胶粘剂生产过程温度控制系统的研究

介绍了专家控制系统中知识源、推理算法、仿真与验证及算法移植等的设计过程与方法，并以竹胶板用的水溶性酚醛树脂胶生产过程为研究对象，提出了一套专家控制系统，为进一步研制一套操作简单、工作可靠、价格适中的胶粘剂生产过程温度控制系统奠定了良好基础。     

多属性群决策达成一致方法研究

在群决策过程中,专家对于候选方案的每个属性都提出自己的个体决策信息.关于专家意见的一致化问题,提出一种迭代算法,能自动完成个体意见的一致化,不需要专家修改决策信息.在群体决策矩阵的基础上,用乘性加权集结算子把方案的属性值进行集结,得到方案的群体综合属性值,从而选出最优方案.详细介绍了算法的实现过程,并用一实际例子说明了算法的可行性.     

基于专家PID控制的圆环链淬火系统

针对目前圆环链淬火过程中温度控制精度不高、抗干扰能力差等问题,本文提出了一种新型的基于专家PID算法的圆环链淬火控制系统. 描述了智能专家PID算法的原理和实现方法,且将其应用到淬火控制系统中,并就常规PID和专家PID在淬火控制效果上进行了对比. 运行结果表明,基于专家PID算法的温控系统可以对圆环链淬火温度实现优良的控制,并具有响应速度快、鲁棒性强的优点.     

蚁群算法优化模糊规则

模糊控制器设计的关键是根据专家经验确定模糊规则。然而,在专家经验难以获取的情况下将无法进行设计,这就要求模糊规则能够自动优化。模糊规则的优化过程为前件选择后件的过程,是一个组合优化问题,本文应用蚁群算法对其进行优化。蚁群算法是一种新型的模拟进化算法,已被广泛且有效的应用到求解复杂的组合优化问题中。仿真结果显示了蚁群算法应用于优化模糊规则的可行性和有效性,扩大了蚁群算法的应用范围,也为模糊控制器的设计提供了新的思路。     

一种改进专家信任的协同过滤推荐算法*

针对传统基于用户的协同过滤算法较少考虑信任对象所处环境的实时变化,提出一种结合社交网络的专家信任推荐算法。为更好地量化对象之间的信任度,首先利用专家的评价可信度、活跃度、评价偏差度等量化因子计算得到专家的信任值;其次在评分形成的过程中与近邻算法相融合,明确用户与"专家"和"近邻"的偏好,当可选专家人数小于预先设定的阈值时,利用协调因子动态调整近邻算法与改进专家算法的权重,以便获得更加客观的项目评分。最终实验结果表明,在不同大小的Movie Lens数据集上相比于传统的算法,提出的推荐算法在实时推荐预测准确度方面有显著提高。     

基于BP算法的自适应模糊控制系统研究*

在用模糊算法产生模糊规则的过程中，专家信息对算法是否收敛起到了很重要的作用。本文基于模糊控制器的一种解析结构，提出了用ＢＰ算法完善经验规则，加速非线性系统模糊控制过程的方法。     

基于自生成专家样本的探索增强算法EI北大核心CSCD

为进一步提高深度强化学习算法在连续动作环境中的探索能力,以获得更高水平的奖励值,本文提出了基于自生成专家样本的探索增强算法.首先,为满足自生成专家样本机制以及在连续动作环境中的学习,在双延迟深度确定性策略梯度算法的基础上,设置了两个经验回放池结构,搭建了确定性策略算法的总体框架.同时提出复合策略更新方法,在情节的内部循环中加入一种类同策略学习过程,智能体在这个过程中完成对于参数空间的启发式探索.然后,提出基于自生成专家样本的演示机制,由智能体自身筛选产生专家样本,并根据参数的更新不断调整,进而形成动态的筛选标准,之后智能体将模仿这些专家样本进行学习.在OpenAI Gym的8组虚拟环境中的仿真实验表明,本文提出的算法能够有效提升深度强化学习的探索能力.     

深海采矿车行走的专家模糊控制

深海采矿车的作业过程,受作业环境和采矿车自身的影响,具有随机性、非线性和时变等特性,针对该复杂过程,提出了专家模糊控制算法．该算法参考履带车辆的运动学方程,结合履带车辆人工操作经验整合的专家规则,构成专家系统,实现采矿车绝对速度和航向角的闭环控制;采用模糊控制算法,对采矿车的左、右履带速度进行控制．仿真结果验证了该方案的可行性和有效性．     

基于专家动态生成的协同过滤推荐算法

随着互联网的迅速发展,网络上可用的数据呈爆炸式增长,搜索相关信息的过程花费了大量的时间,为了解决这一问题,推荐系统应运而生。协同过滤推荐算法是推荐系统的重要组成部分。针对传统协同过滤推荐算法中数据稀疏性严重影响推荐精确性的问题,提出了一种基于专家动态生成的协同过滤推荐算法。该算法通过计算用户之间的交叉性、信任性以及趋同性三项指标值和专家因子值动态地为每个用户挖掘出特定的专家数据集,然后通过计算用户与所挖掘专家数据集之间的相似度来预测评分。在FilmTrust数据集上的实验结果表明,相较于传统的基于用户的协同过滤推荐算法(UBCF)和采用均值中心化改进的UBCF算法(RUBCF),MAE分别降低了75.18%和6.90%,RMSE分别降低了69.73%和6.54%,精确性得到了明显的提升。     

基于改进投票专家算法的专有协议模糊测试方法

为了解决由于专有协议的广泛应用给模糊测试带来的严峻挑战,提出了一种将协议逆向工程和模糊测试相结合的专有协议模糊测试方法。并针对现有协议关键字提取算法n-gram将报文划分成等长子序列,造成关键字提取不够精确的弊端,提出基于有损计数算法改进的投票专家算法,为专有协议的逆向过程提供更加精准的协议关键字划分。对改进的投票专家算法和报文格式的逆向过程进行了详细说明。最后从准确提取关键字信息、协议逆向效果和对目标进行模糊测试三个方面对提出的方法进行了实验分析。并且,讨论了该方法存在的不足及未来的研究方向。     

基于试探算法的AHP评价方法研究

在对土地集约利用评价过程中,存在着评价专家选择的问题以及AHP打分过程中相对矩阵的约束问题。针对这些问题,应用MDS和[K]均值聚类,筛选不同倾向的专家;利用改进的判断矩阵生成算法,对专家的判断矩阵进行一致性检验,解决可能存在的成对比较项目不一致的问题,为构建评价指标体系提供有效的支持。     

A Mixture of Experts Network Structure Construction Algorithm for Modelling and Control

This paper introduces a new fast, effective and practical model structure construction algorithm for a mixture of experts network system utilising only process data. The algorithm is based on a novel forward constrained regression procedure. Given a full set of the experts as potential model bases, the structure construction algorithm, formed on the forward constrained regression procedure, selects the most significant model base one by one so as to minimise the overall system approximation error at each iteration, while the gate parameters in the mixture of experts network system are accordingly adjusted so as to satisfy the convex constraints required in the derivation of the forward constrained regression procedure. The procedure continues until a proper system model is constructed that utilises some or all of the experts. A pruning algorithm of the consequent mixture of experts network system is also derived to generate an overall parsimonious construction algorithm. Numerical examples are provided to demonstrate the effectiveness of the new algorithms. The mixture of experts network framework can be applied to a wide variety of applications ranging from multiple model controller synthesis to multi-sensor data fusion.     

基于认知模拟的自适应机器学习算法研究

根据认知科学的理论,同时以神经科学、脑科学等学科的最新研究成果为指导,利用计算机科学、数学及工程科学的方法,提出了一种自适应机器学习方法.该方法从微观神经元层次、中间层次和宏观层次,根据人脑的学习机理模拟人脑的学习过程.根据该方法开发的心电图分类知识自动获取系统,可以较好地模拟心电图专家的感知、认知和思维等功能.     

基于遗传算法的模糊PI控制器

模糊PI控制器具有鲁棒性强、控制灵活等优点,但是将其应用于纯迟延系统时超调量较大、响应速度慢。针对此提出了一种基于遗传算法的模糊PI控制器,使用遗传算法对模糊逻辑系统参数进行训练。在以往的模糊逻辑系统建立过程中,主要依靠专家知识或工作人员经验来确定其主要参数（如模糊推理规则和隶属函数参数等）,而该文利用遗传算法对样本数据进行优化来获取系统参数。在遗传算法中,将推理规则和隶属函数参数的确定结合在一起,从而确定最优的模糊逻辑系统。仿真试验结果表明,由该方法得到的控制器用于纯迟延系统具有响应快,超调量小等优点。     

基于Petri网的流程挖掘算法设计与应用

讨论了利用Petri网对应用系统日志进行建模和分析的方法,给出一个日志过滤、简化及转换模型的方法,提出了一个基于Petri网的专家挖掘算法,其中专家是指对某个业务流程特别熟练的人.以广州地铁法律咨询流程为例,介绍了该流程的建模和模型的简化算法.使用该算法可以有效的对操作人员进行评估和考核,有利于资源的合理配置.最后,以法律咨询流程日志为基础进行了实验,实验结果表明,算法认准率达90%以上,且通过模型简化可有效减低算法时间复杂度.     

Designing business capability-aware configurable process models

Process Aware Information Systems manage processes within organisations on the basis of business process models. These models can be created either from scratch or by reusing exiting reference process models.Particular types of reference models are configurable process models that are created by merging multiple models into a single one that can be customized to the needs of the business experts. Using those models presents two main challenges: their creation and their configuration.In this paper, we focus on the first challenge and propose a novel algorithm for merging process models into a configurable process model. The difference in our work is the pre-annotated process models with their business capabilities that report on what actions each process element achieves. Our algorithm generates configurable models that are also annotated with their capabilities that can be used to face the second challenge of these models: the configuration phase.We tested our algorithm using real-world process models to evaluate the required creation time and resulting compression rate after merging the input models. The results show that the models can be created in few milliseconds and achieving a compression rate of 50%. We further carried out interviews with domain experts to assess the usefulness and the level of maturity of this work. The results show the importance of the automation of process merging using a tool support that we proposed. However, further adaptation efforts are required to integrate this work in the working environments of the interviewed experts.     

基于背包问题的在线组卷算法

针对当前计算机在线自动组卷效率低和效果不理想的问题,提出一种基于背包问题求解的组卷算法,并改进了传统的背包问题求解思想:即按照题型和难度将试卷大包划分成试卷小包,进而分别求解,利用背包问题求解其过程。实验表明,算法可根据专家设计的组卷策略自动生成试卷,效率和成功率都是比较理想的。     

基于专家信任的协同过滤推荐算法改进研究

针对目前协同过滤推荐算法存在的冷启动、数据稀疏、可扩展性不高以及未考虑到不同社区簇之间可能存在相关性导致的推荐准确度低的问题,提出了一种在考虑同社区簇内专家信任基础上结合不同社区簇专家信任的推荐算法。在改进相似度计算时,改进算法不仅结合了Jaccard相关系数、用户的平均评分因子以及加权处理的Pearson相关系数,还结合了用来惩罚热门物品权重的流行度。在改进评分预测时,改进算法在引入了传统聚类推荐算法中的同社区簇专家信任后,还引入了不同社区簇专家信任。实验在MovieLens数据集上进行,实验结果表明,改进算法不仅缓解了冷启动和数据稀疏等问题,还显著提高了推荐准确度。     

重大工程论证专家选择及其自适应遗传算法

论证专家选择是重大工程可行性论证时的一个复杂决策问题.对此,根据论证专家团队需求构建了论证专家选择模型,并设计了自适应遗传算法进行求解.数值算例验证了所提出的模型和算法的有效性和可行性,可为决策者提供不同准则下的论证专家的最优组合方案.最后对算法进行了分析,给出了解决这类问题的算法控制参数的合理组合范围.     

基于核机器分类的入侵检测数据分类方法的研究与设计

分类分析是数据挖掘技术中的关键技术,但传统的分类分析算法对入侵检测数据进行处理有许多不足之处.使用DRC-BK算法分类入侵数据,一方面可以取得良好的分类准确度,另一方面分类规则可以被人类专家理解,从而有助于制定入侵预防和防止的措施,非常适合入侵数据的二次挖掘.