FP-growth频繁集挖掘算法的分析与实现

FP-growth算法是不产生候选集的频集挖掘算法,对其分析和实现有重要意义.通过描述和分析FP-growth算法,利用C＋＋STL对其进行了实现,最后在若干数据集上与Apriori算法进行了性能比较,获得了较Apriori算法更好的运算结果.     

一种改进的适于安全审计数据分析的关联算法

为了提高挖掘用户频繁行为模式的速度和FP-树空间利用率,从而显著提高安全审计数据分析的效率,本文在FP-growth算法的基础上提出了一种改进的适于安全审计数据分析的挖掘频繁模式算法。与FP-growth算法相比,改进算法在挖掘频繁模式时不生成条件FP-树,挖掘速度提高了1倍以上,所需的存储空间减少了一半。     

支持向量机在TE过程故障诊断中的应用

支持向量机学习算法针对小样本情况表现出优良的性能,能够在有限特征信息情况下,最大限度地发掘数据中隐含的分类知识,使其能够更适用于故障诊断领域。研究决策有向无环图多类分类支持向量机在TE(Tennessee Eastman,TE)过程中的应用。仿真结果表明该方法分类精度较高且测试时间短,能够满足复杂工业过程对故障诊断的要求。     

基于改进小波网络的TE过程故障诊断

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。     

PCA-CHMM在化工过程故障诊断中的应用

为了解决主元分析(principal component analysis，PCA)在故障分类方面的不足，提出一种结合PCA和连续隐马 尔可夫模型(continuous hidden Markov model，CHMM)的故障诊断方法.PCA对测量数据进行优化降维，用少数几个主元 表征过程主要变化信息，实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别，运用CHMM成熟的 时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性 能.     

改进模糊关联规则及其在电站锅炉运行优化中的应用

提出了一种改进的模糊关联规则挖掘算法对电厂运行优化目标值进行确定,首先利用竞争凝聚算法决定分类数、软化划分边界并构造优化的模糊数据集,再结合某300 MW机组的历史运行数据,以供电煤耗率作为优化目标,利用频繁模式树生成算法得到的频繁项集进行关联规则挖掘,最终得到运行参数最优值,实验结果和理论分析表明挖掘结果能够正确反映...     

改进BP算法及其在滚动轴承故障诊断中的应用

对每次权值和阈值的调整均采用固定不变的学习率,是导致传统ＢＰ算法收敛速度慢的一个主要原因。本文从提高收敛速度及精度出发,对改进ＢＰ算法进行了深入研究,在ＢＰ算法中引入统计思想,给出相关系数定义。基于相关系数,采用变学习率策略,提出两种学习率自适应调整算法,并将其具体应用于滚动轴承的故障诊断中。试验证明,此改进算法的收敛速度比传统ＢＰ算法显著提高。     

改进BP算法在故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小等问题,采用一个改进的算法,对设备故障进行了诊断和分析研究,以某柴油机供油系统为例,对其中的几种常见故障进行了诊断研究,从中可以看出,改进算法加快了收敛速度,诊断的精度也有所提高。     

关联算法的改进及其在审计数据挖掘中的应用

研究了审计数据挖掘中一种不产生候选频集的高速算法——FPgrowth算法;随后,针对入侵检测的应用环境,提出了FPgrowth算法在入侵检测应用中的改进方案。     

一种改进的间歇过程故障诊断方法

针对单一故障诊断方法对间歇过程故障诊断效率和准确率低的缺点,提出将快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法 FastICA-RLSSVM。利用FastICA对非高斯间歇过程数据快速提取特征分量,通过RLSSVM对该时变过程进行快速分类。为验证该方法的有效性,将该方法应用于青霉素发酵过程故障诊断,并与提升小波—递推最小二乘支持向量机(LW-RLSSVM)方法进行对比分析,实验结果证明FastICA-RLSSVM诊断间歇过程故障准确率高,适应性好,分类效果稳定。     

Application of Improved Genetic Algorithm in Network Fault Diagnosis Expert System

Knowledge acquisition is the “botdeneck“ of building an expert system. Based on the optimization model, an improved genetic algorithm applied to knowledge acquisition of a network fault diagnostic expert system is proposed. The algorithm applies operators such as selection, crossover and mutation to evolve an initial popula-tion of diagnostic rules. Especially, a self-adaptive method is put forward to regulate the crossover rate and muta-tion rate. In the end, a knowledge acquisition problem of a simple network fault diagnostic system is simulated,the results of simulation show that the improved approach can solve the problem of convergence better.     

基于改进可能性聚类算法的轴承故障诊断

通过研究轴承及其组件的振动信号来分析其工作状况是机械故障检测和诊断的一种常用方法。针对传统可能性聚类算法用于故障诊断时存在的问题,将改进可能性聚类算法与聚类有效性指标相结合,提出一种无监督的可能性聚类算法。将算法应用于滚动轴承的故障诊断中,实验结果表明,该算法不但能够自动确定聚类个数,对噪声具有较好的鲁棒性,而且聚类的准确性高于传统可能性聚类算法。     

非线性PCA方法在间歇过程性能监视和故障诊断中的应用

针对间歇生产过程的特点,基于多方向主元分析方法（ＭＰＣＡ）和非线性理论,提出具有实时性的非线性最小窗口ＰＣＡ方法,分析复杂非线性间歇过程的性能,诊断异常事件的原因,讨论最小窗口ＰＣＡ方法的建模方法,过程性能监视和故障诊断基本原理,仿真实例验证该方法的有效性,最小窗口ＰＣＡ方法突破ＭＰＣＡＹ一性化的建模方式,创新性地构造了适合间歇生产过程特点的多模型结构非线性建模方法,并侧重于在线间歇过程性能监视和     

面向筒辊磨机故障诊断的BP算法改进

面向筒辊磨机故障诊断改进人工神经网络的BP算法，应用结果证明改进后的BP算法适用于故障诊断，并能解决局部最小问题。     

粗糙集与决策树结合诊断故障的数据挖掘方法

根据数据挖掘技术用于故障诊断的基本思想，利用粗糙集进行数据归纳，过滤大量故障数据中的冗余属性，得到精简故障数据集。而后，用决策树分类方法处理精简数据集，产生分类所需的规则以进行分类，并结合实例说明了该方法的工作步骤。由实例可知该方法用于故障诊断的可行性，最后指出实际应用过程中的一些技术难题。     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

关联规则挖掘中改进的增量式更新算法

增量式更新算法能充分利用已挖掘出的知识来提高挖掘效率,是数据挖掘高效算法中的一个主要方向.分析了典型的关联规则增量式更新算法波折法FUP算法的不足,提出了一种改进的关联规则增量式更新算法,新算法极大地降低了存储空间和挖掘时间需求,从而提高了整个关联规则挖掘的效率.     

可拓免疫算法在汽轮机故障诊断中的应用

为了解决汽轮机的各种故障问题,一种新的可拓免疫算法被提出来对汽轮机各种故障进行诊断.该方法利用可拓学能同时定量和定性描述系统行为的特点,结合免疫系统的学习机制和否定选择机理,将故障的特征利用可拓学的物元进行描述,建立B细胞探测器物元和抗原物元.根据故障样本数据,利用免疫系统自己-非己识别机理训练产生B细胞探测器,其B细胞探测器与抗原物元的亲和度,采用可拓学中的关联函数作为度量函数.对产生的探测器利用样本数据进行检测.该方法在对汽轮发电机组进行故障诊断时,正确地识别出了故障成份,证明是有效的.并给出了进一步研究的方向.