城市生活垃圾热值的特征变量选择方法及预测建模

在垃圾焚烧的过程中,垃圾热值的波动会影响垃圾焚烧的稳定性.为了实现城市生活垃圾热值的实时在线预测以及变化趋势预测,采用模糊神经网络软测量方法,利用焚烧发电厂在线运行数据作为输入,实现垃圾热值的实时预测功能.首先采用互信息方法从若干特征变量中剔除部分无关变量;然后将模糊神经网络和粒子群优化算法结合起来从上述选择出的特征变量中进一步剔除冗余变量,从而确定预测垃圾热值的输入变量,并从中训练出垃圾热值的模糊神经网络预测模型;最后通过采集的样本数据进行性能测试.结果表明该方法有较好的预测准确率和实时性,适用于垃圾热值的在线预测.     

基于网络节点中心性的新闻重要性评价研究

评价权威报刊的新闻重要性对于正确理解国家政策变化具有重要意义。该文以《人民日报》为例,抽取发表在1946?2008年期间的新闻,利用其内容相似性构建新闻网络。从复杂网络视角,一篇新闻与其他新闻的相似性越高,其在新闻网络中连接越紧密,具有较大的节点中心性。鉴于此,该文将H指数引入PageRank排序算法,提出H-PageRank排序算法,利用其计算H-PageRank中心性,评价新闻重要性。在实验过程中,考虑到不同领导核心执政时期《人民日报》的新闻风格与新闻版面的差异性将新闻划分为4个时代,基于表示学习分别形成对应的新闻网络。研究结果表明:1) 4个新闻网络的拓扑结构都表现出高聚类性与同配性,且具有近似幂律的度分布,表现出复杂网络一般特性;2) 基于多种网络节点中心性指标,对每个新闻网络中的节点进行全局排序,并以是否成为头版新闻为重要性的评价准则计算得到相近的AUC值,然后基于局部排序的Top-N评价方法计算得到正确率、召回率和F1指标,综合以上指标的实验结果表明,H-PageRank中心性显著优于其他算法的中心性,验证H-PageRank排序算法的有效性;3) 针对每个新闻网络,基于网络节点中心性的Top-N评价方法不同排序列表长度条件,其计算得到的正确率显著高于理论基准,表明评价方法的鲁棒性。     

引入新数据源的D-S融合检测方法

针对火灾检测时延过长的问题,该文引入新的火灾探测数据源,将模糊逻辑和D-S证据理论融合,提出一种信号火灾探测方法。该方法使用CO浓度、烟雾浓度、温度、O₂浓度以及热释放速率等作为火灾探测数据源,建立火灾判别概率函数,计算各个数据源的无火、阴燃火和明火的判别概率,结合Jousselme距离为数据源分配权重,最终通过D-S证据理论对多源判别信息进行融合。仿真结果表明,该方法相比于未引入O₂浓度和热释放速率的火灾探测方法,能提早3~5 s探测出火灾,提升了火灾探测及时性。     

改进型云计算VM资源调度方法

针对云计算框架中VM资源调度问题,提出一种改进型云计算VM资源调度方法.首先,将直觉模糊机制和Canopy算法融入传统的模糊c均值聚类算法,设计一种改进型直觉模糊c均值聚类算法,用以完成对用户任务请求进行聚类;其次,设计一种改进型粒子群算法,对云计算中的VM资源进行分配.通过在Cloudsim平台上的仿真实验结果表明,本文方法无论在资源调度效率,还是收敛性效果方面均优于经典调度方法,预期可以作为云计算框架中一种有效的资源调度方案.     

基于层次分析法的电力终端安全评估方案

随着能源互联网中大量电力智能终端的部署,有效评估电力终端的安全性显得尤为重要。针对现有方案存在选取指标因素不全面、未对权重结果进行验证和评价结果主观性太强等问题,根据电力终端风险评估需求,提出了基于层次分析法的电力终端安全评估方案,模拟实验数据获取指标权重,引入模糊综合评价法来降低评估结果的片面性。实验结果表明,和已有方案相比,该方案更适用于电力终端安全评估,能有效发现存在的安全风险,且评估结果更接近实际情况。     

基于模糊数学的高维稀疏数据聚类统计方法设计

传统的数据聚类统计方法仅适用于低维数据聚类问题,为此,本研究设计了基于模糊数据的高维稀疏数据聚类统计方法,以期提升高维稀疏数据的聚类统计效果。以模糊C均值聚类算法为基础,通过优化初始聚类中心解决局部最优问题,缩短聚类统计时间;然后引入权重机制,令该方法适用于高维稀疏数据聚类统计。基于此,以余弦距离替换原有的欧几里德距离,提高高维稀疏数据聚类统计效果。实验证明：在数据维度不同时,该方法均有较优的聚类统计效果。当数据维度较低时,分块比例为10%时聚类统计效果最优;当数据维度较高时,分块比例为40%时聚类统计效果最优。在不同稀疏度等级时,该方法的命中率和聚类统计效率均较高。     

基于改进AHP-FCE模型的多指标拟态表决算法

为了提高拟态防御中表决的准确性,提出了一种基于改进层次分析-模糊综合评价（AHP-FCE）模型的多指标拟态表决算法.针对传统AHP-FCE模型中判断矩阵一致性检验的缺点,对判断矩阵的构造方法进行了改进,构造具有一致性的判断矩阵,无须一致性校验和调整.基于该改进模型,综合分析了拟态表决中的一致度、历史置信度、异构度指标,将拟态表决转化为模糊评价过程.仿真结果表明,与一致表决相比,该算法能有效提高表决的正确率,提升拟态系统的整体安全性能.     

基于多学习单元卷积神经网络的雷达辐射源信号识别

现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低,识别准确率不佳. 为此,提出了一种基于多学习单元卷积神经网络的识别方法. 首先对辐射源信号的模糊函数进行高斯平滑,以校正噪声带来的毛刺与畸变;然后提取其正交切片作为进一步的特征提取对象;最后构建多学习单元卷积神经网络,学习和提取正交切片深层、泛在的特征,并通过softmax分类器进行分类识别. 仿真实验结果表明,所提方法在信噪比为-2 dB时对6类典型雷达信号的整体平均识别率均保持在99.86%以上,即便是在-6 dB环境中,雷达信号的识别率也可达到88.50%,在极低信噪比条件下具有良好的性能和可行性.     

基于感知驱动的纹饰矢量图评价方法

针对构建中华文化矢量素材库过程中如何评价矢量图质量优劣的问题,提出精确性、连续性和简单性三大视觉评价指标,并进行了量化分析. 首先,对矢量图进行解析,获取矢量图的文档对象模型,遍历文档树得到矢量信息;然后,结合格式塔心理学对矢量图的视觉误差、曲线连续性和纹饰图案的复杂度进行量化;最后,提出一种基于感知驱动的传统纹饰矢量图的评价方法. 结合视觉上的启发性规则,所提评价方法可提供3个量化指标用于多任务驱动矢量化系统中矢量图的自动评价、排序和筛选. 在纹饰矢量图数据集上对算法进行了仿真实验,结果表明,对矢量图的评价结果符合主流设计的视觉审美和期望.     

水平井化学调驱效果评价新方法及其矿场应用

为明确水平井化学调驱效果的影响因素,指导化学调驱油田后期挖潜,在对渤海油田水平井化学调驱井组含水率变化特征曲线分析研究、获得表征化学调驱效果特征参数、确定影响水平井化学调驱主控因素的基础上,建立了一种水平井化学调驱效果图版评价方法.并利用该评价方法对渤海A油田进行应用实例分析,结果表明,该方法的评价结果与油田实际相符,以此制定的A油田化学调驱方案取得了良好的实施效果.