基于循环神经网络的数控机床故障诊断研究

为快速对数控机床故障进行在线定位与诊断,提出基于循环神经网络的数控机床故障诊断技术。通过提取网络节点,建立基于循环神经网络的“门”判别结构;引入模糊边界理论,对机床故障特征空间进行分类;通过组织故障诊断样本的方式,完成规则可信度率的统计与判别,实现对数控机床故障的在线诊断。以CAK6150数控机床作为研究对象,经过数据归纳可知,在循环神经网络支持下,故障诊断数据的实际输出与理论值非常接近,且收敛速度较快,能够较好解决制造类企业的机械设备应用故障问题。     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

面向APT攻击的网络安全威胁隐蔽目标识别方法

针对当前网络APT隐蔽目标攻击识别方法准确率低、攻击识别耗时长的问题,提出面向APT攻击的网络安全威胁隐蔽目标识别方法.引入关联规则算法构建隐蔽目标识别模型,据此构建APT攻击隐蔽目标识别的总体框架,根据APT目标档案属性相关性计算网络安全威胁之间的关联规则,根据关联规则提取APT目标档案数据,通过可信度计算实现APT攻击下的网络安全威胁隐蔽目标识别.仿真实验表明,所提方法具有较高的攻击识别准确率,且攻击识别耗时短,能够高效、准确地实现APT攻击下网络安全威胁隐蔽目标识别.     

数传通道恶化量自动化测试

从工程实际出发，论述了数字传输系统误码率测量精度、可信度与统计时间的关系，并将计算结果应用于工程实践中．保证了测量精度和可信度；保证了指标测试的有效性。利用误码率分析仪（Agilent8250）及频谱仪（Agilent8562EC）进行数传通道恶化量的全自动化测试。     

多属性决策问题的一种新方法

研究了一类属性权重未知的多属性决策问题，提出了一种基于关联分析的多属性决策新模型。该模型中在确定属性权重时充分结合Delphi法和层次分析法的优点，给出了一种确定属性权重的新方法——带有专家可信度的非线性优化层次分析法。还给出了一个决策实例证明了该决策方法的可行性和合理性。     

RDF可信度扩展在领域本体构建中的应用

仅由少数权威领域专家的参与难以实现领域本体构建的繁重任务。文中对RDF进行可信度扩展，标记每个声明被领域专家认可的程度，防助多用户共引参与领域本体的构建，在一定程度上解决丁目前仅由少数权威领域专家构建领域本体工作量繁重的困难，为知识动态发展和更新迅速的前沿领域进行本体构建提供了方便，同时也为领域本体的表示引入了量化的机制。     

仿真系统可信度评估及模型验证方法研究

该文对仿真系统可信度评估的一些概念和M＆S过程中V&V的应用进行了综述.讨论了有关概念模型验证的一些问题,并介绍了模型验证的贝叶斯(Bayes)方法.