多变量时间序列的模糊决策树挖掘*

针对目前时间序列决策研究方法的一些缺陷,提出了多变量时间序列模糊决策树挖掘方法,并给出了该方法的实验分析。实验结果证明该方法能够找出多变量时间序列子序列的形态与某个序列的后期趋势或状态的决策信息。     

不规则时间序列距离的度量

针对时间序列距离度量的算法很多,但没有适用于不规则时序距离度量算法的现状,基于寻求全局序列点构成的边集之间的距离路径最小的思想,提出一种不规则时序距离度量的算法,并给出了事件序列生成算法和不规则时序距离度量算法的实现,最后利用UCI KDD的时间序列测试数据对算法进行了测试。测试结果证明了该不规则时序距离算法能够有效度量不规则时序的相似性。     

专用炉模式下的加热炉炉群物流仿真研究

针对专用炉模式下炉群生产物流与加热控制复杂的特点,从加热炉物流和传热控制的角度出发,基于TPA建模方法建立了加热炉炉群物流仿真模型,并通过仿真结果分析,总结了专用炉模式下的四阶段出炉计划编制方法.     

一种贝叶斯对数正态分布的张量分解插补算法

从智能交通系统中收集到的交通数据集,往往会因为诸多因素不可避免地产生数据丢失的问题.针对此问题,提出一种贝叶斯对数正态分布张量分解插补算法.将一般的矩阵分解扩展到高阶的张量维度上,保存了数据的原本结构;利用贝叶斯推断,对一组服从对数正态分布的随机数进行循环迭代,逐一将参数的似然估计和先验项结合得到后验公式;通过马尔可夫链蒙特卡洛算法(MCMC)得到Gibbs采样模型.选用在中国广州收集的时空交通速度数据集,将其分别变成二阶、三阶和四阶张量进行对比处理,并评估该算法的性能.结果表明,该算法相较其他方法在处理三阶张量数据上可以表现出更优的数据插补性能.     

基于稀疏字典的李群机器学习算法

李群机器学习理论 被广泛应用于图像集分类中的数据表示和处理,并获得较优结果.由此,文中提出基于稀疏字典的李群机器学习算法.首先使用协方差矩阵对图像集建模,分析协方差矩阵构成的李群结构,应用对数映射将数据映射到线性空间中,得到数据的距离矩阵.再使用路标多维缩放对数据进行降维处理,降低运算成本.最后,使用带费舍尔判别字典学习进行分类.在YTC数据集上的实验证明文中算法具有良好的鲁棒性和准确率.     

基于决策树的专用炉炉群生产策略挖掘

针对专用炉模式下的加热炉炉群生产要素间关系复杂,采用生产实践或仿真方法不易于找到适用的生产策略的不足,提出了一种应用决策树进行仿真结果分析,从而总结专用炉炉群生产策略的方法。该方法首先通过运行改进的专用炉模式下的炉群物流仿真模型获取训练样本集,然后采用决策树算法进行样本数据挖掘,最后通过决策规则分析总结出适用于专用炉模式的加热炉炉群生产组织策略。基于决策树的方法是专用炉炉群生产策略挖掘研究的新思路,研究结果显示该方法使仿真分析过程更简单和直观,并能挖掘出一些传统方法不容易被发现的生产规则。