一种基于混合多属性的VIKOR群决策方法

针对含有多种属性和混合评价信息群决策问题,提出一种基于直觉模糊VIOKR的评价方法.首先,将不同类型属性值转换为直觉模糊数处理混合评价信息,降低了评价的随机性和模糊性,接着建立最小偏差优化模型计算指标以及专家权重,解决了专家和属性的权重信息未知的问题;引入VIKOR理论集结评价值对评价对象进行评价排序,并与TOPSIS方法进行了对比,说明了本算法的可行性和可信度.最后以某型电源车虚拟训练系统为研究对象,对人员业务水平决策进行实例研究,结果表明该群决策方法能够有效实现决策,具有较好的工程应用价值.     

用于人形机器人的声音降噪方法

用于人形机器人的实时多通道降噪方法使机器人能够在实际应用中精确地进行后续的音频分类或语音识别。引入人形机器人具有类似人体的头相关传输函数的性质,避免一般方法中在估计声传播信道模型时只考虑声达时廷,而忽略声散射和共振影响的局限性。该方法通过利用麦克风阵列阵元之间的声音传输信道的差异性,削弱参考噪声和目标信号之间的相关性,从而提升对消噪声后输出信号的信噪比。仿真表明,对目标信号的信噪比提升达到15dB。     

概率对偶犹豫模糊PROMETHEE多属性群决策算法

为解决犹豫模糊环境中由随机性和不确定性对实际决策造成偏差的多属性群决策问题,提出一种基于概率对偶犹豫模糊PROMETHEE的多属性群决策算法。构建各决策专家的概率对偶犹豫模糊信息矩阵;运用最大离差法与熵值法确定各决策专家与各指标属性的客观权重,结合改进的得分函数与偏离函数得到专家的综合决策评价信息矩阵;进而通过概率对偶犹豫模糊集与PROMETHEE结合的决策算法得到最终决策结果。将该算法运用于航空灾难事故应急响应方案评估的算例分析中,通过与TOPSIS、VIKOR及PDHFS决策算法的计算结果进行对比,验证了概率对偶犹豫模糊PROMETHEE多属性群决策算法的有效性与可靠性。     

大规模复杂数据集的约简方法

对样本点数量巨大、用于刻画对象特征的指标众多、带有时空动态特性、包含大量噪声等特点的大规模复杂数据集进行定义。针对大规模复杂数据集的挖掘要求,结合统计分析、粗糙集、模糊集理论中的数据约简思想和方法,提出一种基于样本模糊聚类和粗糙集属性约简的大规模复杂数据集约简方法。     

基于社交网络用户特征的数据挖掘研究

随着网络与移动通讯的发展,人们的社交关系与网络衔接越来越紧密。本文对互联网社交网络用户特征进行分析,分析社交网络群体结构、用户影响力、用户活跃度,从用户特征权重的角度进行预测算法研究,建立社交网络用户特征的数据挖掘模型,利用蒙特卡罗仿真方法,实现对社交网络用户特征数据的加工与利用。     

一种改进的偏好融合组推荐方法

近年来,组推荐系统已经逐渐成为推荐系统领域的研究热点之一.在电影电视和旅游推荐中,用户常常是参与活动的一组人,这就需要为多个用户形成的群组进行推荐.作为解决群组推荐问题的有效手段,组推荐系统将单个用户推荐扩展为群组推荐,目前已经应用在新闻、音乐、电影、餐饮等诸多领域.现有的组推荐融合方法主要是模型融合与推荐融合,其效用好坏目前仍没有定论,并且它们各有自己的优缺点.模型融合存在着群组成员间的公平性问题,推荐融合忽视了群组成员间的交互.提出一种改进的偏好融合组推荐方法,它结合了两种融合方法的优点.同时根据实验得出了"群组偏好与个人偏好具有相似性"的结论,并将它结合在改进方法中.最后,通过在Movielens数据集上的实验分析,验证了该方法的有效性,证明了它能够有效地提高推荐准确率.     

图像自动降色去噪方法研究

针对传统去噪方法会导致图像细节模糊的问题,提出一种低照度条件下的图像自动降色去噪方法.结合人眼的生理特点,根据环境照度所对应噪声的大小,进行不同程度的噪声降低处理.介绍函数关系及流程,并通过实验数据确立函数值.结果表明,该方法能在不模糊图像细节的基础上有效降低噪声.     

面向产品设计定位的客户信息分析

文章以产品设计定位中的目标用户群确定为目的,探讨了企业客户数据库信息分析的基本流程和方法。借鉴市场细分的思想,运用信息熵、数据挖掘、决策支持等概念和技术,对目标用户群确定及其可行性、可能性评估进行了深入分析,提出了具有实用意义的实现算法。     

带干扰传输链路中分布式光纤信号无损降噪算法研究

为了提高接收端信号准确性,降低链路传输过程中的信号干扰,为此设计了带干扰传输链路中分布式光纤信号降噪算法设计。提取分布式光纤信号的时域与频域特征,得到信号输出功率。在确保信号输出功率最大的前提下,将信号分解、映射到相空间内,根据奇异值分解定理,获取信号奇异谱,根据信号奇异分析样本信号,结合小波包分解及软阈值算法完成分布式光纤信号无损降噪。实验结果表明,所提算法的光纤信号降噪效果优于实验对比方法,且信号无损伤,同时该算法运行效率更高,具有可靠性与实用性。     

基于阈值的小波域语音降噪新算法

提出了一种新的基于阈值的小波域语音降噪算法。采用小波包对含噪语音进行分解，克服了传统的正交小波变换的缺陷。采用自适应阈值的方法，对每一尺度上的噪声最大量进行去噪，保留有用信号，可以进一步提高信噪比，仿真实验表明，该方法有更好的去噪效果。     

网络用户兴趣的智能挖掘方法研究

目前网络上的重要应用都是围绕对用户兴趣的研究和发现而展开和完善的,主要的方式是借助于对用户的Web访问数据进行相关挖掘。该研究主要是通过建立一个从底层数据获取到上层数据处理的原型系统,对真实捕获的网络数据利用小世界网络模型提取中文文档关键字后处理为用户兴趣,再将用户的访问兴趣通过隐马尔可夫模型抽象成一种时间序列,依次反映用户兴趣的序列性,从而利用GSP算法得到用户的兴趣并供后续处理。实验证明,该原型系统从数据获取到最终处理,可以得到比较满意的结果。     

关于煤矿采掘的采矿工艺及方法探究

煤矿采掘的工艺和方法对煤矿企业的发展起着决定性作用。因此，笔者根据自身的实践经验，详细分析了煤矿的采掘工艺，并提出了一些改进方法。     

基于ICA的周期性噪声消除算法

为了使问题有解,传统的独立分量分析算法对问题的条件有许多严格的限制,其中包括观测信号的个数不能小于源信号的个数等．在降噪等实际应用中,观测信号的个数可能无法满足这一条件,为了能够利用独立分量分析分离加性噪声,需要人工构造混合信号．基于周期性干扰表现的整体周期性,提出了一种构造混合信号的新算法．利用构造的混合信号进行独立分量分析,可以有效地消除周期性干扰,使目标信号的信噪比显著提高．即使在信噪比很低,目标信号几近被“淹没”的情况下,仍然能够较好地将其分离出来．该方法具有算法简单、运算速度快、算法效率高等特点．计算机仿真和实验结果都证明了算法的有效性．     

基于集族的工艺知识挖掘技术研究

旨在提高工艺知识获取的效率与质量,本文引入了基于“集族”概念的工艺表示方法,在此基础上,提出了基于“最小工序链”的零件及工艺分类方法,以及工艺知识挖掘技术,阐述了工艺知识的组织和检索,介绍了工艺知识挖掘系统的功能与实现。实践证明,应用该技术获取的知识系统性强、一致性好、使用便捷。     

流程增量挖掘中的模型更新方法

正确发现流程实际运作情况对工作流管理有着重要的意义.流程挖掘抽取系统日志信息,挖掘流程的真实运作模型.目前很多该方面的研究,着重于从一份日志中挖掘出工作流模型.然而,这些挖掘方法只关注日志信息,忽略了流程设计者的先验知识.而且,日志所包含信息量较大,进行一次挖掘耗费较大.因此,希望能结合已有工作流模型及新增日志信息,更新工作流模型.已有研究给出对模型及日志的增量挖掘算法.但是,业务流程会随着时间推移变更,可能已有的任务被取消了,因此在新增的一段日志中该任务没被记录.但由于该任务曾经在已有日志中记录下来,故应用已有挖掘算法或增量挖掘算法,在更新模型中,该任务也会被挖掘出来.提出了一种增量挖掘模型更新的改进算法.通过流程设计者的先验知识及统计任务出现的频率,判断该任务是否被取消.最后给出一个实验,验证算法的可行性.     

CMOS图像传感器的自适应降噪方法研究

提出了一种用于CMOS图像传感器的新型自适应降噪方法,并进行了逻辑电路实现。该方法通过运动检测和边缘检测技术进行噪声功率统计和分析,选择性的利用中值滤波、均值滤波以及运动自适应滤波方法,对传感器输出图像进行了数字降噪处理。实验表明本文方法降低了高斯噪声和椒盐噪声的影响,有效提高了图像质量和峰值信噪比。其结构易于电路实现,适用于CMOS图像传感器内部的实时降噪处理。     

含噪音处理的工作流挖掘算法在资源规划方面的应用

为了提升业务流程执行效率,提高流程建模的客观性,在考虑日志文件存在噪音的前提下,对结构化工作流模型的四种基本结构进行分析,研究从日志文件中挖掘出流程模型的结构化算法.从获取日志文件信息、提炼简单活动序列、挖掘结构化分支模型和合并最终模型四个部分进行描述,然后以Petri网的形式展现最终模型,最后进行资源负载分析,为决策者进行资源规划提供决策依据,有利于提高资源利用率和流程执行效率,进而提高企业效益.     

Selection of Thresholding Scheme for Image Noise Reduction on Wavelet Components Using Bayesian Estimation

Methods for image noise reduction based on wavelet analysis perform by first decomposing the image and then by applying non-linear compression functions on the wavelet components. The approach commonly used to reduce the noise is to threshold the absolute pixel values of the components. The thresholding functions applied are members of a family of functions defining a specific shape. This shape has a fundamental influence on the characteristics of the output image. This work presents and tests an alternative shape deduced from statistical estimation. Optimal shapes are deduced using Bayesian theory and a new shape is defined to approximate them. The derivation of thresholding shapes is optimal in LMSE and MAP senses. The noise is assumed additive Gaussian and white (AWGN) and the components are assumed to have statistical distributions consistent with the real component distributions. The optimal shapes are then approximated by a scheme utilised in the noise reduction procedure. Results demonstrating the efficiency of the image noise reduction procedure are included in the work.     

降低异步电动机电磁噪声的RSVPWM变频方法

高次谐波产生的电磁噪声是当前高性能PWM逆变器存在的主要问题之一.分析PWM波的功率谱密度可知,固定的开关频率是导致电磁干扰的主要原因.针对这一点,提出了用随机改变开关频率的空间矢量调制方法（即RSVPWM法）消除电磁噪声的方案.在基于DSP的异步机变频调速系统实验平台上,进行了RSVPWM法和传统SVPWM法的对比实验,结果表明,RSVPWM法不仅保证了系统的优良调速性能,而且降低了异步电动机的电磁噪声.     

基于改进小波包阈值的GIS局部放电信号降噪方法研究

特高频法是GIS设备在状态检测中最常用的方法之一,但在应用过程中传感器所采集的特高频信号通常会携带较多噪声,会干扰检测的准备性,因此对信号进行有效的噪声抑制是局部放电检测的关键技术。本文基于小波包去噪理论,提出了一种综合考虑平滑度和边缘特征的改进阈值函数,以实现对GIS局部放电特高频模拟信号的降噪。通过信噪比（SNR）、均方误差（MSE）和波形相似数（NCC）三种参数对方法的去噪效果进行评估,结果表明,改进小波包阈值的信号降噪方法具有良好的噪声抑制功能,应用后可提高GIS局部放电采集信号的初始数据质量。