基于p 值的性能退化数据与故障数据的一致性检验方法

为对产品的可靠性进行评估,提出一种基于p 值的性能退化数据与故障数据的一致性检验方法。详细介 绍一致性检验方法的流程及特点,以性能退化产品为对象,采集产品故障和性能退化数据,确定样本的伪寿命及故 障数据的分布函数,计算各伪寿命数据在分布函数中的p 值,通过判定规则对一致概率进行判定,并结合实例进行 验证。结果表明：该一致性检验方法保证了性能可靠性模型的有效性,可为性能退化数据提供参考。     

采用中浓打浆,提高纸板质量

本研究探讨了通过中浓打浆来提高瓦楞原纸产品质量,对废纸中浓打浆所具有的优越性作了生产性总结及理论阐述。     

集成仿真系统中时间一致性问题分析

在实验室射频-数学集成仿真系统构建的基础上,对仿真系统集成过程中面对的时间一致性问题进行了理论研究,从仿真系统的时间分辨率、时间源和时间推进机制三方面详细分析了导致时间不一致原因,最后在深入分析的基础上,提出了解决时间不一致问题的方法。     

多变量自回归信号信息融合辨识方法

近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归（AR）模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量（MRIV）方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。     

Learning discriminative and meaningful samples for generalized zero shot classification

Generalized zero shot classification aims to recognize both seen and unseen samples in test sets, which has gained great attention. Recently, many works consider using generative adversarial network to generate unseen samples for solving generalized zero shot classification problem. In this paper, we study how to generate discriminative and meaningful samples. We propose a method to learn discriminative and meaningful samples for generalized zero shot classification tasks (LDMS) by generative adversarial network with the regularization of class consistency and semantic consistency. In order to make the generated samples discriminative, class consistency is used, such that the generated samples of the same classes are near and of different classes are far away. In order to make the generated samples meaningful, semantic consistency is used, such that the semantic representations of the generated samples are close to their class prototypes. It encodes the discriminative information and semantic information to the generator. In order to alleviate the bias problem, we select some confident unseen samples. We use the seen samples, the generated unseen samples and the selected confident unseen samples to train the final classifier. Extensive experiments on all datasets demonstrate that the proposed method can outperform state-of-the-art models on generalized zero shot classification tasks.     

信息安全风险评估中权重优化方法研究

论文提出了一种新的提高层次分析法(AHP)判断矩阵一致性的新方法,即通过逐步修改判断矩阵中的一对元素,并利用通用的一致性检验方法,使一致性得到不断改进,并将此方法用于信息安全风险评估中,使评估结果更科学、合理。最后辅以实例说明。     

基于云理论和多传感器加权平均的关键性能指标状态描述

利用了云理论以及多传感器加权平均的方法来对关键性能指标的状态进行定性描述.第一步用分布图法对状态正常情况下由数个传感器得到的数据进行一致性检验,第二步采用多传感器加权平均方法并且融合出正常的状态下均方误差为最小的数据融合值,第三步将任意时刻的关键性能指标数据和均方误差为最小的数据融合值相比较得出偏差值,最后一步基于云理论构造出5个评语的评语集,和结合偏差大小对当前的关键的性能指标进行了定性描述.实验结果表明该方法的有效性.     

分布式控制系统一致性控制方法研究

针对大型分布式控制系统在控制过程中由于节点信号冲突,造成控制延迟,不同步的问题.提出一种带非线性耦合的控制一致性算法,通过节点通信模型对不同模块之间通信进行一致性计算.运用关联决策理论对通信结果进行预估计,在通信出现延时的状态下,可以保证通信信号的一致性.使得多系统能够在延时允许的误差内进行通信.有效解决通信过程中出现的延迟、和信号不一致问题.实验表明,带非线性藕合的一致性算法,使得群体中的所有个体可以达到一个预先指定的值.解决带非线性耦合的一致性问题,取得了不错的结果.     

HDFS一致性管理的研究

HDFS是开源云计算项目Hadoop的存储系统,具有良好的容错性和扩展性,但是HDFS原有的一致性模型不能适用于实时性要求高,数据完整性要求不严格的任务。为了让HDFS能够满足云存储不同应用场景,在已有HDFS的总体架构和读写流程基础上,从数据一致性的角度剖析HDFS的局限和不足,提出解决方案,把NWR模型引入HDFS当中,并且将文件系统的读写锁机制改进为多粒度的锁机制。实验结果证明：通过以上措施,使用户可以根据自身需要配置云存储系统,平衡一致性和可用性。     

基于Contourlet视觉模型和奇异值分解的图像质量评价

针对基于像素值的图像质量评价方法忽视图像结构信息和需要完全参考图像等问题,提出了一种基于Contourlet域奇异值分解CW-SVD,部分参考图像质量评价方法(contourlet weighted singular value decomposition)。在Contourlet域中,利用奇异值向量对图像结构的表征能力,结合人眼视觉敏感性确定每个子带的视觉权重,得到每个子带的评价测度,再综合得出图像的最终评价指标。实验表明,该方法应用于4种类型的降质图像质量评价时,比峰值信噪比(PSNR、MSSIM)等算法具有更好的稳定性和更好的主客观评价一致性。