基于实时可靠度评估的航空产品序贯检测模型

针对航空产品相关部件性能退化不确定性强的特点,为了较为科学合理地确定产品检测维修的时刻,提出一类基于实时可靠度评估的序贯检测模型。采用Wiener过程描述产品的性能退化规律,然后基于随机过程首达时理论给出产品实时可靠度的解析表达式,并综合利用强跟踪滤波算法、最优平滑算法和期望最大化算法对模型未知参数进行自适应估计。当获得新的退化数据信息时,根据贝叶斯规则重新迭代对模型参数进行实时更新。在更新过程中,融合同类型产品的历史信息选取初始化参数,实现了更新算法的快速收敛。接着根据对产品的实时可靠度要求确定出了优化的序贯检测间隔期。通过某航空铝合金材料的疲劳裂纹增长的实例验证了模型与算法的有效性。研究结果表明:实时可靠度评估模型能够最大限度利用运行期的实时数据,有效提高不确定条件下产品可靠度估计的准确性,从而保证相应序贯检测策略的效率和实用性。     

基于深度高斯过程的多元类别数据分布估计

多元类别数据的可能取值会随向量长度的增长呈指数级增长,从而造成数据稀疏性问题。通过将观察数据嵌入到连续空间中训练识别数据之间的相似性,构建多元类别数据的线性高斯隐变量模型和类别隐高斯过程(CLGP)。在CLGP模型基础上,建立小样本多元类别数据分布估计的多元类别深度隐高斯过程模型,并结合蒙特卡洛采样的变分推断方法对模型进行参数优化。实验结果表明,与CLGP模型相比,该模型分布估计精确度有所提升。     

基于NB分类器重访概率预测的Web缓存替换策略

Web缓存是用来解决网络访问延迟和网络拥塞问题，缓存替换策略直接影响缓存的命中率。为此，提出一种朴素贝叶斯（NB）分类器重访概率预测的Web缓存替换策略；根据用户之前访问日志，通过分区操作提取多项特征来表示每次访问的对象，并构建特征数据集；训练NB分类器，用来确定缓存中对象被再次访问的概率，为对象分配权重；结合LRU策略来合理删除一些对象。仿真结果表明，提出的策略在保证较高命中率的同时有效降低了执行时间。