基于路径约束的RFID漏读数据补全方法

无线射频识别(radio frequency identification,RFID)技术是实现制造业智能化和制造资源互联的重要信息感知技术,然而柔性制造环境下R F ID数据漏读问题严重影响了信息感知质量.通过从单阅读器内部分数据漏读和阅读器层级的整体数据漏读两个方面对RFID数据漏读问题进行分析,构建RFID数据漏读问题模型;考虑工件加工工艺路线和物料搬运路径信息约束,提出基于加工路径约束和固定滑动窗口算法集成(machining path constraint and fixed sliding window algorithm,MPC-FSWA)的漏读数据补全方法.实验研究表明,MPC-FSWA方法能对柔性制造环境下的RFID数据漏读进行有效补全.     

一种基于国标人体测量学数据的虚拟人建模方法

针对目前利用国标人体测量学数据构建的虚拟人模型,只有单一的骨骼层或皮肤层,不便于同时对虚拟人进行实时运动控制和皮肤动态变形研究的问题,提出一种利用GB 10000-88的19个人体测量学特征数据、用3ds max构造出虚拟人的皮肤网格、层级建模方法构建出虚拟人的骨骼关节运动模型与四元数球面混合插值技术相结合的虚拟人建模方法。实验结果表明,该方法构建的虚拟人双层模型有利于对准确的国标人体测量学数据的虚拟人角色进行建模、皮肤逼真变形、实时运动仿真和人机工效学分析。     

一种面向高维缺失不平衡数据的信用评估方法

传统随机森林填补方法并未考虑高维不平衡问题导致填补没有针对性,且使用0值预填补的方式可能会引入噪声并导致预测精度降低,因此提出一种基于Q学习和随机森林的缺失值填补方法(QL-RF).该方法在特征选择后使用Q-learning权衡填补精度和填补数量,通过计算奖励筛选出具有填补价值的样本和特征组合,然后利用冗余特征填补重要特征中的缺失,并重点填补了少数类样本.此外,为提高不平衡数据下的分类效果,基于Bagging框架提出一种融合量子粒子群算法(QPSO)和XGBoost的集成分类模型(QXB).实验表明:QL-RF在G-means、F1-measure、AUC指标下均优于传统RF填补法,QXB显著优于SMOTE-RF和SMOTE-XGBoost,所提方法能够有效地处理高维不平衡数据下的缺失和分类问题.     

改进块式递推偏最小二乘建模方法及应用

针对传统偏最小二乘(PLS)模型的在线更新问题,提出了带有自适应遗忘因子的块式递推PLS建模方法.通过Hotelling-T2和Q统计量确定遗忘因子的大小,并且进行模型递推更新,确保模型跟踪过程特性的变化.将所提出的方法应用于管坯斜轧穿孔能耗过程,表现出较强的模型在线更新能力.测试结果表明,带有自适应遗忘因子的块式递推PLS方法的性能优于传统的迭代偏最小二乘方法的性能.     

基于粗糙集理论的不完备数据填补方法

ROUSTIDA算法具有较好的数据填补能力,但依然会出现一些不完备信息。利用了可扩充辨识所反映的对象间的属性差异信息,对遗失属性进行填充,从而使改进后的ROUSTIDA算法的填充能力得到了很大的改善,同时还具备了初步排除噪声数据的能力,在性能上也有了很大的提高,实验表明改进的算法具有很好的实用价值。     

一种基于Is-part-of关系的企业数据建模方法

论文提出了一种基于Is-part-of关系的企业数据建模方法,与传统的基于E-R模型的建模方法形成对比。通过这种新的建模方法,可以很直观、方便地将数据之间的包含、信任关系表达出来,可以很方便地计算出对于某个特定的数据访问者,他所能访问的数据的集合和具体的访问权限,从而达到表达完成数据访问的目的。通过这种方法,可以把访问控制的逻辑从应用层分离出来,放到数据管理层去解决,大大简化应用系统的逻辑和复杂度,提高应用系统的设计效率和质量。     

基于基因表达式编程的信用评估模型挖掘方法

提出了一种基于基因表达式编程(GEP)的信用评估模型挖掘方法GEP-CREDIT。该方法基于客户信贷数据,利用GEP算法自动进行属性筛选,并进行属性融合,在此基础上训练和建立信用评估模型。在德国信用数据库真实数据集上做的实验和性能分析表明,基于GEP的信用评估模型挖掘方法较Nave Bayes算法的预测精度提高了3%;较SVM算法的预测精度提高了1.6%;较KNN(K=17)算法的预测精度提高了6.83%。     

基于马氏距离判别法的企业资信评估

针对基于传统统计学的企业资信评估方法的不足,提出基于距离判别法的企业资信评估方法,并用实例通过Matlab软件及其相应工具对其进行了计算判别.结果表明,基于距离判别法的企业资信评估方案,可快捷、准确、有效地评价企业是否处于破产状态,为企业资信评估提供可靠的依据.     

基于移动最小二乘法的气动力数据建模方法

针对一体化飞行器高度耦合的非线性气动问题,提出了一种基于移动最小二乘法的气动力数据建模方法;首先,对影响模型精度的因素进行了分析;接着,在构建移动最小二乘模型时采用遗传算法获取最佳支撑域半径以及最佳影响因子β,提高近似精度从而达到减少样本点的目的;得到泛化能力较强的气动力模型,并与偏最小二乘方法的建模结果进行对比;实验结果表明:移动最小二乘法的建模效果优于偏最小二乘方法,预测误差较小,证明了将该方法应用于气动数据建模是可行的。     

基于离散泊松混合模型的教学评价数据建模

分析学生在教学评价系统中对于教师的评价数据有助于教师了解学生对授课教师的真实态度,总结教学经验,改进后续的教学方式,提高教学质量。但是进行教学评价时,学生中可能会出现随意评价或者恶意评价等问题,导致评价数据中包含大量噪声,造成反馈数据的不理想。因此,提出了一种离散泊松混合模型来对包含噪声的学生的评价数据进行建模,将混合模型中的每一个离散泊松分量对应一类具有相似评价模式的学生,借由离散泊松分布中的模型参数来表示对应评价模式中的评价分数。通过构建对数似然函数来衡量混合模型和评价数据的拟合程度,采用梯度下降的方法求解拟合程度最高的模型参数,找到学生对于教师的真实评价,保证教学评价系统中师生间的有效沟通。大量实验结果表明,模型能够快速准确地从含有噪声的评价数据中识别出具有不同评价模式的学生,掌握学生对于教师的真实评价情况。     

A robust missing value imputation method for noisy data

Missing data imputation is an important research topic in data mining. The impact of noise is seldom considered in previous works while real-world data often contain much noise. In this paper, we systematically investigate the impact of noise on imputation methods and propose a new imputation approach by introducing the mechanism of Group Method of Data Handling (GMDH) to deal with incomplete data with noise. The performance of four commonly used imputation methods is compared with ours, called RIBG (robust imputation based on GMDH), on nine benchmark datasets. The experimental result demonstrates that noise has a great impact on the effectiveness of imputation techniques and our method RIBG is more robust to noise than the other four imputation methods used as benchmark.     

缺失数据的混合式重建方法

缺失数据的问题在各领域中是不可避免的，而传统的数据挖掘算法在处理不完整的数据集时表现不佳。本文将协方差矩阵及协方差矩阵的行列式应用于粒子群优化算法的适应度函数中，并以迭代的方式得出最佳阈值，再使用最佳阈值进行基于进化聚类算法的缺失值重建，解决了阈值的选取困难及其对数据重建结果的影响问题。然后，在自联想极限学习机中调用具有最佳阈值的进化聚类算法，解决了自联想极限学习机输入权值选择的随机性。最后，选取6个UCI标准数据集及9个激活函数来进行验证。实验结果表明，相对于现有的大多数数据重建方法，所提的混合式重建方法可以更有效地完成缺失数据的重建。     

数据包络分析模型的化工试验设计方法评价

数据包络分析(DEA)是以“相对效率评价”基于化工试验中反应物、生成物之间的投入、产出关系,探讨了化工试验设计,主要探讨了在化工试验设计中DEA作为评价正交试验设计方法的一种有效的分析工具的理论和应用。实例分析表明,将DEA方法运用于化工试验设计的评价具有计算简单,意义清楚的特点,是对正交试验设计的有益补充。     

缺失飞参数据填补的组合方法研究

针对飞参数据的特点,将B样条曲线拟合和最小二乘支持向量机相互结合,提出了一种缺失飞参数据填补的组合方法。该方法将两者优势互补,对单一方法的填补结果进行加权平均,增强了算法的可靠性,提高了数据填补的精度。对比实验的结果表明了方法的可行性和适用性。     

On preprocessing data for financial credit risk evaluation

Financial credit-risk evaluation is among a class of problems known to be semi-structured, where not all variables that are used for decision-making are either known or captured without error. Machine learning has been successfully used for credit-evaluation decisions. However, blindly applying machine learning methods to financial credit risk evaluation data with minimal knowledge of data may not always lead to expected results. We present and evaluate some data and methodological considerations that are taken into account when using machine learning methods for these decisions. Specifically, we consider the effects of preprocessing of credit-risk evaluation data used as input for machine learning methods.     

基于改进RNN的多变量时间序列缺失数据填充算法

随着大数据时代的来临,多变量时间序列的应用价值得到了越来越多的关注。然而,缺失数据的存在严重影响了对多变量时间序列的进一步开发利用。针对这个问题,提出了基于改进递归神经网络的多变量缺失数据填充算法,该算法通过衰减机制可以获得更多有用的隐藏信息,从而更好地完成对多变量缺失数据的填充。首先,对多变量数据进行预处理,得到网络的输入向量;其次,在长短时记忆(Long-Short-Term Memory,LSTM)单元的基础上引入衰减机制,提出了两种改进的缺失数据填充模型。改进后的模型能够更多更好地获取长时间间隔的隐藏信息,并对输入进行相应的衰减处理。为检验算法的性能,在上海空气质量数据集以及多传感器数据融合活动识别系统(Activity Recognition system based on Multisensor data fusion,ARe M)数据集上进行了仿真实验。结果表明,相比于其他算法,所提算法能够更好地实现多变量时间序列的缺失数据填充。     

一种基于双聚类的缺失数据填补方法

针对现实数据集的数据缺失问题,提出了一种基于双聚类的缺失数据填补新方法.该算法利用双聚类簇内平均平方残值越小簇内数据相似性越高的这一特性,将缺失数据的填补问题转换为求解特定双聚类簇最小平均平方残值的问题,进而实现了数据集中缺失元素的预测;再利用二次函数求解极小值的思想对包含有缺失数据的特定双聚类簇最小平均平方残值的问题进行求解,并进行了数学上的分析证明.最后进行仿真验证,通过观察UCI数据集的实验结果可知,提出的算法具有较高的填补准确性.     

基于属性相关度的缺失数据填补算法研究

针对不完备信息系统的数据缺失填补精度不够高问题,以水产养殖预警信息系统为背景,提出一种基于属性相关度的缺失数据填补算法。在有效保证预警信息系统确定性的前提下,通过研究限制容差关系知识和决策规则,根据新定义的限制相容关系求出缺失对象的限制相容类,同时将条件属性之间的相关度概念引入,构造出一种新的扩展矩阵进行数据填补,实现了系统的完备性。以鲈鱼养殖缺失数据填补为实例,以数据集进行填补验证,结果表明与其他方法相比该算法在填补准确度和时间性能上有明显提高。     

基于大数据的产品族本体造型意象挖掘方法研究

为提升产品造型意象成族的准确性,增强感性工学研究中意象词汇提取的规范性和知识重用性。 首先从同族、泛族、异族的概念切入,对目标产品族的造型意象本体进行了定义;再借助 word2vec 工具和主 成分分析法(PCA)分别完成了对产品族意象词汇的关联性联想和降维提取,从而构建了意象词汇挖掘机制,通 过此机制可以辅助设计师利用网络大数据资源更高效、准确地进行目标产品意象的挖掘,一定程度上解决了传 统感性工学在意象挖掘方法中模糊性。最后结合意象词汇与造型特征的映射关系,利用 Protege 工具构建了产 品族造型意象的本体模型,对目标产品的造型意象知识进行了逻辑化表征,为下一代产品继承并发展原产品族 造型意象提供参考。以马自达 MX-5 车系的造型意象为例构建了本体模型,并进行了子代产品前脸的概念设计。