油库成品油存量安全系数模型构建和应用

构建油库成品油存量安全系数模型计算存量安全系数,有利于量化油库成品油库存安全程度。某油库成品油存量安全系数与该油库历史值对比,可得到纵向相对安全程度;与其他油库存量安全系数值对比,可得到横向相对安全程度。在模型建立方面,从进、销、存的维度找出影响油库成品油库存安全程度的9个因素,在对比层次分析法(Analytic Hierarchy Process, AHP)和基于指标相关性的指标确定方法(Criteria Importance Though Intercrieria Correlation, CRITIC)的优缺点后,采用AHP-CRITIC混合法确定各影响因素权重;在模型应用方面,具体说明确定油库成品油库存相对安全程度的方法。通过模型应用,管理者可方便、实时、精确地掌握各油库成品油库存相对安全程度,以便做出及时合理的油库经营管理决策。     

工作流开发平台的选择

本文针对工作流业务应用系统,从多个角度来考虑系统的开发平台如何确定,以及在已有连接通路的情况下,如何设计系统的接口方案.     

随机贪婪的树状基学习器集成的森林聚类方法研究

聚类是数据挖掘的一个重要方面,而对高维混合特征数据聚类仍然是一个具有挑战性的问题.针对高维混合特征数据下欧氏距离失去意义的问题,提出了一种基于随机贪婪的树状基学习器集成的森林聚类算法.模型能够利用树状基学习器集成的优点,同时处理离散和连续特征混合下的数据以及高维度的数据.借鉴随机森林计算相似度矩阵的方法,计算聚类森林中...     

面向加密流量分类的深度可解释方法

目前的深度学习模型在加密流量分类任务上相较于传统机器学习方法的性能优势显著,然而由于它固有的黑盒特性,用户无法获知深度学习模型作出分类决策的机理。为了在保证分类准确率的同时提高深度学习模型的可信度,提出一种面向加密流量分类深度学习模型的可解释方法,包括基于原型的流量层级主动解释和基于特征相似显著图的数据包层级被动解释。首先,利用基于原型的流量原型网络（FlowProtoNet）,在训练时自动提取各类流量的典型片段,即流量原型;其次,在测试时计算出待测流量与各类原型的相似度,从而在分类的同时实现训练集的溯源解释;然后,为进一步提升可视化解释能力,提出梯度加权的特征相似度显著图（Grad-SSM）方法。Grad-SSM首先通过梯度对特征图加权,过滤分类决策无关区域;接着,计算待测流量与FlowProtoNet提取的原型之间的推土机距离（EMD）得到相似矩阵,从而通过比较测试流量与该类原型,实现注意力热图的进一步聚焦。在ISCX VPN-nonVPN数据集上,所提方法的准确率达到96.86%,与不可解释的人工智能方法持平,而FlowProtoNet能通过给出与原型的相似度,进一步提供分类依据...