隧洞围岩前期监测位移损失计算及力学参数敏感性分析

隧道围岩变形监测仪器埋设具有滞后性，导致仪器安装前的位移无法获取，给监测与仿真计算的对比分析造成了困难。基于围岩物理力学参数的单一变量计算数据，对弹性模量、黏聚力和内摩擦角进行敏感度分析，拟合给出ＬＤＰ（Ｌｏｎｇｉｔｕｄｉｎａｌｄｉｓｐｌａｃｅｍｅｎｔｐｒｏｆｉｌｅ）曲线及全过程损失位移 占比，进一步给出 Ｈｏｅｋ经验公式的参数 Ｋ１，Ｋ２，对原位监测曲线进行拟合，寻找并确定与原位监 测曲线匹配度最优的计算位移曲线，计算出监测位移最大损失值，并修正监测全位移曲线，修正后的曲线与样本曲线误差较小，为监测位移损失确定和隧道安全稳定提供了一种新的研究方法。     

关系抽取中基于本体的远监督样本扩充

远监督学习是适合大数据下关系抽取任务的一种学习算法.它通过对齐知识库中的关系实例和文本集中的自然语句,为学习算法提供大规模样本数据.利用本体进行关系实例的自动扩充,用于解决基于远监督学习的关系抽取任务中部分待抽取关系的实例匮乏问题.该方法首先通过定义关系覆盖率和公理容积率,来寻找与关系抽取任务关联性大的本体;然后,借助本体推理中的实例查询增加待抽取关系下的关系实例;最后,通过对齐新增关系实例和文本集中的自然语句,达到扩充样本的效果.实验结果表明:基于本体的远监督学习样本扩充方法能够有效完成样本匮乏的关系抽取任务,进一步提升远监督学习方法在大数据环境下的关系抽取能力.     

一个结合多方面定性空间信息的新方法

定性空间推理是人工智能领域中非常重要的研究内容.空间信息包含拓扑关系、大小关系、形状、距离等很多方面.以往多侧重于单一方面的研究,如何将孤立的各方面信息进行统一表示和推理是当前定性空间推理中的一个重要问题.提出利用结合操作来融合不同空间信息表示的新方法.利用结合操作,可以由原先完备互斥关系集合得到新关系,同时利用原有的复合表自动生成新关系的粗复合表.基于结合操作,给出2个理论模型:结合拓扑关系与大小关系模型、结合拓扑关系与远近关系模型.并提出了邻域划分图的概念,说明了邻域划分图与概念邻域图的关系.利用邻域划分图回答了Galton提出的问题:为什么LOS(视觉光线演算)的概念邻域图不同于标准的空间或时间关系的概念邻域图,这些关系的复合表中关系总是来自于概念邻域图.     

容灾技术概览

伴随着企业规模的扩展,用户原有意识中的数据备份已经无法满足关键业务对系统的可用性、实时性、安全性的需要。更重要的是备份的数据往往会因为各种因素而遭到毁坏,如地震、火灾、丢失、误删等。     

基于矩阵计算极小碰集的启发式算法

提出了一种基于矩阵模型计算极小碰集的新方法。通过在矩阵中存储冲突集合簇的相关信息,引入集合簇中元素的频率作为启发信息,完成对极小碰集的计算。该算法的数据结构简单,程序易于实现,同时启发信息的引入减少了节点的生成。该算法可以产生而且仅产生所有的极小碰集。实验结果表明该算法有较高的计算效率。     

一种用于常识空间信息处理的定性空间关系模型

在空间信息处理中,一些常识空间信息通常结合多方面空间关系,而且这些空间关系是动态变化的.为了有效地表示这些复杂的空间关系,并对其进行推理,提出了一种结合拓扑、方向和大小关系的空间信息处理模型TDSC (topology-direction-size calculus),并基于TDSC模型提出了处理动态空间关系变化的表示推理框架.首先,利用同对象多属性的方法建立了融合大小、拓扑和方向关系的完备至斥基本关系表示;然后提出了复合表生成算法和推理算法,使得原有模型的表示和推理结果可以直接在新模型中使用.同时提出处理动态空间关系的邻域划分图,给出了邻域划分图的自动生成算法,以及TDSC模型的邻域划分图.最后给出基于TDSC模型邻域划分图的表示和推理框架,并结合实例说明框架的正确性和有效性.     

一种基于模式的故障诊断方法

提出一种改进的基于模式的故障诊断方法。将故障定义为可以用正则表达式描述的模式,避免了传统的用 “特殊”事件表示故障的局限性。将正则表达式转化成等价的确定性有限自动机,便于构造故障模式空间。故障模式 空间包含系统所有的故障信息,可以描述单故障、故障序列、多故障、间歇性故障等多种故障形式。最后给出基于故障 模式空间的可诊断性定义和诊断系统。     

基于一致性的中心诊断及中心溯因诊断

本文对溯因诊断的过程和中心溯因诊断的过程进行了刻画。将求中心溯因诊断的过程清晰地分为与领域有关的冲突识别及与领域无关的候选产生两大步骤。不仅指出了基于一致性的中心诊断与中心溯因诊断之间的关系，而且论证了中心溯因诊断与本原蕴含／蕴含式的直接关系。显示出基于一致性的中心诊断空间和中心溯因诊断空间不仅可同时计算，而且可用ＡＴＭＳ这类算法来计算，从而将我们的理论结果与实现联系起来。     

结合特征学习的粒子群求解极小碰集方法

基于模型诊断中的极小碰集问题是人工智能领域的一个重要课题,现实中很多实际问题都可以转化为极小碰集问题,如老师与课程问题,极小覆盖集问题等.通过对极小碰集问题特征的研究,本文结合粒子群优化求解极小碰集的算法提出了一个新的算法,来指导极小碰集的求解:引入学习机制,减少极小碰集求解中对无解空间的搜索;加入翻转策略,来加速极小碰集有解空间中的求解.实验结果表明本文提出的算法在求解极小碰集问题上的效率有明显提高.