An artificial immune and incremental learning inspired novel framework for performance pattern identification of complex electromechanical systems

Performance pattern identification is the key basis for fault detection and condition prediction, which plays a major role in ensuring safety and reliability in complex electromechanical systems(CESs). However, there are a few problems related to the automatic and adaptive updating of an identification model. Aiming to solve the problem of identification model updating, a novel framework for performance pattern identification of the CESs based on the artificial immune systems and incremental learning is proposed in this paper to classify real-time monitoring data into different performance patterns. First, an unsupervised clustering technique is used to construct an initial identification model. Second, the artificial immune and outlier detection algorithms are applied to identify abnormal data and determine the type of immune response. Third, incremental learning is employed to trace the dynamic changes of patterns, and operations such as pattern insertion, pattern removal, and pattern revision are designed to realize automatic and adaptive updates of an identification model. The effectiveness of the proposed framework is demonstrated through experiments with the benchmark and actual pattern identification applications. As an unsupervised and self-adapting approach, the proposed framework inherits the preponderances of the conventional methods but overcomes some of their drawbacks because the retraining process is not required in perceiving the pattern changes. Therefore, this method can be flexibly and efficiently used for performance pattern identification of the CESs. Moreover, the proposed method provides a foundation for fault detection and condition prediction, and can be used in other engineering applications.     

基于FP树的最大频繁项目集增量式更新算法

发现最大频繁项目集是关联规则挖掘的重要步骤，针对关联规则挖掘中最小支持度发生变化的增量式更新问题，提出了高效发现最大频繁项目集的更新算法．该算法在FP树的基础上增加了记录各项目支持数的表，在头表中增加了域，从而减少了访问事务数据库和FP树的时间，提高了发现最大频繁项目集的效率．     

分布式数据库全局最大频繁项集增量更新算法

随着分布式数据库记录的不断增加,需要对已挖掘出的全局最大频繁项集进行增量更新。在已经提出的快速挖掘全局最大频繁项集算法(FMMFI)的基础上,提出了分布式数据库全局最大频繁项集增量更新算法(IUGMFI)。IUGMFI算法利用了FMMFI算法已经挖掘出的分布式数据库全局频繁项目和全局最大频繁项集。挖掘增量数据库的全局频繁项目,构建增量数据库的FP-tree,挖掘出增量数据库的全局最大频繁项集,采用自上而下的剪枝策略更新全局最大频繁项集。理论分析和实验结果表明,IUGMFI算法是快速而有效的。     

基于FP树的最大频繁项目集增量式更新算法

发现最大频繁项目集是关联规则挖掘的重要步骤,针对关联规则挖掘中最小支持度发生变化的增量式更新问题,提出了高效发现最大频繁项目集的更新算法.该算法在FP树的基础上增加了记录各项目支持数的表,在头表中增加了域,从而减少了访问事务数据库和FP树的时间,提高了发现最大频繁项目集的效率.     

基于栅格的空间连接查询

空间查询的效率估计是空间数据库中一个重要问题.空间操作交运算是最常用的谓词.但是,两个空间对象的精确相交测试是空间连接过程中最耗时、最耗I/O的.空间对象近似的使用可以减少为了相交对象而检查空间对象的具体形状的必要性.本文提出了一种新的栅格近似(三色栅格标识图-3CRS)来表示不同的数据类型,被用作查询处理中的过滤器.并给出了实际数据测试(多边形、线、点)的实验,结果表明,本文所提方法是有效的.     

增加交易时序列模式的维护

挖掘序列模式是数据挖掘的主要内容之一，目前已有许多序列模式模型和相应的挖掘算法。本文讨论了在交易数据库中增加新的交易时，发现序列模式的维护问题，并提出了一种有效的维护算法－ 增量更新算法。     

基于知识粒度的增量约简算法

在现实中,许多数据库都是动态变化的,非增量约简方法处理这些数据需要花费大量的时间和空间。增量技术是处理动态数据的有效方法。首先介绍了计算知识粒度的增量机制,然后提出了基于知识粒度的增量约简算法,当一些对象增加到决策表时,能够利用原有决策表的知识粒度和约简,快速计算出增加对象后的知识粒度和约简,并通过理论分析验证了增量方法可以减少计算属性约简的时间复杂度,最后用增量方法和非增量方法对UCI数据集进行一系列试验。试验结果表明,所提增量算法在处理动态数据时能够节省大量的计算时间。     

高校教学计划数据库的设计与维护

分析了高校教学计划的时态性特征；在设计数据库时采用了水平分解时态关系变量的方法，并给出了教学计划数据库插入、更新维护算法。该方案可减少数据库中表的数量、避免对未来时间属性的定期更新维护工作。     

基于Petri网仿真的柔性生产调度——蚁群-遗传递阶进化优化方法

利用受控赋时Petri网对柔性生产线调度中的离散事件建模,此Petri网模型由过程流子网、资源子网和调度控制子网通过同步变迁连接而成.在由Petri网仿真运行获得调度性能评价的基础上,采用两级递阶进化优化方法求解柔性生产过程的优化调度问题.首先由蚁群优化方法优化加工路径,然后根据蚁群在信息素指引下所构造的加工路径,采用遗传算法优化在同一机器上加工的作业排序.应用蚁群优化原理提出了加工路径优化问题的信息素表达方式,解构造策略和信息素更新策略.一组测试问题的求解结果说明了算法的有效性和鲁棒性.     

空间数据建库研究

采用空间数据库的基本理论,结合北京市国土资源与房屋管理信息系统中建库的实例,研究了空间数据 建库的数据性质,空间数据建库的原则、标准和步骤;探讨了空间数据库的组织管理;分析了空间数据建库数据 的无缝集成、元数据的组织、空间数据库增量备份和增量更新等关键技术。结果表明:空间数据建库还存在空间 数据的组织模式、空间数据的安全性、空间数据的快速更新等问题,还需要进行大力研究。     

Study on Key Techniques for Multi-scale Expression of Laneway Traverse Data in MGIS

The multi-scale expression of enormously complicated laneway data requires differentiation of both contents and the way the contents are expressed.To accomplish multi-scale expression laneway data must support multi-scale transformation and have consistent topological relationships.Although the laneway data generated by traverse surveying is non-scale data it is still impossible to construct a multi-scale spatial database directly from it.In this paper an algorithm is presented to first calculate the laneway mid-line to support multi-scale transformation; then to express topological relationships arising from the data structure; and, finally, a laneway spatial database is built and multi-scale expression is achieved using components GIS-SuperMap Objects.The research result is of great significance for improving the efficiency of laneway data storage and updating, for ensuring consistency of laneway data expression and for extending the potential value of a mine spatial database.     

增量式贝叶斯分类的原理和算法

自动分类是数据挖掘和机器学习中非常重要的研究领域.针对难以获得大量有类标签的训练集问题，提出了基于小规模训练集的增量式贝叶斯分类，给出增量式贝叶斯分类机理参数计算及其算法.对算法分两种情况处理:第一种情况是新增样本有类别标签，则利用现有分类器检验其类标签，如果匹配则保留当前分类器，否则利用新样本修正分类器；第二种情况是新增样本无类别标签，则利用现有分类器为其训练类标签，然后利用新样本来修正分类器.实验结果表明，该算法是可行有效的，比简单贝叶斯分类算法有更高的精度.增量式贝叶斯分类算法的提出为分类器的更新提供了一条新途径.     

用水网络的自动合成方法

将遗传规划(GeneticProgramming,GP)应用于用水网络的合成中,提出了用水网络的自动合成方法。该方法同时优化网络结构和操作变量,获得年费用(包括操作费用和设备投资费用)最小的最优流程。研究了采用遗传规划表达用水网络的编码方法和策略,选择一些通用的单元操作(如塔、分割器、混合器、再生器等)组成遗传规划函数集。该方法的主要优点是能够在可行域内自动寻找较优的网络,而无须预先给定超结构。     

基于映射的增量式数据挖掘算法

数据挖掘算法对于支持度改变及数据集更新的适应性一直都是一个难点。本文根据数据集逐步增加的增量式方法,映射事务模式于线性空间中进行挖掘,并借助了图像在操作系统中显示及存储的特点,提出了一种新的增量式数据挖掘算法IPM-DM。同时,对比分析了其中两种模式映射方法,并与同类算法比较,经过实验证明,算法IPM-DM是有效且可行的。     

数据库安全代理的基于角色访问控制模型

针对信息战下数据库安全代理对访问控制的特殊需求,提出了数据库安全代理(DSP)扩展的基于角色访问控制模型(DSP-RBAC).该模型形式化地定义了权限的各个方面,包括操作、属性、动作、客体以及它们之间的关系.通过引入客体包含关系(OIR)和操作级联关系(COR),研究了DSP对关系数据库管理系统的认知问题.在分析操作级联关系的级联需求和继承激活基础上,阐述了对会话需求权限和会话激活权限的影响,并给出在新模型下进行访问控制决策的原则.实验结果表明,该模型解决了在数据库安全代理中应用访问控制策略的操作、客体相关性问题,能够显著提高关键应用的安全性.     

Office操作题开放式自动阅卷的探索与实践

实现Office操作题的开放式自动阅卷一直是计算机考试系统设计中的一个技术难点。以Word为主要研究对象,详细阐述了如何实现Office操作题的开放式自动阅卷功能。首先对Word具体操作进行分类编号,生成系统标准阅卷信息。然后运用VB工具在数据库中查询与考生操作相匹配的VBA属性值,面向自动阅卷信息库中的字段进行编程,实现出题和阅卷的开放。     

Wonderful events automatic detection and location of the HCRF and webcast text

Based on the powerful function of the hidden conditional random fields (HCRF) model in the expression and identification of semantic events and combining the webcast text information, a new framework for wonderful events automatic detection is put forward. Firstly, by analyzing and processing the webcast text, keyword combinations corresponding to each exciting event are obtained. Secondly, by classifying the webcast text to be detected, the happening time labels of each wonderful event are obtained. Thirdly, an HCRF model for semantic shot annotation is built to realize the semantic annotation of multiple types of semantic shots simultaneously, and the semantic shot sequence of the video clip is obtained. Finally, combining the multi-modal semantic clues, an HCRF model for the wonderful events detection and localization is effectively built in the case of small-scale training samples. Based on the mapping relationship among video low-level features, the multi-modal semantic clues and the wonderful semantic events, the inherent patterns of the wonderful events are excavated deeply in the multiple dimensions of the semantic structure, and then the wonderful events automatic detection, localization and segmentation are precisely achieved. Experiments show the effectiveness of this model.     

一种新的XML文档节点编码方案

在XML文档中，文档节点的顺序具有语义。为提高查询和文档更新维护的效率，文档节点需要一种编码方案。现在普遍使用的是前序与后序相结合的算法，但该算法更新维护代价大。提出了一种编码方案，方案的核心是区间预留，将计算机可以表达的整数分成区间，然后将节点映射到区间上。     

一种基于虚拟化的文件杀毒实现方法

针对云计算环境下因虚拟机杀毒和病毒库更新等引发的性能开销及资源占用问题,提出了一种基于虚拟化的云杀毒实现框架--HyperAV,HyperAV能够在较低性能开销的情况下对虚拟机文件进行杀毒,并提供扇区级别的访问控制和隔离机制.通过获取虚拟机运行过程中的扇区更改信息,HyperAV优化了文件病毒的扫描方式,对虚拟机杀毒过程起到了显著加速效果.HyperAV实现了控制-杀毒相互分离的前后端框架,杀毒所需数据可以导入专用杀毒服务集群,从而避免了病毒库的重复更新,解决了因杀毒而使虚拟机运行缓慢的问题.在基于内核的虚拟机虚拟化平台下实现了原型系统.实验结果表明,HyperAV能够在虚拟机较低负载开销的情况下为虚拟机文件提供病毒扫描防护能力.     

Fingerprint Database Updating Using Crowdsourcing in Indoor Bluetooth Positioning System

室内蓝牙定位系统中基于众包的指纹数据库更新

田增山,从海峰,周牧

（重庆邮电大学 移动通信技术重庆市重点实验室,重庆 400064）

中文说明：

基于指纹的蓝牙定位是一种十分流行的室内定位技术。但是,蓝牙基站的位置或者是环境的变化会对信号分布产生极大的影响,这最终将导致蓝牙定位精度降低。人工收集带位置标签的指纹信息以建立和更新指纹库严重限制了蓝牙定位技术的广泛推广。为解决这个问题,本文提出一种指纹库自适应更新方法。首先,众包数据包含蓝牙接收信号强度（Received Signal Strength,RSS）,行人的速度和航向将被记录下来。其次,这些被记录的众包数据将被卡尔曼滤波进行融合用于轨迹有效性分析,来实现为无地理位置标签的RSS分配标签生成候选指纹的目的。然后,当每个参考点获取到足够候选指纹,每个参考点的原始指纹和候选指纹将进行基于密度的聚类（Density-based Spatial Clustering of Applications with Noise ,DBSCAN）来滤除噪声,同时最大的一个类的指纹均值将被选为对应参考点更新后的指纹。最后,充分的实验结果表明随着候选指纹和更新次数的增加,基于指纹的蓝牙定位精度可以被逐渐提高。

关键词：室内定位,指纹库更新,众包数据,蓝牙,DBSCAN