一种不确定RFID数据流清洗策略

原始RFID数据流含有大量噪声且具有不确定性,必须在使用之前对其进行数据清洗,而清洗策略是清洗质量的保证。提出一种适合不确定RFID数据流的清洗策略。该清洗策略引入了最大熵原理,对待清洗的RFID元组的特征属性进行权重选择,并根据清洗节点的时间消耗以及误差进行清洗成本分析,决策出最佳的清洗方法。仿真实验结果表明,该清洗策略提高了不确定RFID数据流的清洗效率与精度。     

一种基于改进谱熵的语音端点检测方法

针对常规谱熵端点检测法在非平稳噪声环境下检测效果差的缺陷,提出了一种基于子带谱熵幅度积参数的语音端点检测方法。该方法利用非平稳信号处理技术将语音信号的时域分析和频域分析相结合,在常规谱熵的基础上计算出子带谱熵,再结合时域中的短时平均幅度进行端点检测。仿真结果表明,与常规谱熵端点检测算法和短时平均幅度算法相比,该方法在各种噪声环境下的检测效果都比较好,鲁棒性增强,其有效性得到验证。     

基于RGB彩色空间的图像分割研究

图像分割是图像处理中的主要问题,图像分割效果的好坏直接影响图像分析的结果。彩色图像分割是指将彩色图像分割成各具特性的区域并提取出其中感兴趣的目标,为后续图像处理工作奠定基础。针对彩色图像梯度图进行分水岭分割会造成过分割的问题,比较阈值分割、最大类间方差分割和最大熵分割等图像分割方法,提出一种基于遗传算法改进最大熵的彩色图像分割方法。实验结果表明,该图像分割算法灵活性强,可以有效地分割彩色图像。     

不确定系统改进的鲁棒协方差交叉融合稳态Kalman预报器

针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统,利用虚拟噪声补偿随机参数不确定性,原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界,并利用保守的局部预报误差互协方差,提出改进的鲁棒协方差交叉（Covariance intersection,CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度,且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.     

模糊TOPSIS时变权重二次量化云服务推荐

云服务数量的快速增长给云服务选择决策带来了挑战。为协助决策者在进行云服务选择时提供决策依据,更好地满足用户使用需求,提出一种并行模糊TOPSIS时变权重二次量化云服务推荐算法。首先,基于熵的权重赋值方法确定准则权重,解决了准则权重不好选取的问题,并采用时变权重方法作为补充设计一种新的模糊TOPSIS评估方案,时变权重的引入可以对不同时期QoS等信息的重要性进行二次量化区分,有助于提高融合决策的合理性。其次,基于时间段的模糊TOPSIS多准则融合决策信息,提出一种可并行云服务选择框架,有利于算法的实际推广应用。实验结果表明,该算法能够有效抑制不良QoS信息影响,提高服务调用成功率保证诚信服务的互操作性。     

利用交叉推荐模型解决用户冷启动问题

用户冷启动是推荐系统的一个重要问题。传统的推荐系统使用迁移学习的方法来解决这个问题,即利用一个领域的评分信息或者标签预测另外一个领域的用户和物品评分。上述迁移学习模型通常假设两个领域没有重叠的用户和物品,与上述假设不同,很多情况下系统可以获取同一用户在不同领域的数据。针对这种数据,提出一种新的推荐系统冷启动模型—cross SVD&GBDT(CSGT),通过有效利用重叠用户的信息来解决用户冷启动问题。具体地,首先提出新模型获取用户和物品的特征,然后利用GBDT模型进行训练。实验数据表明,在豆瓣数据集中corss SVD&GBDT可以得到比传统方法性能更高、鲁棒性更强的实验结果。     

大流量下一种基于活跃熵的DDoS攻击检测方法

为了提高在大流量背景下DDoS攻击检测的实时性。本文提出一种在大流量背景下基于活跃熵的DDoS攻击检测方法。在IP流层面通过分析系统活跃熵值来对整个流量进行初探,剔除正常流量。利用多特征广泛权重最小二乘孪生支持向量机算法（WWLSTSVM）对攻击威胁进行攻击确认。通过实验验证方法的可行性,实验表明在合适场景下本方法可以在保证时效性的同时减少系统误报率。大流量背景下该检测方法比一般的机器学习算法具有更好的检测性能。     

基于JADE的自动聚类算法

JADE算法是传统差分进化算法（DE）的一种改进算法,其收敛速度更快、优化性能更好,拥有一套完整的自适应参数调整机制有效加强了算法的全局搜索优化能力. 本文将自适应差分进化算法（JADE）用于聚类,提出了一个新的基于JADE的自动聚类算法（AC-JADE）. 首先,本文采用双交叉策略,在传统的两点式交叉操作之后,针对DE用于自动聚类时的特定的编码方式,添加了一种基于个体间聚类中心随机交换交叉策略;其次,针对聚类中心选取方法的随机性导致的聚类中心有可能偏离数据集或者聚类中心过于集中的缺陷做出了相关改进,通过先对聚类中心进行筛选在进行聚类,有效避免了因算法本身的随机性导致的错误聚类划分. 通过对UCI的4个数据集的仿真实验比较,该种双交叉操作的聚类算法明显好于同类算法.     

串联型故障电弧检测方法对比分析

由于线路故障位置的不确定性,目前串联型故障电弧检测方法主要基于电流信号分析进行识别。通过对不同负载在串联型故障电弧发生前后的电流波形进行对比,得出了串联型故障电弧电流特性及其变化规律;以串联型故障电弧的电流信号为研究对象,介绍了基于希尔伯特黄变换、信息熵与短时傅里叶变换、小波近似熵与支持向量机的串联型故障电弧检测方法,概述了不同检测方法的故障电弧特征提取过程;对3种串联型故障电弧检测方法优缺点进行了比较,指出基于希尔伯特黄变换、信息熵与短时傅里叶变换的检测方法可有效提取故障电弧发生时电流的时频特性,对提取的时频谱幅值设置合适的阈值即可作为串联型故障电弧识别的依据,但准确性和实时性不高,而基于小波近似熵与支持向量机的检测方法可直接提取近似熵作为支持向量机的输入来识别串联型故障电弧,具有较高的准确性和实时性,更适用于煤矿现场。     

基于特征原子测度的配电网故障选线方法

针对现有配电网故障选线方法存在故障特征提取不够全面、故障选线判据需要样本且训练时间长等问题,提出了一种基于特征原子测度的配电网故障选线方法。利用余弦包和db10小波分别构建暂态零序电流稳态分量原子库与暂态分量原子库,从而形成混合原子库,采用匹配追踪算法提取各线路特征原子;在能量方面,采用能谱熵对各特征原子进行测度,在波形相似性方面,通过计算特征原子与原始暂态零序电流的相关系数进行测度,进而得出各线路的修正原子能谱熵;通过对修正原子能谱熵进行差分运算,得出表征各线路物理特性的综合原子能谱熵,将综合原子能谱熵最大的线路判定为故障线路。仿真结果表明,该方法不受故障过渡电阻、迭代次数、数据窗长度、消弧线圈补偿度、电容器投切等影响,选线准确、有效,具有较强的抗噪声干扰能力。