数据依赖与异常数据分离-应用

数据在传递过程中,经常出现两类现象:一些被传递的数据在传递中发生部分数据元丢失;一些未知的数据元入侵到被传递的数据内。这两类现象使得被传递的数据出现“异常”。利用一个新的数学模型,给出两类现象的理论研究与应用。这个新的数学模型是P集合(packet sets) , P-集合是由内P集合XF(internal packet set XF)与外P集合XF (outer packet set XF)构成的集合对;或者,(XF,XF)是P集合。给出数据的F依赖、F依赖的概念与特性,提出数据的依赖定理,给出异常数据被分离的应用。数据依赖是P集合诸多应用特性之一。P集合是研究动态数据系统的一个新理论与新方法。     

(■,F~-)-信息的辨识-过滤

P-集合(packet sets)具有动态特性,它是由内P-集合X■与外P-集合XF构成的集合对(X■,XF)。基于具有内动态特性的信息系统,应用内P-集合,提出(Fˉ,F-)-信息概念;讨论(■,F-)-信息的辨识与过滤。给出(■,F-)-粒度与(■,F-)-过滤系数概念,得到(■,F-)-信息辨识方法与辨识准则,以及(■,F-)-信息过滤定理与过滤准则,并给出(■,F-)-信息的辨识-过滤应用。(■,F-)-信息辨识与过滤的讨论结果为研究具有内动态现象的信息过滤-发现提供了一种新方法。     

船舶定位信号短时中断下的插值预测模型?

根据基于时间序列的船舶航行定位数据的特征,在差分自回归移动平均模型的基础上,运用马尔可夫链状态转移概率特性解决非平稳数据的预测问题,在建立马尔可夫链状态迁移概率矩阵过程中,使用K-means聚类算法划分预测值与真实值的差值状态区间,继而构建出优化预测算法。对算法进行了理论分析和数值实验,并与其他算法进行了比较,结果表明,该优化算法在船舶定位数据短时预测领域具有较好的预测效果,优于多个其他算法,可应用于船舶移动定位产品中。