基于云模型和多层权重求解的多粒度语言大群体决策方法

针对属性权重部分未知且专家权重完全未知的多粒度语言大群体决策问题,提出一种基于云模型的决策方法.首先,构建一种基于信任关系的专家权重求解模型来计算专家权重;其次,将多粒度语言转换为云模型并进行聚类;然后,构建一致性优化模型来求解属性权重,从而得到各个方案的综合评价值并对方案进行排序.所构造的专家赋权模型可以有效解决大群...     

基于云模型的多粒度彩色图像分割

图像信息中存在的不确定性问题会影响图像的分割效果.为此,提出一种基于粒计算和云模型的彩色图像分割算法.研究多粒度认知模型,在HSV颜色空间中利用云模型构建彩色图像的信息粒,进行多粒度、多层次的云粒合成,实现彩色图像分割.实验结果表明,与PCNN算法和K均值算法相比,该算法的分割效果较好.     

面向数据融合的多粒度数据溯源方法

随着数据量的增加、数据间的关联和交叉,需要通过数据融合来实现数据的价值最大化.然而,由于数据融合过程复杂,为清晰解释数据融合过程,建立数据融合的回溯机制十分必要.虽然对数据溯源的研究很多,但大多是面向查询和工作流的溯源研究,而面向数据融合的溯源研究很少.文中面向数据融合溯源展开研究,提出了一种支持多粒度数据溯源的方法....     

基于数据符号化表示和云模型的时序数据生成方法*

为得到可靠的仿真数据,提出一种基于数据符号化表示和云模型的时序数据生成方法。首先用SFVS算法将原数据或是数据的先验知识(很多时候仅能获得相关领域的一些知识而非数据)表达为一个符号矢量,然后用定性定量转换工具——云模型利用符号矢量产生相应的时序数据。仿真实验表明,该方法产生的数据具有与原数据一样的结构特征、知识蕴涵,并具有可控的随机性、复杂性。     

网络安全态势多粒度分析的云方法

利用云理论的不确定性推理方法解决网络安全态势感知问题。在现有模型基础上,设计了一种基于知识库的多粒度网络安全态势感知模型。该模型具有动态更新知识库、多粒度态势展现以及态势可视化三大优势。另外,该模型实现了资产安全态势的扩展云推理算法,该算法能够处理连续值和离散值等多类参数,适用于多条件多规则推理,并且可以得到定性和定量两种安全态势结果。该模型具有较高的扩展性和实用性。最后,作者在武汉大学校园网中实验验证了模型的可行性及准确性。     

多粒度数据的区间形式概念分析方法

经典概念格和面向属性（对象）概念格都是形式概念分析中重要的数据结构，将区间集引入到这些概念格中，可以得到区间集概念格和面向属性（对象）区间集概念格。证明了面向属性区间集概念格与面向对象区间集概念格是反序同构的，将多粒度的思想引入到形式概念分析中，研究粒化前后区间集概念之间的关系；在多粒形式背景下，进一步研究了面向对象（属性）区间集概念之间的内在联系。     

基于云模型的不确定性知识表示

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型,论文通过对云模型数学性质的研究,分析云模型的产生背景,证明其表示不确定性知识的合理性和有效性,最后给出了一个应用实例。     

基于云模型的不确定性大群体多属性决策方法

针对传统不确定性大群体多属性决策方法中只考虑决策信息的模糊性,没有考虑信息的随机性这一问题,提出了一种基于云模型的多属性决策方法,从而用于解决由多个小群体组成的不确定性大群体决策问题。首先将不确定语言评价值转化为一维正态云;其次采用决策者主观确定和一致性分析相结合的方法确定针对不同决策对象的小群体权重,进而生成综合云;然后提出了一种改进的云相似度算法作为云模型距离的度量,通过比较各方案综合云与最优云的相似度对方案排序。最后通过实例验证了所提方法的可行性和有效性。     

基于多重阈值的变精度多粒度粗糙集模型

传统变精度多粒度粗糙集模型是基于单一变精度阈值的,而多粒度粗糙集模型是从多角度和多层次处理数据,数据往往是多源的或者是分布式的,其噪音数据的含量也各不相同。因此,不同知识粒度层次所应具有的变精度阈值也不相同,这使得现有的模型难以适应多粒度环境。为克服上述缺点,提出了基于多重阈值的变精度多粒度粗糙集模型,该模型使得不同知识粒度层次的变精度阈值可独立调整,更符合多粒度粗糙集模型的数据特征。该模型更好地结合了多粒度粗糙集模型和变精度粗糙集模型,可从多角度分析解决问题又兼具更灵活的容错能力。     

多粒度云模型的相似性度量

当前存在的云模型相似性度量仅局限于单粒度空间,缺乏多粒度云模型的相似性度量的相关研究.因此,文中首先证明知识距离框架的相关性质,并建立知识距离与信息度量、信息粒度之间的联系,在分层递阶粒结构上得到如下结论:同一粒结构中粒空间的粒度差异正相关于知识距离,通过知识距离可将随粒度连续变化的粒空间映射到一维坐标上.最后,在知识距离框架的基础上提出云模型相似性度量方法.实验验证上述结论在云模型粒空间上成立.     

物联网、大数据及云计算技术在煤矿安全生产中的应用研究

阐述了物联网、大数据及云计算技术的研究现状,指出3种技术之间的关系,即物联网产生大数据,大数据助力物联网;大数据需要云计算,云计算增值大数据。结合煤矿综合自动化的建设发展历程,研究了3种技术在煤矿安全生产保障中的作用和地位,提出了3种技术在煤矿生产安全保障中的关系:物联网是煤矿各个子系统建设的技术框架和路线图,大数据是矿山物联网建设的产物,云计算则是对大数据处理利用的技术手段,并指出基于物联网、大数据及云计算技术的煤矿安全生产监测监控系统将是主动式、多参数融合、具备预警功能的监测监控系统,可有效提升煤矿安全生产水平。     

基于云计算的煤矿安全监测预警系统研究

针对传统煤矿安全监测系统存在无法提前预测井下事故等问题,提出一种基于云计算的煤矿安全监测预警系统,介绍了云计算、SaaS、数据挖掘等相关技术,并详细阐述了系统总体架构及云数据中心的设计。该系统可以有效地预报井下瓦斯事故、机电事故、火灾事故、水害事故等,降低发生安全事故的风险。     

基于云模型和组合赋权的煤矿安全风险评价

针对我国煤矿安全风险评价基础薄弱、手段单一、客观性不强等问题,结合云模型理论和基于层次分析法主观赋权、灰关联分析客观赋权的组合赋权方法,构建了一种煤矿安全风险评价模型。建立了包含人员、设备、环境、管理和历史5个一级评价指标,29个二级评价指标的煤矿安全风险评价指标体系;确立了煤矿安全风险评价指标的云模型标尺;采用安全风险评价云模型计算煤矿安全风险评价指标体系中指标层、准则层、目标层的数字特征,得到煤矿安全风险评价云。将该模型应用于红庆梁煤矿安全风险评价,结果表明:该煤矿现阶段安全风险等级为中等风险,影响安全生产的主要因素为作业人员违章操作率、煤层顶底板稳定性等。该模型为煤矿安全管理及风险防控工作提供了一定参考。     

基于大数据的电网停电承载力分析与应用

为避免调度计划安排超出电网停电承载力,平衡繁重的电网停电任务与电网运行安全裕度之间的关系,保证调度计划刚性执行,有必要在安排停电计划前进行电网停电承载力分析。大数据理论和技术的发展为电网停电承载力分析提供了理论依据和技术条件。本文归纳了进行电网停电承载力分析所需的大数据来源,通过研究历史大数据对影响电网停电承载力的主要因素进行了分析,提出了基于神经网络的电网停电承载力分析模型和方法,通过绿色安全区、黄色预警区和红色危险区直观评价停电数量是否合理,并给出了该方法在山东电网的应用案例。案例表明,本文提出的模型和方法能够有效指导调度计划编制工作,显著提升工作效率并减轻对个人经验的依赖,对调度计划刚性执行和电网停电风险管控具有重要意义。     

基于QTP的煤矿安全监控系统测试方法

针对现有煤矿安全监控系统测试方法无法自动添加基础数据的问题,提出一种基于自动化测试工具QTP的煤矿安全监控系统测试方法,介绍了采用QTP自动添加测点数据以及进行自动化功能测试的具体操作步骤。     

煤矿安全监测多传感器分层数据融合模型研究

为提高多传感器检测系统预警的精度,降低多传感器监测过程中出现的状态不明或状态误判的发生率,提出了一种多传感器分层数据融合模型。该模型在数据层运用层次分析法确定隶属度和相应权数,在特征层运用模糊评价法进行数据融合,在决策层运用D-S证据理论进行数据融合,可根据对应输入融合数据类型的不同运用合适的算法进行计算处理。试验结果表明,与初始数据比较,该模型能够将目标的安全、轻微、危险3种状态的隶属度分别提高8.3%,6%,29.2%,验证了该模型的有效性。     

煤矿事故分析与煤矿大数据和物联网

按事故类别分析了2004—2013年全国煤矿事故:顶板、瓦斯、运输、水害、机电、爆破、火灾等事故起数和死亡人数占比分别为52.7%和36.8%,11.3%和29.7%,16.9%和11.3%,3.1%和8.1%,4.1%和2.5%,2.7%和1.9%,0.4%和1.9%;顶板事故起数和死亡人数最多;瓦斯事故起数居第3位,死亡人数居第2位,但2005年和2013年死亡人数最多;运输事故起数居第2位,死亡人数居第3位;煤矿各类事故起数和死亡人数均大幅下降;瓦斯和顶板事故起数占比明显下降,但运输和机电事故起数占比有所上升,需进一步加强运输和机电事故防治。探讨了大数据在煤与瓦斯突出、冲击地压、水害、火灾等事故预警,煤矿重大关键设备故障诊断,煤炭需求和价格预测等方面的应用。探讨了物联网在矿用安全标志准用产品管控、煤矿重大关键设备管控与远程维护、煤矿设备材料管控、防碰撞、持证上岗与专人操作管控等方面的应用。     

煤炭大数据研究及发展方向

介绍了煤炭大数据的来源及特征,分析了当前煤炭大数据应用现状;阐述了煤炭大数据平台化发展对于煤炭大数据应用的意义,分析了煤炭大数据平台建设过程中在数据共享、数据质量、安全性、专业人才等方面存在的问题,提出建设煤炭大数据平台应进行顶层设计、完善煤炭数据标准体系、培养专业人才、合理设计平台框架。