基于知识进化的产品可重用设计方法

针对传统CAD系统在解决客户需求个性化带来的产品多样化方面存在的不足,结合工程产品设计的内在规律,在可重用设计过程中引入相似性理论,根据相似性分析的思想构造了基于知识进化的产品可重用设计方法,描述了语义知识相似性指标（相似度、满足度和重用度）计算方法,将产品可重用设计流程与产品设计的进化操作相结合,使语义知识的进化过程反映设计意图,并结合某制造企业具体应用,将上述理论应用于数控加工机床开发中,更有效地表示工程产品及其设计过程,对提高设计效率和设计质量具有很重要的意义.     

机械加工工艺过程尺寸链的计算机解法

提出一种工艺过程尺寸链的计算机辅助计算方法,简称“CAMDS”。该系统使用BASIC语言,在TRS-80微型计算机上运行。它以工艺尺寸链原理为基础,根据被加工零件的设计信息和工艺过程信息,借助于数据库自动给出零件加工中的工序参数,也可以不受数据库的约束,采用对话方式逐步生成工序参数,并可对生成的结果进行修改,以便使结果最优。该系统大幅度地提高工艺员的工作效率和准确可靠性,使工序参数的标准化和优化设计成为可能。文内还给出一实例。     

基于矩形代数和公共模式方法的相似图像检索

指出了图像检索中公共模式方法(common pattern method,CPM)所建立的type-i公共子图无法精确描述区域间的空间拓扑关系.研究采用矩形代数表示CPM中区域间的空间拓扑关系,得到了拓扑表达更精确的相似性图像检索算法(SRRA).该算法将对象抽象为最小边界矩形,采用矩形代数描述对象间的二维空间关系,构建基于矩形代数的相似图,并从中寻找最大相似对象集合.实验结果表明,SRRA不仅在效率上优于基于CPM的算法,且检索效果更符合用户要求.     

基于主成分分析的制造单元形成方法

提出一种用于制造单元布局的两阶段制造单元形成方法。在第一阶段,计算每对工序之间的相似/相异度。在第二阶段,使用主成分分析将零件分组,形成制造单元。在此特采用一实例详细讨论了如何使用这种方法并且比较了三种相似/相异度(Jaccard相似度,Levenshtein距离和合并系数)的效果。结果表明在这三种相似/相异度中,合并系数法效果最好。     

二元精馏高纯区理论板数的解析计算

<正> 二元精馏高纯区理论板数的图解计算,无论是用x-y(McCabe—Thiele)图法,还是焓一浓(Ponchon—Savarit)图法都有困难,因为在高纯区,操作线、平衡线或结线都拥挤在一起,使图解难以进行。为解决此问题,可: (1)绘制辅助图,在辅助图上对高纯区局部放大。这样虽可以图解,但却相当     

面向节点分类的图神经网络节点嵌入增强模型

考虑到实际的图结构往往是有噪的，可能包含实际不存在的边或者遗漏节点间实际存在的部分边，提出可微分相似度模型（DSM）.通过挖掘节点间隐藏关系增强节点嵌入，以提高节点分类的准确度. DSM基于普通图神经网络方法（GNN）得到各节点的基础表征，根据节点表征相似度为目标节点选出相似节点集合，结合相似节点集合的基础表征对目标节点进行嵌入表征增强.在数学上，DSM是可微分的，可以将DSM作为插件与任意GNN相结合，以端到端的方式进行训练. DSM具有挖掘隐藏连接关系的能力，能促使GNNs学习到更具辨识性和鲁棒性的节点表征.基于最常用的多个公开的节点分类数据集，开展实验验证.结果表明，将已有GNNs与DSM结合能显著提升分类准确度，其中GAT-DSM相对GAT在数据集Cora和Citeseer上分别取得了2.9%、3.5%的提升．     

关键设备工序紧凑的调度算法

针对求Job-Shop调度最优解这一复杂问题，对产品加工树进行分解，将产品加工工序分为惟一紧前、紧后相关工充和独立工序，当这两类工序分批采用拟关键路径法（ACPM）和最佳适应调度不（BFSM）调度时，提出了关键设备工序紧凑性的新调度算法，通过分析与实例验证，所提出的新调度方法不仅简练而且获得了满意的结果。     

透镜加工物流系统网络模式

透镜生产线各主要工序耗时组成一时间集合，通过对该集合进行「０，１」处理，确定了每一工序耗时的广义隶属度；再把「０，１」处理后毛坯制造，铣磨，上盘，精磨，抛光，清洗，定心磨边、镀膜及检验的操作作时间作为广义多重有向模糊图中结点间的存在度，把传输笔的流信息控制时间作为模糊图中结点间的连接强度， 透镜生产线的物流系统的网络模式，分析了网络结点的相互流动，同时给出了广义模糊矩阵的特定形式，为光学镜镜的生产     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题（FJSP）,提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型．该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来．为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失．算法最后给出问题的Pareto最优解集．仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP．     

A logistics system network model for lens machineing

透镜生产线各主要工序耗时组成一时间集合，通过对该集合进行［0，1］处理，确定了每一工序耗时的广义隶属度；再把［0，1］处理后毛坯制造、铣磨、上盘、精磨、抛光、清洗、定心磨边、镀膜及检验的操作时间作为广义多重有向模糊图中结点间的存在度，把传输和物流信息控制时间作为模糊图中结点间的连接强度，建立了透镜生产线的物流系统网络模式，分析了网络结点间的相互流动，同时给出了广义模糊矩阵的特定形式，为光学透镜的生产提供了一种普遍意义下的直观描述方法。     

聚类分析在入侵检测系统中的改进

本文针对传统的聚类算法在入侵检测系统中的不足,提出一种基于密度的初始聚类中心的选择方法,可克服普通K-Means中的需人工确定K值的问题,用此算法改进的入侵检测模型能够获得很好的聚类效果。对比实验结果,发现使用改进后的算法与传统的K-Means相比可以获得更高的检测率和较低的误报率。     

柔性作业车间分批调度多目标优化方法

为了解决柔性作业车间中小批量工件的分批调度多目标优化问题,构建以制造工期、拖期惩罚、加工成本、批次数量和机器总负荷为目标函数的柔性作业车间多目标调度模型.应用改进的强度Pareto进化算法（SPEA）求解.在该算法中,应用模糊c 均值聚类（FCM）加快外部种群的聚类过程,引入自适应的变异算子来增强解的多样性.采用约束Pareto支配和可变长度的编码策略,一次运行就能够求得Pareto最优解集.利用模糊集合理论得到Pareto解的优先选择序列,并从中选出一个最优解.该方法将工件分割成具有柔性数量的多个批次,使各批次的工艺路线选取及加工顺序得到优化.通过实例仿真对该方法的性能进行比较分析.将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性.     

一种基于聚类集成的无监督特征选择方法

提出了一种无监督的特征选择方法,其基本思想是利用聚类来指导特征选择,对于无类别标签的数据样本集,先进行聚类获得数据类标签,再利用ReliefF算法进行特征选择．采用聚类集成方法解决一些聚类结果的不稳定问题,最终特征选择结果通过多次特征选择综合得到．实验结果表明,该算法具有良好的特征选择性能,在去除无关或冗余特征后可进一步提高聚类质量．     

网格资源备份策略

为了实现资源预留技术，提出资源备份这个概念，在资源分配阶段如何为一个应用选择资源备份是一个非常重要的问题。具体描述了备份资源选择和资源备份策略，并提出了一种基于资源聚集的计算网格备份资源选择算法。由此，设计出了一些资源备份的预留策略。     

基于改进的潜在语义分析的文本聚类

文本聚类中不同文本表示方法获得的聚类效果不尽相同。引入潜在语义分析模型对文本进行表示,重新给出了针对潜在语义分析的特征权重计算方法,并提出了截断奇异值分解中K值的选取方法,达到了"词-文本"空间的降维去噪目的。鉴于K-means算法中初始聚类中心选取具有一定的随机性,应用相似性初始聚类中心选取方法确定了K-means的初始聚类中心,避免了随机选取聚类中心对聚类效果的影响。基于改进的潜在语义分析方法极大的降低了文本空间的维度,经实验证明改进后的方法在聚类问题中聚类效果显著。     

基于改进k-means算法的入侵检测方法设计

在网络安全问题日益突出的今天,如何迅速而有效地利用入侵检测系统发现各种入侵行为,对于保证系统和网络资源的安全十分重要。改进的k-means聚类算法解决了传统聚类算法在入侵检测领域所面临的混合类型数据相异度计算的问题。理论分析表明,此方法具有较好的时间复杂度,适合采用增量聚类,具有较好的扩展性,而且适用干任何数据类型,可应用于大规模的数据集。     

基于轮廓曲率和谱系聚类的大鼠体态自动识别

为了对行为实验中大鼠的体态进行自动识别分析，提出了一种基于轮廓曲率和谱系聚类的识别算法．应用图像处理技术从序列实验图像中分别提取出大鼠轮廓曲线，计算大鼠轮廓曲线的曲率函数及其频谱，并以频谱作为体态聚类和识别的特征矢量．应用谱系聚类方法构建每种大鼠体态特征矢量的子类聚类中心特征矢量．应用1319幅样本图像和10629幅测试图像对本算法进行了实验．结果表明对样本图像和测试图像的识别正确率分别为94.16%和89.58%，该算法可用于大鼠体态的自动识别及后续的行为分析．     

贝叶斯优化算法在多目标优化问题中的应用

贝叶斯优化算法是近年来在进化算法领域兴起的一种新兴算法,用贝叶斯网络概率模型来显式地反映变量之间的依赖关系及可行解的分布,更符合实际问题的本质,在众多领域获得应用。针对多目标优化问题,在Pareto优化概念的基础上,用非占先排序及拥挤距离的方法来选择群体,形成解决多目标优化算法的Pareto贝叶斯优化算法,实验结果表明,Pareto贝叶斯优化算法要优于经典多目标优化算法NSGA-II。     

Similarity matrix-based K-means algorithm for text clustering

K-means algorithm is one of the most widely used algorithms in the clustering analysis. To deal with the problem caused by the random selection of initial center points in the traditional algorithm, this paper proposes an improved K-means algorithm based on the similarity matrix. The improved algorithm can effectively avoid the random selection of initial center points, therefore it can provide effective initial points for clustering process, and reduce the fluctuation of clustering results which are resulted from initial points selections, thus a better clustering quality can be obtained. The experimental results also show that the F-measure of the improved K-means algorithm has been greatly improved and the clustering results are more stable.     

Health prediction algorithm for edge layer nodes

An improved state prediction algorithm for edge layer nodes is proposed to solve the problem of the existing state prediction algorithm for edge layer nodes based on Hidden Markov, such as the subjectivity of initial parameter selection, the dependence of feature weights setting on experience, and the bad adaptability of multidimension feature node analysis. At the data processing layer of the algorithm, the parameter of the model and observation sequence are optimized by the method of clustering; and then at the training layer of the algorithm, the single-feature Hidden Markov Model is used to model the multi-feature Hidden Markov Model; finally, an adaptive genetic algorithm based on the information gain is used to optimize and reduce the state sequence generated by the Hidden Markov Model. The problems of feature weight setting and parameter initial value selection are solved effectively. Experimental results show that the proposed algorithm effectively improves the accuracy of the high-dimensional health state of large-scale edge layer nodes compared with the existing algorithms.