多元数据融合在无人机结构健康监测中的应用

结构健康监测是保证航空器持续安全运行的重要方式,正成为无人机平台研发和适航认证的一项关键技术.针对无人机结构动态监测中的多种不同传感器测量信息,实时提取结构加速度、应变响应信号和模态特征参数,构造归一化的小波包能量变化率指标、应变能变化率指标、模态频率变化率指标与混合损伤评价指标,用于指示结构健康状态.利用多层次数据融合技术进行数据级融合、特征融合以及基于Bayes概率神经网络的决策融合,建立结构损伤程度、位置信息与健康评价指标之间的对应关系,通过粗糙集约简显著降低了特征属性的空间维度,获得关于结构健康状况的一致性决策.通过某型号无人机的健康监测实例验证了上述数据融合技术在识别多种类型传感器输入、多位置损伤识别中的精度,表明多元数据融合在无人飞行器结构损伤识别中的有效性.     

数据的多流形结构分析

建立了基于ALM和权值的LRR聚类改进模型,对高维数据进行分析,将其分为两个独立的子空间,并与传统k-means聚类模型进行对比,采用评价指标模型对聚类结果进行评价分析.提出的LRR聚类改进模型在正则项引入了权重系数w,可以更好地将扰动分开,求解结果及评价指标均有效地验证了其稳定性、精确度等性能均有所提升.建立了SMMC改进模型,对机器工件外部边缘轮廓进行分类.从求解结果可看出该模型非常适合用于处理混合多流形聚类问题,对于比较复杂的曲线有着很好的分类性能.按照数据预处理、数据建模分析、模型结果评价步骤,通过使用谱聚类分析和多流形学习方法,对所给出的高维数据进行分析和处理,并通过评价模型得出相应的评价指标,对数据的多流形结构进行了深入的研究和探讨.     

基于数据包络分析的模糊综合评价方法

提出基于数据包络分析的模糊综合评价方法.在该方法中,对于综合评价体系中的量化指标,采用数据包络分析方法得到各评价单元的相对效率,再对相对效率进行模糊化计算,并与非量化指标一起进行模糊综合评价.利用数据包络分析的优化结果代替模糊评价中的专家评分,使模糊综合评价更具客观说服力,为一类既有客观数据,又有主观因素的复杂系统的综合评价提供新的研究思路.最后,采用该方法对出入境检验检疫系统的8个实验室进行综合评价.     

基于核方法的数据描述及其在企业关系评价中的应用

数据描述又称为一类分类方法,用于描述现有数据的分布特征,以研究待测试数据是否与该分布相吻合.首先简要叙述了基于核方法的数据描述原理,指出:选择适当的核函数以及与之对应的参数,数据描述可应用于模式聚类中,并且这种聚类方法具有边界紧致、易剔除噪声的优势.针对基于数据描述的聚类方法在确定类别数目和具体样本类别归属上所存在的问题,提出了基于搜索的解决方法,理论分析和实例计算都验证了该方法的可行性.最后将该聚类算法应用到企业关系评价中,取得了较为合理的结果.     

基于灰色聚类分析和TOPSIS的上市银行创新能力评价

增强创新能力是银行在利率市场化和金融脱媒时代下提高自身竞争力的重要方式.从银行经营能力和金融创新能力两方面出发,选取可体现银行特征的经营情况指标和广泛应用金融创新评价指标构建银行创新力评价指标体系.以30家上市银行为研究对象,基于2015-2019年数据,分别运用灰色聚类和熵权TOPSIS的方法对上市银行创新能力进行评价,紧接着对两种评价体系下上市银行的表现进行分析,并根据两种方法的评价结果提出了一种综合排名方法,形成了同时考虑两种方法的综合排名结果.     

基于组合赋权法和未确知测度模型的发动机健康状况评估

为了有效评估航空发动机的健康状况,提出一种逼近理想点的组合赋权法和未确知测度模型相结合的评估方法。首先,分别利用序关系分析法、指标相关性赋权法和指标难度赋权法得到各指标的主客观单一权重;利用逼近理想点的组合赋权法并考虑指标权重与重要性的一致性,求解指标组合权重,使赋权结果更具科学性,加大不同类别评价对象的区分度。其次,基于未确知测度模型,利用K-means算法将各指标分为两个对立等级,每个等级又分为两个互补小等级,以减少信息的重叠进一步区分不同类别的评价对象;根据指标属于不同等级的未确知测度、指标组合权重和评分准则,得到评价对象的健康评分。最后,通过航空发动机实例分析以及与其他方法的对比分析,验证此方法的有效性。     

因变量缺失下线性变量含误差模型的估计

主要考虑线性模型在自变量测量含误差以及因变量缺失情况下的估计问题.对于模型中的回归系数,我们基于最小二乘方法提出了两类估计,其中一类估计只由完整观测数据构成,而另外一类估计利用的则是利用简单插补方法构造的完整数据.证明了这两类估计是渐近正态性的.     

基于非参数方法的课堂教学评价一致性建模与分析

为了有效监控和提高课堂教学质量,国内外很多高等院校普遍采用学生评价与督导专家评价相结合的教学评价体系.为克服教学评价的主观性,针对多名学生和多名专家同时对某一名教师的课堂教学进行打分时两组评价数据的一致性问题,提出了一致性非参数分析模型,并基于一致性分析结果给出了课堂教学非参数综合评价方法,最后通过仿真示例,验证了方法的适用性和有效性.     

大数据挖掘用于电力企业评价体系构建

随着大数据时代的来临,电力企业需要探索新的管理模式.从数据出发,对大量历史监测指标数据进行统计分析,从中筛选出影响企业发展的关键指标,提取关键指标的历史特征.采用层次聚类和Kmeans聚类两种聚类方法对关键指标进行聚类分析,并且结合管理经验,与专家讨论对指标类簇进行合理的命名,最终将关键指标分为了服务电网、运营指数、风险指数三个能够反映公司管理程度的一级指数,并且在一级指数下又分为了若干个子指数,建立了适合新源控股公司管理发展的评价体系.与传统的公司评价体系构建的方法相比,基于大数据挖掘方法构建的评价体系更能够体现出各个指标之间的内在联系,从而能够更好的为决策者提供管理建议.     

基于规范割的文本超图聚类

超图聚类方法是目前主流聚类方法之一.它的经典版本出现在超大规模集成电路研究领域.近年来,它的各种改进版本被提出并广泛应用于机器视觉领域.例如,在图像聚类和运动分割方面,它的各种版本常有较好的表现.本文将超图聚类方法引入文本聚类领域.首先,根据文本数据高度稀疏的特点,采用SVD(或PCA)对其进行降维;其次,采用基于大超边的超图规范割聚类对文本的低维投影进行聚类;最后,采用聚类准确率指标对聚类进行评价.在两个文本数据集的实验中,基于超图规范割聚类取得了比传统的k均值聚类和层次聚类更好的聚类表现.     

Projection Pursuit Indexes Based on Orthonormal Function Expansions

Abstract

Projection pursuit describes a procedure for searching high-dimensional data for “interesting” low-dimensional projections via the optimization of a criterion function called the projection pursuit index. By empirically examining the optimization process for several projection pursuit indexes, we observed differences in the types of structure that maximized each index. We were especially curious about differences between two indexes based on expansions in terms of orthogonal polynomials, the Legendre index, and the Hermite index. Being fast to compute, these indexes are ideally suited for dynamic graphics implementations.

Both Legendre and Hermite indexes are weighted L ² distances between the density of the projected data and a standard normal density. A general form for this type of index is introduced that encompasses both indexes. The form clarifies the effects of the weight function on the index's sensitivity to differences from normality, highlighting some conceptual problems with the Legendre and Hermite indexes. A new index, called the Natural Hermite index, which alleviates some of these problems, is introduced.

A polynomial expansion of the data density reduces the form of the index to a sum of squares of the coefficients used in the expansion. This drew our attention to examining these coefficients as indexes in their own right. We found that the first two coefficients, and the lowest-order indexes produced by them, are the most useful ones for practical data exploration because they respond to structure that can be analytically identified, and because they have “long-sighted” vision that enables them to “see” large structure from a distance. Complementing this low-order behavior, the higher-order indexes are “short-sighted.” They are able to see intricate structure, but only when they are close to it.

We also show some practical use of projection pursuit using the polynomial indexes, including a discovery of previously unseen structure in a set of telephone usage data, and two cautionary examples which illustrate that structure found is not always meaningful.     

基于集对分析的水库诱发地震综合风险评价模型

在水库诱发地震综合风险评价指标体系建立的基础上,根据评价指标的物理含义及其对水库诱发地震的作用情况,建立了水库诱发地震综合风险评价等级标准.用基于加速遗传算法的模糊层次分析法确定水库诱发地震综合风险评价系统中各指标和各子系统的权重,建立了基于集对分析的水库诱发地震综合风险评价模型(SPA-IRAM).SPA-IRAM在克孜尔诱发地震综合风险评价中的应用结果表明:基于集对分析的级别特征值法和属性评判法的评价结果具有一致性和互补性,联合应用可保障SPA-IRAM评价结果的可靠性;该水库诱发地震综合风险评价等级接近于2到3级、介于弱险与中险之间,需要密切监测该水库所在地区的断层活动、水库周围断裂发育和库区岩层裂隙发育的情况,进一步提高水库所在地区人均GDP和水库所在地区钢筋混凝土房屋比例,降低第一产业产值在国民生产总值中的比重和水库所在地区砖木房屋比例.SPA-IRAM综合利用了评价指标、子系统和样本与评价等级标准间联系数的丰富的结构信息和层次信息,可从指标、子系统和样本3个层次定量地分析水库诱发地震综合风险的复杂状态,在水库诱发地震风险管理中具有重要意义.     

群决策中判断的一致性分析及方案排序

对群决策中基于区间数互补判断矩阵形式偏好信息的一致性问题进行了探讨。首先,给出了区间数互补判断矩阵相容性指标定义及性质;然后,通过定义群和个体判断的一致性指标,提出了群判断的一致性判别方法和不一致的协调方法;同时依据个体判断的一致性指标大小,即群成员评判水平的高低,给出了群偏好信息的集结方法;最后给出了由区间数互补判断矩阵导出方案排序权重的计算方法及应用算例。     

数控车床可靠性分配中的单准则排序方法

数控车床可靠性分配模型是一个层次结构,可靠性分配的关键技术是确定结构底层指标关于顶层目标的重要度排序,其前提条件是单准则排序已知.AHP通过构造"两两比较"的"1~9"比例标度判断矩阵A_n为单准则排序提供了合理的数据条件;但是基于A_n一致性检验的特征根排序法因临界值的确定缺乏必要理论基础而受到质疑.改进AHP的FAHP因为没有摆脱"一致性检验"的干扰所以改进并不成功.为了建立与"一致性"无关的单准则排序方法定义具有可加性的评分标度概念,通过标度转换将比例标度判断矩阵A_n转化为评分标度判断矩阵B_n,利用评分标度的可加性在准则C下对n个比较对象排序.因为B_n不是正矩阵所以不存在"一致性概念",因此基于评分标度判断矩阵的排序与"一致性"无关.     

Consistency analysis of the spectrum and prosody within a syllable for Mandarin speech

This work presents a study of Mandarin speech focusing on consistency analysis of the spectrum and prosody within syllables. Identified as a result of inspection of the human pronunciation process, this consistency can be interpreted as a high correlation between the warping curves of the spectrum and the prosody intra a syllable. The consistency analysis consisted of three steps. First, the hidden Markov model algorithm was used to decode the hidden Markov model‐state sequences within a syllable, while at the same time dividing them into three segments. Second, based on a designated syllable, the vector quantization (VQ) with the Linde–Buzo–Gray algorithm was employed to train the VQ codebooks of the prosodic vector of each segment. Third, the prosodic vector of each segment was encoded as an index using the VQ codebooks, and then, to analyze the consistency, the probability of each possible path was evaluated as a prerequisite. Finally, two syllables were used as examples to verify the consistency property found in the experiments. It is demonstrated experimentally that there is definitely consistency in the case where the syllable is located in exactly the same word. These results offer a research direction in that the warping process between the spectrum and the prosody intra a syllable must be considered in text‐to‐speech systems to improve the synthesized speech quality. Copyright © 2013 John Wiley & Sons, Ltd.     

Can CDS indexes signal future turmoils in the stock market? A Markov switching perspective

Single-name Credit Default Swaps (CDS) are considered the main providers of direct information related with a reference entity’s creditworthiness and, for this reason, they have often been the core of news on the current financial crisis. The academic research has focused mainly on the capacity of CDS in anticipating agencies’ official rating changes and—in this respect—on their superior signalling power, compared to bond and stock markets. The aim of this work is, instead, to investigate the ability of fluctuations in CDS indexes in anticipating the occurrence of stock market crises. Our goal is to show that CDS indexes may provide investors and institutions with early warning signals of financial distresses in the stock market. We make use of a Markov switching model with states characterized by increasing levels of volatility and compare the times in which the first switch in a high volatility state occurs, respectively, in CDS and stock market index quotes. The data set consists of daily closing quotes for 5 years CDS and stock market index prices, covering the time period from 2004 to 2010. In order to capture possible geographic differences in CDS index capacity of foreseeing stock market distresses, data referring to two different regions, Europe and United States, are analyzed.     

基于Elmeri指标体系的煤矿作业区安全风险模糊综合评价

2016年起我国推行煤矿安全风险分级管控与隐患排查治理双重预防机制,各煤矿积极探索自主管理之路,如何将作业区域的风险辨识与总体评价有机结合,建立综合评价模型是值得探讨的课题.本文给出一种便捷的安全风险模糊评价模型首先基于Elmeri指标体系构建了安全的行为、健康危险源、事故危险源、重大事故控制和应急准备5个一级指标和15个二级指标,在作业区进行现场观察,计算出安全指数作为风险管控的依据,采用层次分析法确定指标权重采用梯形分布确定隶属度函数,在总体评价中确定了好、较好、一般、差四个模糊评价等级,根据M(.,+)模型和最大隶属度原则确定作业区域安全风险等级,并在煤矿进行现场应用,该模型方法简单,将定量的风险辨识数据与综合评价有机结合起来,评价结果与实际相符,值得在国内外推广.     

基于主成分分析的网络搜索数据合成方法研究

针对利用网络搜索数据合成各类指数时难以消除共线性、难以合理确定各指标权重等问题,基于数据降维的思想构建了以主成分分析法为核心的指数合成方法,并以利用网络搜索数据合成消费者物价指数为例,将提出的方法与当前主流的逐步回归法做出比较研究.研究结果表明,基于主成分分析法的数据合成方法可以得到稳定性和拟合度更高的指数.     

基于指标均衡和权重区间数的供应链合作伙伴选择方法

本提出基于指标均衡和权重区间数的供应链合作伙伴选择方法。该方法在对指标无量纲化的基础上，考虑指标均衡使得指标间的协调和均衡程度在评价过程中得到反映，使用区间数使得模型具有较大的伸缩性和柔性，符合人们模糊认识规律，通过收集不同阶段的评价数据可以反映动态评价的特点。最后通过实例对该方法进行了详细说明。通过比较考虑均衡度与否得到的不同结果，发现当考虑均衡度时可以放大评价结果之间的差距。     

上海世博会的经济综合影响力指数模型

分析上海世博会在世博筹备建设和举办时期对上海市经济方面影响.筛选了世博会影响经济的四个方面(国民经济,财政收支,固定资产投资和对外经济贸易与旅游)的10个主要指标,构建了世博会影响经济的评价指标体系,针对每一项指标,利用1995年到2002的实际数据用指数回归拟合模型测算出2003-2010年在未筹办世博会情况下各项经济指标的估计(拟合)数据,并建立单指标的影响力指数模型,在分析2003年后的实际数据与拟合数据差异基础上,获得了上海世博会在每个指标方面对上海的影响力指数;建立了多指标综合影响力指数模型,得出总的经济影响力的指数为0.2403.考虑到2008年底金融危机势必会削弱世博会对经济的影响,通过参照另外两个同为中国直辖市的重庆和天津相同指标的变化,运用单独建立的模型,剔除金融危机对经济的影响,从而获得更客观地揭示世博对上海地区经济的真实影响程度.并就两个典型的指标给出了具体的演算过程,最后得到了消除了金融危机后的所有指标的影响力指数值,最终获得总的经济影响力的指数为0.2531,即世博会对上海市经济的实际贡献率为25.31%.