基于数量化Ⅱ类的数据分析库的设计与实现

数量化Ⅱ类理论研究的是定性资料的分析，它与判别分析根据所研究的个体的观测指标来推断该个体所属类型的方式不一样。文章以数量化Ⅱ类作理论依据，采用定性分析与定量分析相结合的方法，提出了一种数据分析库的设计和实施方案，该系统在数据分析和决策支持系统方面的研究和应用中有一定的特色。     

基于判别分析的数据分析库的设计与实现

判别分析是根据所研究的个体的观测指标来推断该个体所属类型的一种统计方法，对已知分类的数据建立由数值指标构成的分类规则，然后把这样的规则应用到未知分类的样本去分类。该文以判别分析中的线形判别分析和Mahalanobis距离判别分析作理论依据，提出一种数据分析库的设计和实施方案，该系统在数据分析方面的研究和应用中有一定的特色。     

基于特征词袋的双聚类算法研究

传统聚类方法分析数据时,仅仅从单一角度进行分析,无法利用数据对象和其特征之间存在的协作关系,针对该问题,本文提出了基于特征词袋的双路聚类算法。该算法可以同时从数据对象和特征两个方向进行数据压缩,将特征词压缩袋一个词袋里,充分的利用二者之间存在的写作关系,对每一路数据进行分析。实验结果表明,该双聚类算法不仅提高了数据分析的精度,而且在动态减少的过程的数据分析,易于理解的数据分析结果。     

基于聚类的NSGA-II算法

采用精英策略的非支配排序遗传算法（NSGA-II）种群收敛分布不均匀,全局搜索能力较弱。针对该问题,基于现有的算法,提出一种基于聚类学习机制的多目标进化算法KMCNSGA—II。利用K均值聚类对目标函数和个体分别进行聚类,对聚类后的个体进行局部学习,以提高适应度。将该算法应用于经典的多目标约束和非约束测试函数中,通过收敛性指标世代距离和多样性指标△进行性能评价。实验结果表明,与NSGA—II算法相比,该算法在算法收敛性和种群多样性保持方面均有明显提高。     

基于区间型符号数据的群组推荐算法研究

传统群组推荐算法基于点数据描述群组用户模型,存在着信息缺失、很难统筹考虑所有个体用户的需求等问题。针对该问题,对个体评分数据按照符号数据分析的思想进行"打包",将群组成员的评分信息汇总为区间型符号数据。在Hausdorff距离基础上,采用区间内部点数据的描述统计量,提出了一种全新的区间数距离度量方法,并利用这种距离对区间型符号数据描述的群组实施K-均值聚类,由此确定相似群组,最后通过最近邻的评分预测目标群组的评分。将这种全新的群组推荐算法与传统方法进行推荐精度与效率的对比实验,结果表明,在各种实验条件下,基于区间型符号数据的群组推荐算法均优于传统点数据的群组推荐算法。     

基于改进免疫算法的数据聚类策略研究

针对传统聚类算法聚类质量不够理想、自适应性不强和易陷入局部极小值等缺陷,提出一种基于改进免疫算法的数据聚类算法,该算法通过引入生物免疫系统中的精英保留策略和期望繁殖率,使适应度高的个体得到保留,浓度高的个体得到抑制,提高了算法的自适应性和精度,在后期通过利用混沌优化方法,使算法的局部搜索能力得到增强。实验结果表明,该算法比传统的聚类算法具有更好的性能。     

基于模糊聚类算法的故障数据分析与类型识别

为精确分析测量系统故障数据和识别故障类型,提出一种基于模糊聚类算法的故障数据分析方法。该方法首先用小波变换有效地检测出系统故障的微弱非线性不规则信号,再用模糊聚类的方法对故障进行分类识别。由于该算法在目标函数中加入隶属度函数,同时定义明可夫斯基的距离测度,因此能够克服K-means算法不适用于进行非凸形状的聚类的缺点,从而使诊断的数据更加精确。     

基于模糊聚类算法的故障数据分析与类型识别

为精确分析测量系统故障数据和识别故障类型．提出一种基于模糊聚类算法的故障数据分析方法。该方法首先用小波变换有效地检测出系统故障的微弱非线性不规则信号,再用模糊聚类的方法对故障进行分类识别。由于该算法在目标函数中加入隶属度函数,同时定义明可夫斯基的距离测度．因此能够克服K-means算法不适用于进行非凸形状的聚类的缺点．从而使诊断的数据更加精确。     

一种面向数据分析的新型人工免疫模型研究

提出了一种新型的人工免疫网络模型TSIN。通过应用包括克隆选择、基于合作的变异以及抗体抑制在内的免疫算子,抗体种群从单一的个体逐步分化繁殖成为有效的聚类。这些聚类既能够准确地表示原始数据集在形态空间中的分布特性,又能够较好地拟合局部分布形态,这些都为高维数据的分析提供了良好的基础。描述了TSIN学习算法的总体框架,详细分析了其中的关键环节。仿真实验表明,TSIN具有良好的数据分析能力,且较传统的自组织神经网络方法更能体现数据中蕴含的拓扑关系和分布特性。     

数据分析软件的设计和实现

航空设备上传数据的分析存在数据量大、数据不直观、关键数据段不易捕捉等问题。针对这些问题,作者提出了一个软件解决方案—数据分析软件。本文介绍了该软件的框架结构和几个关键类(class)的设计和类之间的逻辑关系,并展示了该软件在实际工作中的效果。最后分析了数据分析软件的扩展性和应用前景。     

Generalized characterization of tracking systems and linear multivariable plants

In order to design tracking systems incorporating linear multivariable plants with more controlled outputs than manipulated inputs, it is shown that a more'general tracking concept than set-point tracking is necessary. The inclusion of inequalities in tracking conditions facilitates the characterization of tracking systems and linear multivariable plants. It is shown that the possibility of undertracking (i.e. tracking with non-negative errors) is characterized by the separation theorem of convex analysis, that linear multivariable plants can be classified into Class I and Class II plants based upon their steady-state transfer-function matrices, and that, in the case of Class I plants, undertracking is possible for any set-point commands. Furthermore, the necessary and/or sufficient conditions for Class I plants are given. Finally, it is shown that, in the case of Class 1 plants, undertracking is also possible for any set-point commands and any constant disturbances.     

基于数据仓库技术的决策分析系统概念设计

以数据仓库技术为基础的决策分析是数据处理的发展方向,目前正得到很多行业的应用。为提高科学决策能力,增强在市场经营等方面的正确判断能力,需要充分利用已经积累的大量的业务数据,以数据仓库技术为基础,构建数据处理和决策分析平台,进一步开发数据中蕴涵的信息,形成决策需要的对策方案和应对市场的反应策略。本文从数据仓库技术及数据分析技术出发,概念性地构建了可应用的数据仓库和分析系统,为今后在相关领域应用奠定了基础。     

南水北调西线一期工程调水区生态环境质量遥感分析与综合评价

南水北调西线工程,是从长江上游干支流调水入黄河上游的跨流域调水重大工程,对解决黄河水资源短缺有着重大意义,但是在调水工程实施前,对调水区生态环境质量进行客观评价是很有必要的。在大量的野外调查和室内综合分析的基础上,对南水北调西线调水区域的生态环境进行了评价。主要利用现代遥感技术和地理信息系统分析方法,在地学综合思想和生态系统理论的指导下,提取了研究区影响环境质量的6个因子图层数据,叠加形成一个综合环境指数图层数据,对其等间距划分成4个环境分区。各综合自然环境指数的空间分析结果表明,综合自然环境指数一级和二级区具有较好的自然环境条件, 集中分布在研究区的东部,约占研究区面积的50％;三级区是自然环境比较敏感的地区,主要分布在调水区域的西部高原丘陵上; 四级区是自然环境比较脆弱、恶劣的区域,主要分布在调水区域的高寒山原地带。所以,一级和二级区的自然环境具有一定的抗干扰能力,在适当的环境保护措施下,可以进行一定规模的工程建设;三级区进行工程建设时, 必须特别注意对自然环境的各项保护措施,加大环境保护的力度及投入;四级区上进行工程建设会造成较大的环境破坏,不宜进行工程建设。     

涉案通信资料处理与分析

涉案通信资料处理和分析是案件线索荻取的重要技术方法之一。本文详细阐述“涉案通信资料处理与智能分析系统”的设计．对公安部门破案思路进行归纳和总结，提出了三种分析思路。极大地提高了对案件的分析能力：为每一种分析思路设计了多视角数据透视和智能分析两种手段．可以从微观与宏观、定量与定性等不同角度互为补充地进行分析；提出的文本数据整理与规范较好地解决了数据预处理问题。该系统丰富的图表直观地展示了复杂的数据关系，功能实用，极大地减轻了公安人员的劳动强度。     

Prestressed pin-jointed structures—Flexibility analysis and prestress design

Two classes of prestressable structures exist. Class I are geometrically rigid and statically indeterminate structures. Class II are statically and kinematically indeterminate structures with infinitesimal mechanisms. In structures of class I, prestress by means of imposed lack of fit can substantially enhance the design, particularly when failure is governed by compression member buckling. Structures of class II depend on prestress for their geometric integrity.

A unified algorithm for the analysis and for the design of prestress of pin-jointed structures of both classes, consisting of any combination of bars and cables, is presented. The algorithm is based on the flexibility method of structural analysis, and assumes small displacements. It is capable of identifying states of prestress and mechanisms and optimizing the prestress in compression controlled structures.     

安全级仪控系统设备鉴定样机代表性分析

安全级仪控系统是核电站的中枢神经,是核电厂安全运行必不可少的系统设备。为了确定安全级仪控系统的可靠性和安全性,设备鉴定成为其主要技术手段。受成本和时间等因素限制,设备鉴定通常使用具有一定代表性的鉴定样机来完成相关试验。因此,核电厂安全级仪控系统鉴定样机的代表性是鉴定结论能否适用于工程产品的关键。NB/T20344和IEEE标准提出了一些关于鉴定样机代表性方面的要求和分析方法。以相关法规、标准为基础,对鉴定样机的代表性分析进行了研究,详细描述了定性分析的要素,并在定性分析的基础上提出了一项全新的基于符合性系数的定量分析方法。该方法大大提高了鉴定样机代表性分析结果的可信性。     

供电局配电故障分析与预测系统

分析与预测故障对配电维护管理部门具有重要意义。文章从供电局配电故障分析与预测系统的体系结构、运作模型等方面,详细分析了其结构特点、信息流转方式,并综合运用数据仓库技术、统计学等多种科学,论述了根据气象因素预测配电故障发生和电网负荷的供电局配电故障分析与预测系统的实现。在系统投入运行的实际过程中,根据该系统获得的信息,管理部门对配电设备的维护具有方向性。同时,由于系统提供大量的统计、预测数据,使设备的预维护得以完成,管理工作达到前期控制,设备故障减至最小,取得了较高的经济效益。     

基于医疗废物处理的PLC控制系统的设计

PLC控制系统是医疗污染物排放处理的全自动监控和控制的核心,文章介绍了系统结构组成,在此基础上设计了控制模块.控制模块是系统数据分析和处理的核心部分,主要完成数据采集和动态数据交换以及数据运算、统计、存储等功能.     

面向微博平台的产品市场分析模型研究

通过对面向微博平台的产品市场分析过程进行抽象,提出了3层分析模型。第一层实现了数据准备模块,为兴趣分析提供规范化的数据。第二层通过情感分析提取微博平台上与产品相关的用户兴趣。第三层利用用户兴趣信息计算产品的满意度和关注度来表现产品市场形势。整个模型提供了面向微博平台搭建产品市场分析系统的快速解决方案。     

Finding and removing Clever Hans: Using explanation methods to debug and improve deep models

Contemporary learning models for computer vision are typically trained on very large (benchmark) datasets with millions of samples. These may, however, contain biases, artifacts, or errors that have gone unnoticed and are exploitable by the model. In the worst case, the trained model does not learn a valid and generalizable strategy to solve the problem it was trained for, and becomes a “Clever Hans” predictor that bases its decisions on spurious correlations in the training data, potentially yielding an unrepresentative or unfair, and possibly even hazardous predictor. In this paper, we contribute by providing a comprehensive analysis framework based on a scalable statistical analysis of attributions from explanation methods for large data corpora. Based on a recent technique — Spectral Relevance Analysis — we propose the following technical contributions and resulting findings: (a) a scalable quantification of artifactual and poisoned classes where the machine learning models under study exhibit Clever Hans behavior, (b) several approaches we collectively denote as Class Artifact Compensation, which are able to effectively and significantly reduce a model’s Clever Hans behavior, i.e., we are able to un-Hans models trained on (poisoned) datasets, such as the popular ImageNet data corpus. We demonstrate that Class Artifact Compensation, defined in a simple theoretical framework, may be implemented as part of a neural network’s training or fine-tuning process, or in a post-hoc manner by injecting additional layers, preventing any further propagation of undesired Clever Hans features, into the network architecture. Using our proposed methods, we provide qualitative and quantitative analyses of the biases and artifacts in, e.g., the ImageNet dataset, the Adience benchmark dataset of unfiltered faces, and the ISIC 2019 skin lesion analysis dataset. We demonstrate that these insights can give rise to improved, more representative, and fairer models operating on implicitly cleaned data corpora.