频率作为目标的形状特征和尺度特征,使用贝叶斯分类方法对纹理进行识别。通过识别实际矿石图片验证了这种方法的有效性。     

双窗目标特征提取算法研究

为了得到更加稳定性和准确性的目标特征,提出了一种双窗目标特征提取算法.首先在目标周围设置两个初始窗,其中小窗作为提出的改进活动轮廓模型的初始曲线;其次根据活动轮廓模型运动规则进行迭代得到目标的轮廓,作为特征提取的内窗.运用加权比例直方图法提取内、外窗的日标特征,根据设定的规则计算目标特征.最后通过实验证明了上述算法相对传统目标特征提取算法能够得到更佳准确的结果.     

基于相似性度量的氧化铝配料知识库在线维护

针对烧结法氧化铝优化配料专家系统知识库的结构特点,提出了一种基于相似性度量的专家知识库在线维护方法。构造规则的相似性度量函数,以此为基础进行规则不一致性判断,并遵循原有的知识组织策略在线实现规则的有序添加和修改,从而保证高效的专家推理,提出的方法已成功用于工业应用。     

基于双边缘模板匹配的类圆颗粒检测

在各种不同应用场合,经常需要统计类圆颗粒数目,如工业领域的棒材计数、医学领域的细胞分割等,这些类圆颗粒通常形状并非十分规则,且有部分重叠。本文针对类圆堆叠颗粒的二值图像,提出了一种基于双边缘模板匹配的检测方法。首先利用粒度测量方法,得到类圆颗粒的估计半径,然后通过此半径构造一组边缘模板,同时使用Sobel算子将待检测的二值图像分别在两个方向上检测边缘,最后使用构造的模板对边缘进行匹配,并通过限制条件得到预期结果。实验表明,此方法可以有效检测此类颗粒,并且可以解决轻度堆叠、孔洞等影响。     

事件和参数双因素驱动的智能模璎集成机制

为了增强DSS模型的可重用性及系统的元决策能力,提出了利用事件和参数共同驱动的双因素模型集成机制。将DSS中的可重用模型体系分解为由元模型、复合模型、过程模型构成的层次结构,重新定义了工作流管理领域中的ESP规则、元模型和复合模型的结构及通用模型接口;元模型和复合模型中的context组元利用ESP规则描述模型的应用规则,用户可通过修改ESP规则实现模型的重用和集成;在此基础上设计出以事件驱动为主和参数驱动为辅的元模型智能集成机制。以高技术虚拟企业利益分配策略优选模型的构建为例,展示了智能模型定义的方法及其集成细节。     

基于双阈值Apriori算法和非频繁项集的关联规则挖掘方法

针对从本文数据集中的正负关联规则挖掘问题,提出一种基于双阈值Apriori算法和非频繁项集的挖掘方法。首先,对通过逆文档频率(IDF)对语料库中的项(项集)进行加权,筛选出前N%的项集。然后,通过提出的双支持度阈值Apriori算法来提取频繁项集和非频繁项集,以此降低非频繁项集的数量。最后,通过置信度和升降度阈值的判断,分别从频繁项集和非频繁项集中挖掘正负关联规则。其中,创新性的利用了非频繁项集来挖掘正负关联规则。在一个医学文本数据集上的实验结果表明,提出的方法能够有效挖掘出正负关联规则,且能够大大降低项集和规则数量。     

参数自调整模糊PID调节器的仿真研究

主要针对实际复杂工业对象中存在的非线性、不确定性、时变性等特点,在常规模糊控制器的基础上,提出了一种参数自调整模糊控制器的设计方法.采用该方法事先不需要获知对象的精确数学模型,而是基于人类的思维以及生产经验,用语言规则描述控制过程,并根据规则去调整控制算法或控制参数.实验表明,参数自调整模糊控制算法具有一定的自适应性,能实现对复杂工业过程的控制.     

焦炉配煤专家系统的定性定量综合设计方法

焦炉配煤炼焦过程是存在诸多不确定性、无法用数学模型描述的复杂工业过程,传 统控制方法难以实施控制.根据焦化理论和生产所获工业数据构造数学模型,以群体专家经 验得到的定性知识构成规则模型,将解析的数学模型与基于知识的规则模型相结合,采用定 性定量综合集成方法,建立焦炭质量预测模型,提出了配煤比计算的实用算法,并实时控制配 煤流量.系统于1994年正式投入工厂运行,焦炭质量预测精度达到95％,配煤准确率达到 97％.工业运行结果证明了方法的有效性.     

基于堆叠降噪自编码器的神经–符号模型及在晶圆表面缺陷识别

深度神经网络是具有复杂结构和多个非线性处理单元的模型, 通过模块化的方式分层从数据提取代表性特征, 已经在晶圆缺陷识别领域得到了较为广泛的应用. 但是, 深度神经网络在应用过程中本身存在“黑箱”和过度依赖数据的问题, 显著地影响深度神经网络在晶圆缺陷识别的工业可应用性. 提出一种基于堆叠降噪自编码器的神经–符号模型. 首先, 根据堆叠降噪自编码器的网络特点采用了一套符号规则系统, 规则形式和组成结构使其可与深度神经网络有效融合. 其次, 根据 网络和符号规则之间的关联性提出完整的知识抽取与插入算法, 实现了深度网络和规则之间的知识转换. 在实际工业晶圆表面图像数据集WM-811K上的试验结果表明, 基于堆叠降噪自编码器的神经–符号模型不仅取得了较好的缺陷探测与识别性能, 而且可有效提取规则并通过规则有效描述深度神经网络内部计算逻辑, 综合性能优于目前经典的深度神经网络.