空间故障网络的柔性逻辑描述

为使空间故障网络(space fault network, SFN)描述系统故障演化过程(system fault evolution process, SFEP)时能蕴含信息的不确定性和演化特征,克服因素、数据和演化本身的不确定性,提出使用柔性逻辑对SFN进行描述和改造。首先论述了SFN存在的问题和使用柔性逻辑解决这些问题的可能性。使用柔性逻辑描述SFN,应从SFN的最基本单元、事件发生关系、SFN结构方面进行。给出了SFN中与、或和传递关系的柔性逻辑表示。在柔性逻辑条件下给出了SFN的关系组,进而得到SFN最终事件状态的柔性逻辑表示。实例结果蕴含了SFEP中各事件、因素和演化过程之间的柔性逻辑关系及其不确定性,为SFEP的智能化研究提供了新方法论和理论基础。     

基于空间故障网络的系统故障发生潜在可能性研究

为了在系统故障演化过程(system fault evolution process,SFEP)中,根据系统故障事件累计数据,获得当一些事件发生后对系统最终故障发生的影响,提出一种基于空间故障网络(SFN)的系统故障发生潜在可能性分析方法.该方法的特点是根据系统运行期间发生各类事件及事件间关系,建立事件关系数据库,绘制SFN.当某种工况下已发生一些事件后,根据这些事件的因果逻辑关系和传递概率,得到这些事件能否引起系统故障、故障模式及发生可能性.通过典型实例说明了该方法的使用过程和分析效果,表明其可适应大规模故障数据处理和SFEP故障发生潜在性分析.     

少故障数据条件下SFEP最终事件发生概率分布确定方法

为了在获得少故障数据条件下得到适合的系统故障演化过程（system fault evolution process，SFEP）中最终事件发生概率分布，提出一种考虑信息扩散且数据较少情况下的最终事件发生概率分布计算方法。该方法利用信息扩散原理以事件发生时因素为中心在研究区域内形成正态分布。同一事件的多次发生在研究区域中取最大值形成该事件发生概率分布，从而得到SFEP中边缘事件发生概率分布。将SFN中事件关系表示为关系组从而叠加关系，得到最终事件发生概率分布解析式计算分布。研究表明，所得结果与原有精确结果具有较高的符合性，但所需故障数据则少得多。可借助该方法在少故障数据条件下研究SFEP最终事件发生特征。     

基于故障模式的SFN中事件重要性研究

为研究系统故障演化过程(SFEP)中各事件的重要性,了解各事件对故障模式的影响,提出事件重要性分析方法.基于系统科学复杂网络节点重要性分析思想,在空间故障网络(SFN)框架内对SFEP中事件重要性进行分析;通过抑制事件发生(去掉节点)分析原始故障模式和抑制后故障模式的变化来衡量事件重要性,衡量指标包括致障率、复杂率、重要性和综合重要性,从不同角度对事件重要性进行分析.通过简单的SFEP说明了指标计算方法,结果表明,不同指标对事件重要性的研究侧重点不同,计算得到的各指标排序和具体数值也不同,为进一步研究事件重要度提供了理论基础.     

一种基于结构因果关系和日志变化挖掘的BPMSs故障诊断方法（英文）

业务流程管理系统存在可以改变系统行为的潜在故障,因此研究定位系统中故障发生的最小结构变化区域是十分必要的,它对提高业务系统的鲁棒性具有重要意义.本文提出了一种日志诱导下的变化挖掘方法,即最小结构故障域识别方法(minimal structure fault region identification,MSFRI),该方法通过系统的行为变化来定位故障发生的结构因果关系.进一步,针对合理的自由选择业务流程Petri网系统,形式化定义了6种典型变化模式,这些变化模式为故障的结构因果关系变化挖掘提供理论基础.本文所提出的故障定位方法通过识别业务流程Petri网系统的行为变化,实现具有最少库所和变迁数目的故障区域定位,有助于实现系统更加复杂的变化挖掘.本文工作的主要创新之处在于从结构因果关系的角度出发,借助系统行为变化挖掘实现定位业务系统中的潜在故障.     

基于层叠条件随机场的事件因果关系抽取

传统的事件因果关系抽取方法只能覆盖文本中的部分显式因果关系。针对这种不足,提出一种基于层叠条件随机场模型的事件因果关系抽取方法。该方法将事件因果关系的抽取问题转化为对事件序列的标注问题,采用层叠(两层)条件随机场标注出事件之间的因果关系。第一层条件随机场模型用于标注事件在因果关系中的语义角色,标注结果传递给第二层条件随机场模型用于识别因果关系的边界。实验表明,本文方法不仅可以覆盖文本中的各类显式因果关系,并且均能取得较好的抽取效果,总体抽取效果的F1值达到85。3%。     

一种基于结构因果关系和日志变化挖掘的BPMSs故障诊断方法

业务流程管理系统存在可以改变系统行为的潜在故障, 因此研究定位系统中故障发生的最小结构变化区域是 十分必要的, 它对提高业务系统的鲁棒性具有重要意义. 本文提出了一种日志诱导下的变化挖掘方法, 即最小结构故障 域识别方法(minimal structure fault region identification, MSFRI), 该方法通过系统的行为变化来定位故障发生的结构因 果关系. 进一步, 针对合理的自由选择业务流程Petri网系统, 形式化定义了6种典型变化模式, 这些变化模式为故障的结 构因果关系变化挖掘提供理论基础. 本文所提出的故障定位方法通过识别业务流程Petri网系统的行为变化, 实现具有最 少库所和变迁数目的故障区域定位, 有助于实现系统更加复杂的变化挖掘. 本文工作的主要创新之处在于从结构因果关 系的角度出发, 借助系统行为变化挖掘实现定位业务系统中的潜在故障.     

空间关键字个性化语义近似查询方法

现有的空间关键字查询处理模式大都仅支持位置相近和文本相似匹配,但不能将语义相近但形式上不匹配的对象提供给用户;并且,当前的空间-文本索引结构也不能对空间对象中的数值属性进行处理。针对上述问题,本文提出了一种支持语义近似查询的空间关键字查询方法。首先,利用词嵌入技术对用户原始查询进行扩展,生成一系列与原始查询关键字语义相关的查询关键字;然后,提出了一种能够同时支持文本和语义匹配,并利用Skyline方法对数值属性进行处理的混合索引结构AIR-Tree;最后,利用AIR-Tree进行查询匹配,返回top-k个与查询条件最为相关的有序空间对象。实验分析和结果表明,与现有同类方法相比,本文方法具有较高的执行效率和较好的用户满意度;基于AIR-Tree索引的查询效率较IRS-Tree索引提高了3.6%,在查询结果准确率上较IR-Tree和IRS-Tree索引分别提高了10.14%和16.15%。     

一种面向大规模空间文本数据的空间结构匹配算法

为了支持各类基于位置的服务,人们提出了各种查询和搜索空间文本数据的方法和技术.传统的空间关键字查询和近期提出的空间模式匹配不支持用户定义查询关键字对象以及对象之间细致的空间结构关系,使得查询结果集庞大但无效结果偏多,不能满足用户高效且精确的查询需求.本文因此提出了一种新的查询模式——空间结构匹配查询(Spatial Structure Matching,SSM),允许用户定义一组查询关键字对象并指定任意两个对象之间的距离和方向约束.为了解决SSM查询问题,本文首先提出了一种基于多路连接的基准方法,将SSM查询问题分解为单个对象的关键字匹配,两个对象的边匹配和多个对象的聚合匹配.为了提高SSM查询效率,本文提出了基于扫描线算法的边匹配计算,利用对象的地理位置信息来降低边匹配计算开销.本文利用同时满足查询关键字,距离和方向约束的空间对象构造对象连接图,从而将SSM查询问题转换为在对象连接图上搜索与SSM查询结构同构的子图匹配问题,并且利用经典的子图同构匹配算法求解获得最终的查询结果.在四个大规模空间文本数据集上的实验结果表明,本文所提算法的查询效率远高于对比算法,返回的查询结果集精简有效且...     

一种基于HBase的高效空间关键字查询策略

随着移动定位技术的发展以及智能手机的普及,互联网中空间文本对象的数量正在急速增长,如何在规模庞大且动态增长的空间文本对象中进行高效的空间关键字查询成为了许多空间关键字查询应用所关心的问题.现有的方法通常利用基于R树和倒排索引的混合索引结构来处理空间关键字查询,然而,面对数量巨大而且不断增长的空间文本对象,这些方法往往难以为空间关键字查询的高效性和扩展性提供支持.对此,提出一种基于HBase的空间文本数据索引结构SK-HBase.SK-HBase以HBase作为数据存储,通过有效的数据分配策略对空间文本对象的空间信息和文本信息同时进行索引.在SK-HBase的基础上,本文提出了两种空间关键字查询算法,以保证不同空间范围下的空间关键字查询的高效性和可扩展性.实验证明,我们的方法能够在海量数据下进行高效的空间关键字查询并具有良好的可扩展性.     

基于因果规则的电力营销系统故障定位算法

现有的故障定位算法无法有效地应用于带有负载均衡机制的因果关系频繁变动的复杂系统。为此,本文提出一种基于因果规则的故障定位算法（CRFLA）。首先利用改进的因果关联兴趣度度量方法自适应地学习出故障和事件之间因果规则,然后根据得到的因果规则中故障原因集对已发生事件集的影响程度进行根因推断。该方法考虑了因果关系的同时无需明确具体的因果网络结构,并且能够灵活地结合先验知识。利用电力营销系统中真实生产环境产生的数据进行故障定位,实验结果表明,CRFLA优于传统的方法,能够迅速、有效地定位故障根因。     

基于故障树的事故分类方法

故障树的割集分析技术是判定事故原因的常用技术,然而,基于割集的技术仅能通过基本事件的组合判定事故的发生,无法分析事故演化过程的中间事件.本文针对事故分析报告描述的事故成因机理,结合文本分类和故障树分析技术,提出一种面向故障树的事故报告分类方法,实现面向事故演化路径的事故报告的因果定位,能够自动关联事故报告与故障树结构演化信息,实现借鉴专家经验的事故因果演化的精确分析.     

空间故障网络及其与空间故障树的转换

空间故障树是一种研究系统可靠性与影响因素关系的理论体系,用树型结构描述元件与系统之间的可靠性关系。但实际故障发生过程是复杂的,难以表示成树型结构,而更为广泛的是网状结构。因此,尝试将空间故障树中的树型结构转换为网络结构,进而形成空间故障网络。给出空间故障网络的定义、性质及其与空间故障树的转换方法。目的是将空间故障网络转换为空间故障树,以利用空间故障树已有研究结果。给出一般结构和多向环结构的空间故障网络,及其转换为空间故障树的方法。为使用空间故障树理论研究一般网络结构故障发生过程提供方法。     

人工智能系统故障分析原理研究

为研究未来系统在人工智能控制下的系统故障预测、预防、控制和恢复能力,提出一种基于信息生态方法论的人工智能系统故障分析方法。将研究对象划分为人、功能、自然和智能系统;以智能系统为核心,研究故障信息、知识和智能安全生成原理;论述了基础故障意识、情感和理智的特点。研究表明,系统故障的人工智能分析必须采用信息生态方法论结合安全科学理论进行。分析原理是基于信息生态方法论,考虑基础故障意识、情感与理智,及即时故障语义信息进行的综合决策与反应,以确保系统在规定条件下完成预定功能。     

系统故障因果关系分析的智能驱动方式研究

为适应未来智能环境和安全领域的故障数据分析需求,本文提出系统故障因果关系分析思想。论述了通过数理统计方法分析系统故障数据存在的问题,研究了系统故障的相关性和关联性,前者基于故障数据反应故障表象;后者基于故障概念反应故障本质。将智能情况下的故障因果分析划分为4个层次,包括数据驱动、因素驱动、数据?因素驱动、数据?因素?假设驱动。该方法的特点是获得广泛的故障因果关系,深入了解因果关系,两者兼顾和更接近于人的思维。4种驱动对故障因果分析的能力依次上升,可为安全科学与智能科学结合提供渠道。