基于数据挖掘的空调机组故障预测研究

作为机场桥载设备的重要组成部件之一——空调机组,由它产生的频发故障所造成的设备利用率低、修复率时长和重大经济损失等问题,在基于桥载设备的安监系统上,设计了空调机组安监信息采集节点,通过Clementine软件,建立了空调机组的故障预测模型,经过比较Apriori算法和其他典型数据挖掘算法的性能,通过在线数据库测试结果表明,得到了不同的典型算法在预测空调机组故障上显现的特点,通过选择最优算法高效地预测了空调机组的未来状态,实现了对空调机组的实时故障预测,进而为解决故障提供了方向和目标,最终达到了降低经济损失最大化的目的,具有很深的实际意义.     

基于模块度的社交网络分形维度计算方法

社交网络是由个体或组织以及它们之间的关系所组成的社会结构。利用社交网络的分形结构来解释和预测社交网络的行为是目前的一个研究热点。分形维度是对社交网络中分形结构的度量,为了更准确地对社交网络分形结构进行度量,提出了一种基于模块度的盒子覆盖算法来计算分形维度。该算法利用分形维度和模块度互斥的性质,基于模块度最小的原则来构建盒子,再对盒子进行计数来计算社交网络的分形维度。仿真实验表明：基于模块度的盒子覆盖法比传统的盒覆盖算法得到更为精确的分形维度。     

一种基于改进支持度的节能型WSNs数据融合算法

无线传感器网络(WSNs)内有大量的冗余数据,它们消耗了过多的网络能量;目前的数据融合算法对数据彼此间的联系考虑得不够充分,融合精度有待提高.针对上述问题,提出了一种基于改进支持度的节能型数据融合算法.该算法在网络的感知节点根据设定的阈值对采集到的数据进行初次融合,并引入自支持度的概念,与灰色接近度理论相结合改进支持度函数,将改进的支持度函数应用到汇聚节点计算最终的数据融合估计值.使用Matlab进行仿真的结果表明:该算法可节能27.87％,数据融合的温度绝对误差均值约为0.98℃,达到了节能和提高融合精度的目的.     

基于MapReduce与相关子空间的局部离群数据挖掘算法

针对高维海量数据,在MapReduce编程模型下,提出了一种基于相关子空间的局部离群数据挖掘算法.该算法首先利用属性维上的局部稀疏程度,重新定义了相关子空间,从而能够有效地刻画各种局部数据集上的分布特征;其次,利用局部数据集的概率密度,给出了相关子空间中的局部离群因子计算公式,有效地体现了相关子空间中数据对象不服从局部数据集分布特征的程度,并选取离群程度最大的N个数据对象定义为局部离群数据;在此基础上,采用LSH分布式策略,提出了一种MapReduce编程模型下的局部离群数据挖掘算法;最后,采用人工数据集和恒星光谱数据集,实验验证了该算法的有效性、可扩展性和可伸缩性.     

基于区间多目标量子文化算法的无线传感器网络覆盖能效优化

针对不确定环境下无线传感器网络覆盖能效优化问题,提出一种传感器节点区间感知模型;进而考虑网络覆盖率和节点冗余率,将其转化为区间多目标优化问题。基于一种新型区间个体依可能度占优关系,提出区间多目标量子文化算法,根据区间占优个体信息提取隐含知识,用于指导量子个体更新及进化个体变异与选择。不同环境下的仿真结果表明：基于所提出算法获得的Pareto解具有更好的收敛性、分布性和延展性;相应的无线传感器网络布局更合理。     

基于限定样本序贯极端学习机的模拟电路在线故障诊断

为解决故障特征样本分批加入时分类模型的在线更新问题,提出一种限定样本序贯极端学习机(LSSELM)。 LSSELM通过逐步添加新样本,同时剔除与其相似度最高的同类别旧样本来提高模型的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成模型的在线训练。将LSSELM用于模拟电路在线故障诊断,结果表明相比在线序贯极端学习机(OS-ELM)和LSSELM的诊断准确率更高,具有更好的泛化性能。     

自组织映射与流形学习的图像显著度检测

提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.     

基于不等长序列相似度挖掘的数据关联算法

针对不等长序列数据的关联问题,提出基于滑动窗口的最优匹配增权法不等长序列相似度度量算法。以较短序列作为滑动窗口遍历较长序列得到一组滑动相似度,利用这组相似度形成最优权重,加权得到不等长序列的相似度,并根据相似度大小对序列数据进行关联判决,以解决截断法相似度度量仅能反映截断序列局部相似度的问题。仿真实验验证了所提出算法对不等长序列数据关联的有效性,并对序列长度和量测误差等因素对相似度度量和关联效果的影响进行了讨论。     

基于区间梯形二型犹豫模糊数的多准则决策方法

针对准则权重不完全的犹豫模糊多准则决策问题,提出基于区间梯形二型犹豫模糊数的决策方法.首先,给出区间梯形二型犹豫模糊数,根据几何面积法定义区间梯形二型犹豫模糊数的可能度和差异度;然后,利用差异度和离差最大化模型得到各准则权重,基于TOPSIS思想得到各方案的综合贴近度,并对方案进行排序;最后,通过算例分析和对比分析验证了所提出方法的可行性和有效性.     

红外瓦斯传感器检测中噪声点研究

针对红外瓦斯传感器检测瓦斯浓度时易受到温度、压力等物理环境的影响而存在检测浓度值不准确的问题,提出一种结合分化距离与K-means算法方法找出瓦斯浓度数据集中的噪声点.该方法混合了分化距离和K-means算法的优点.对实验设计的传感器采集的瓦斯浓度数据集进行距离分化;运用K-means算法与孤立度系数结合法找出采集数据集中的噪声点并直接丢弃噪声点;通过均值法计算瓦斯浓度.实验结果表明:测量误差小于1％,精度高.