基于混合优化算法的数据预处理算法Ⅱ

提出了KDD中数据预处理的一种基本算法.针对数据库中的属性,利用非监督学习算法,在获取了面向任务的目标数据子集的基础上,利用混合优化算法进行特征子集的选取.分析了遗传算法和混合遗传算法用于特征子集选择的基本算法,仿真实验说明了混合优化算法的有效性和可行性.     

基于粗糙集-神经网络集成的故障诊断

综合粗糙集和神经网络的优点,提出一种基于粗糙集-神经网络集成的智能故障诊断模型.在数据采集和预处理的基础上,利用粗糙集(RS)理论对原始故障诊断样本进行离散化处理,并根据条件属性(集)对决策属性的正域的大小来选择属性,提取出对诊断故障贡献最大的最小故障特征子集,从而确定神经网络的拓扑结构;通过网络训练建立故障特征与故障之间的映射关系,采用神经网络集成的方法实现故障的诊断.通过热电厂发电机组的故障诊断实例,表明了这种故障诊断方法的工程有效性.     

子集和问题的O(1.414n)链数DNA计算机算法

随着DNA计算机研究的不断深入,如何克服DNA生物计算中穷举法的极限已成为DNA计算研究的重要内容之一.为设计可扩展的子集和问题DNA计算机算法,文中将Aldeman-Lipton模型的操作与粘贴模型的解空间结合,引入荧光标记和凝胶电泳技术,通过设计DNA并行搜索器,提出一种求解子集和问题的DNA计算机模型和算法.与已有文献结论的对比分析表明:文中算法在保持多项式生物操作复杂性的条件下,将穷举算法中的DNA分子链数从O(2n)减少至O(1.414n),其中n为子集和问题的维数.因此,文中算法理论上在试管级生化反应条件下能将可破解子集和公钥的维数从60提高到120.     

变压器绕组温度计的跨线整定规则改进

主要介绍了变压器绕组温度常用的三种在线测量方法;热模拟法绕组温度计的原理;本单位主变压器绕组温度计的一起异常的现象、分析、处理过程;及绕组温度计的跨线的整定规则等改进建议。     

扩大型故障对发输电系统可靠性的影响

对扩大型故障对发输电系统可靠性的影响进行了评估。基于主接线结构研究了扩大型故障的机理,并提出了量化其对发输电系统可靠性的影响的修正参数法和模拟故障法。建立了对扩大型故障状态不同的分析方法以及两种算法的算法流程。通过对IEEE-RTS算例系统可靠性评估,从综合可靠性指标、最严重事故状态以及系统薄弱环节等不同角度证明了扩大型故障对系统可靠性的影响、考虑扩大型故障的必要性以及模拟故障法的优势,验证了文章算法的有效性和实用性。     

于改进抽样法的电力系统可靠性评估

由于电力系统的元件故障为小概率事件,在应用传统非序贯蒙特卡洛抽样法进行系统可靠性评估时,存在抽样次数大,仿真时间长等缺点。通过将对偶变数抽样法与交叉熵重要抽样法相结合,提出了一种适用于电力系统可靠性评估的改进抽样方法。该方法首先通过交叉熵重要抽样确定元件最优参数,构造元件的零方差概率密度函数的近似函数,然后根据最优参数进行对偶抽样,进一步降低抽样过程的方差,提高了传统蒙特卡洛法的抽样效率。应用该方法及传统随机抽样法、对偶变数抽样法和交叉熵重要抽样法对IEEE-RTS（可靠性校验系统）与变参数后的IEEE-RTS进行可靠性评估,计算结果表明：提出的方法在保证一定计算精度的条件下,相比其他方法,进一步提高了仿真速度。越是小概率事件,方法的优势越明显。     

电动汽车充放电模式对电网日负荷的影响

根据传统汽车的行驶特性,分析各类电动汽车充电行为的影响因素,考虑在3种充放电模式下电动汽车的充放电方式、电池特性、充放电时间及充电成本等因素,建立基于蒙特卡罗模拟法的规模化电动汽车在不同充放电模式下的日负荷模型. 分析结果表明,电动汽车无序充电会导致电网峰谷差率增加,单向有序充电则可在一定程度上实现“填谷”目标,而双向有序充放电模式下的电动汽车负荷可以更好地平抑电网负荷波动,缓解电力紧张,并给用户带来一定的经济收益.     

基于聚类分析的内核恶意软件特征选择

针对现有基于数据特征的内核恶意软件检测方法存在随特征的增多效率较低的问题,该文提出一种基于层次聚类的特征选择方法。首先,分析相似度计算方法应用于数据特征相似度计算时存在的困难,提出最长公共子集并设计两轮Hash求解法计算最长公共子集;其次,设计基于最长公共子集的层次聚类算法,有效地将相似特征聚类成簇;在此基础上,设计基于不一致系数的内核恶意软件特征选择算法,大大减少特征数,提高检测效率。实验结果验证了方法的有效性,且时间开销在可接受的范围内。     

蒙特卡罗法在露天矿边坡可靠性分析中的应用

基于现场地质勘察和室内试验得到的岩体力学性能参数,利用蒙特卡罗法对某露天矿长期开采形成的边坡进行了6个剖面可靠性分析,获取某矿山边坡的破坏概率和可靠指标,进而为该矿山边坡稳定性评价和后续边坡的管理工作提供可靠的依据。     

利用模拟法预测金属成形模具的磨损率

金属塑性成形模具承受大量的机械载荷和热载荷。模具的使用寿命取决于其遭受的磨损量或断裂危险率。