基于灰色理论的故障案例检索算法

案例检索是基于案例推理系统的关键问题.为了在信息不完全的条件下提高故障案例匹配的准确度,将灰色关联分析应用到故障案例相似度的计算中,对灰色关联度公式进行改进,提出一种基于二次搜索策略的故障案例检索算法.对多种案例检索算法进行比较分析,结果表明该方法克服了传统方法确定相似度系数的主观性缺点,具有较好的分辨能力.     

案例推理系统中欧式距离检索算法的改进

案例检索是基于案例推理系统的中心环节.目前应用最多的欧氏距离检索算法在实际应用中经常出现计算的相似度结果偏离工程实际的情况.利用一种归一化效用函数在最近邻法原理基础上提出一种改进的欧氏距离检索算法.实际工程应用结果证明改进的算法不仅有效而且简单实用.     

CFW的CBR动态预测

结合CBR（Case-Based Reasoning,基于案例推理）方法学,探索了CFW（Cucumber Fusarium Wilt,黄瓜枯萎病）动态预测技术。提出一种优势案例机制辅助案例检索,快速定位相似案例集以提高检索效率,并借助灵敏度分析思想确定最优相似案例。对遍历检索及基于优势案例机制的检索进行了对比分析,确定了系统案例库的最优分类数范围。利用交叉验证方法,对每个测试案例进行准确度及联想特性值评价,得出不同相异阈值下推理算法的推理有效性,并依此确定了系统案例检索的最优相异阈值。     

基于案例属性特征区间相似度的改进算法研究

基于案例推理的关键是确定问题案例与案例库中的案例属性特征的相似度.针对相似度的算法问题,在分析比较多种已有算法的基础上,提出一种解决感知信息和案例库中的案例属性特征均为不确定或不完整信息的区间相似度计算模型,论证了该模型的计算结果适用于特定区间内微小区间相似的问题.结合某型艇抗沉辅助决策系统的预案推理问题,对已有的算法求解结果进行比较,证实该模型可提高案例相似度的计算结果灵敏度.     

基于置信规则库的应急方案调整方法

针对运用案例推理生成应急方案的问题,提出了一种基于置信规则库的方案调整方法．依据案例检索方法得到与目标案例最相似的历史案例,计算案例库中其他案例与最相似历史案例的问题差值,并转换为评价等级置信度形式;再利用历史案例信息及学习模型确定案例规则库的参数．在此基础上,将目标案例与最相似案例的问题差值转换为评价等级置信度形式,通过置信规则库的推理规则得到目标案例的方案．最后,通过一个环境突发事件的救援算例来说明该方法的可行性和有效性．     

大规模定制环境下的决策案例库系统

针对大规模定制决策的特点,为实现决策案例的重用,提出了一种面向大规模定制决策问题的案例库系统,设计了基于框架结构的案例知识表示模型,介绍了基于模糊加权的案例相似度计算和匹配算法,该算法解决了大规模定制决策问题的结构化表达、检索匹配和重用问题,开发了案例库的原型系统以支持案例管理、推理和基于案例的规则发现。     

基于灰色理论的故障案例检索算法

案例检索是基于案例推理系统的关键问题。为了在信息不完全的条件下提高故障案例匹配的准确度,将灰色关联分析应用到故障案例相似度的计算中,对灰色关联度公式进行改进,提出一种基于二次搜索策略的故障案例检索算法。对多种案例检索算法进行比较分析,结果表明该方法克服了传统方法确定相似度系数的主观性缺点,具有较好的分辨能力。     

基于案例推理系统中案例检索算法的探索

案例检索是基于案例推理系统的中心环节,目前应用最多的欧氏距离检索算法在实际应用中经常出现计算的相似度结果偏离工程实际的情况。文章利用一种归一化效用函数在最近邻法原理基础上提出一种改进的欧氏距离检索算法。实际工程应用结果说明,这种改进的算法不仅有效,而且简单实用。     

灰度关联理论在CBR中的应用研究

针对基于规则推理技术(RBR)知识获取困难、自学习能力差等缺陷,将基于案例推理技术(CBR)引入故障诊断系统中.介绍了基于案例推理的故障诊断方法的工作机理和过程模型,阐述了案例表示、案例检索、案例保存和案例库维护机制,然后简单介绍了灰色关联理论知识,并把灰色关联理论应用到故障案例相似度的计算中.根据实验结果可知,该方法有效地改进了案例检索算法,提高了故障案例匹配的准确度和检索效率,同时具有较好的分辨率.     

Web 2.0下基于案例的知识管理系统

为实现Web 2.0环境下网络知识的获取和共享,提出一种基于案例的知识管理系统。采用案例推理的方法实现知识管理,根据Web 2.0网络环境的特点,在案例表达阶段,为每个案例设置标签属性,使其能实现开放性分类。在案例检索阶段,将领域本体引入相似度的计算。利用人工神经网络算法、用户录入案例标签维护案例库和本体库。实验结果表明,该系统能快速检索出具有较高相似度的历史案例。     

基于微粒群的案例推理方法研究

距离测度是案例检索的关键问题,它直接影响案例检索精度.针对距离测度进行研究,提出一种基于微粒群方法的自学习距离测度,并将该自学习距离测度引入案例推理中,使案例推理在处理由相关属性表述的案例时有了合理的解决方法,从而扩展了案例推理的应用范围.最后,利用实际数据与UCI数据对基于新距离测度的案例推理技术进行了仿真实验,实验结果表明,与其他方法相比,该方法可以提高案例检索的准确性.     

基于强跟踪滤波器的MACA-MIE 模型及跟踪算法

结合自适应常加速模型(ACA)、改进输入估计(MIE)和强跟踪滤波器,提出一种新的自适应目标跟踪模型和算法.该算法通过扩展 ACA 模型状态矢量和改进状态噪声协方差调整方法,利用 MIE 和强跟踪滤波器,实现了机动加速度方差和状态预测协方差依据残差信息的实时完全自适应调整,在缺乏目标加速度先验知识的情况下,能够实时高精度跟踪目标突变状态、弱机动和非机动状态.仿真实验表明,相比 ACA 模型和 MIE,该算法具有更好的机动状态和非机动状态跟踪性能.     

基于阈值的案例决策方法及其在创新设计中的应用

通过分析案例决策(CBDT)的经验理性,提出了可用于创新设计的案例决策方法,首先分析偏好反转的内在机理,指出CBDT中的案例对决策结果存在的潜在影响;然后提出一种判别无关案例和启发性案例的方法以及基于阈值的案例决策方法;最后通过摩托车发动机的产品创新设计的心用案例,说明了所提出方法的决策步骤.该方法与案例推理(CBR)方法相比,对于创新设计具有更好的实用价值和现实意义.     

模型不确定非线性Markov 跳变系统的滤波算法

针对模型不确定非线性Markov跳变系统,提出一种新的滤波算法.相比于传统交互多模型粒子滤波,该方法通过引入前一时刻的滤波误差来增强原先由于不精确模型而造成权值较小的真实粒子在滤波过程中的作用,以此来改善算法的估计性能.仿真结果表明,该方法在处理含不确定模型参数的非线性Markov跳变系统状态估计问题时具有较好的性能.     

基于谱图和成对约束的主动半监督聚类算法

针对半监督聚类学习算法中缺乏主动学习的缺陷,提出一种纠错式主动学习成对约束方法.算法通过寻找一般聚类算法自身难以发现的成对约束信息,同时避免这部分约束信息之间本身的关系,将其引入谱聚类算法,利用该监督信息调整谱聚类中点与点之间的距离矩阵对两点间距离进行排序,采用双向寻找的方法,使得学习器即使接收到没有标记的数据也能进行主动学习.实验分析表明,所提出算法能够获得较为满意的聚类效果.     

简化的分类微粒群算法及其在风电场建模中的应用

提出一种简化的分类微粒群算法.首先将微粒按适应值的差异划分成较好、普通和较差3类;然后对这3类微粒分别采用3种对应的没有速度项的简化模型进行动态制整,有效地增加了种群的多样性.通过对4种典型测试函数的仿真实验,并与经典PSO和2个目前较为流行的改进PSO进行比较,实验结果表明了所提出的改进算法具有更好的优化性能.将改进算法用于风电场风速概率模型优化的实验结果表明,与传统最小二乘法相比,该方法拟合的Weibull参数精度更高,更具实际参考价值.     

基于HsMM的系统在线故障预报

针对故障预报中系统剩余寿命难以精确估计的问题,提出基于隐半马尔可夫模型(HsMM)的系统在线故障预报方法.首先重新设计HsMM模型结构,利用模糊c均值聚类(FCM)方法化连续取值的系统输入输出变量为有限集合内取值,简化了建模计算过程.在实现对故障检测的同时,利用模型的状态驻留参数估计系统的剩余寿命,从而实现系统的故障预报.利用连续搅拌反应釜(CSTR)模型进行仿真验证,在输入输出数据含有噪声的情况下,较准确地估计,系统的剩余寿命,从向表明了方法的有效性.     

并行机实时调度问题的LR&CG算法

研究了目标函数为最小化总加权完成时间的并行机实时调度问题.建立该问题混合整数规划模型,并提出融合拉格朗日松弛(LR)和列生成(CG)的 LR & CG 混合算法.该算法包含双重迭代,在内环以次梯度法作为下界求解器和列生成器,在外环通过求解限制主问题来获得影子价格以调节拉格朗日乘子.计算实验结果表明,在相同的计算时间内, LR & CG 能够比常规的 LR 算法获得更好的上界和下界,表明了前者具有更好的收敛性能.     

基于人类视觉智能和粒子滤波的鲁棒目标跟踪算法

与计算机视觉目标跟踪算法遇到的各种困难和瓶颈不同的是,鲁棒视觉目标跟踪仅仅是人类视觉系统的一项基本功能.为此,基于自顶向下的视觉注意机制,构建了一种相应的计算模型,提出一种利用检测视觉注意力焦点区域的方法来模拟人类视觉系统的全局搜索过程,并用粒子滤波跟踪来模拟人类视觉系统的局部跟踪过程的目标跟踪算法.多组对比实验结果表明了所提出的算法在视觉目标跟踪中的优越性.     

基于神经网络的非线性系统轨迹线性化自适应容错控制

针对一类仿射非线性系统,首先采用轨迹线性化方法将其等价表示为线性时变系统;然后利用神经网络构建伪逆模型以及动态故障模型：最后基于模型参数变化,应用李亚普诺夫稳定性理论构建标称系统控制器及故障补偿控制律,从而实现系统故障下的稳定有界容错控制．仿真结果表明了所提出算法的有效性．