(■,F)-数据离散矩形区域在数据辨识中的应用

应用新数学模型P-集合,提出数据传输中三种异常数据的概念:■-异常数据、F-异常数据与(■,F)-异常数据;提出(■,F)-数据离散矩形区域概念;给出丢失-侵入数据发现定理、系统输出数据分离定理、系统输出数据类型辨识定理、(■,F)-异常数据在(■,F)-数据离散矩形区域的定位定理;给出(■,F)-数据离散矩形区域在系统输出数据类型辨识中的应用。丢失-侵入数据发现定理与系统输出数据分离定理是系统输出数据类型辨识的基础,(■,F)-数据离散矩形区域的提出,为系统数据的几何辨识和系统出现异常数据的预警提供了一种新的理论与方法。     

((F),F)-数据离散矩形区域在数据辨识中的应用

应用新数学模型P-集合,提出数据传输中三种异常数据的概念:(F)-异常数据、F-异常数据与((F),F)-异常数据;提出((F),F)-数据离散矩形区域概念;给出丢失-侵入数据发现定理、系统输出数据分离定理、系统输出数据类型辨识定理、((F),F)-异常数据在((F),F)-数据离散矩形区域的定位定理;给出((F),F)-数据离散矩形区域在系统输出数据类型辨识中的应用.丢失-侵入数据发现定理与系统输出数据分离定理是系统输出数据类型辨识的基础,((F),F)-数据离散矩形区域的提出,为系统数据的几何辨识和系统出现异常数据的预警提供了一种新的理论与方法.     

P-集合与（-↑F,F）-数据生成-辨识

P-集合（packet sets）是一个集合对,它由内P-集合（internal packet sets）与外P-集合（outer packet sets）共同构成,P-集合具有动态特性。利用P-集合,给出数据集合,-↑F-数据集合,F-数据集合与（-↑F,F）-数据集合概念;提出-↑F-数据集定理,F-数据集定理,（-↑F,F）-数据带定理,数据集合恢复定理,（-↑F,F）-数据辨识定理,给出辨识准则。利用这些结果,给出（-↑F,F）-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

P-集合与(,F)-数据生成-辨识

P-集合(packet sets)是一个集合对, 它由内P-集合(internal packet sets)与外P-集合(outer packet sets)共同构成, P-集合具有动态特性。利用P-集合,给出数据集合, 数据集合,F-数据集合与(,F)-数据集合概念;提出-数据集定理, F-数据集定理, (,F)-数据带定理,数据集合恢复定理, (,F)-数据辨识定理,给出辨识准则。 利用这些结果, 给出(,F)-数据在信息系统中的应用。P-集合是研究动态信息系统的一个新理论与新方法。     

P-集合与系统状态的动态辨识

应用P-集合认识系统数据变化的理论特征,提出内-动态数据、外-动态数据、内-外动态数据的概念、动态数据离散矩形区域概念;给出动态数据关系和动态数据系数定理、动态数据离散矩形区域内点定理、给出内-动态数据分离-发现定理、外-动态数据分离-发现定理,最后给出系统状态的动态辨识应用.     

F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与F-元素删除集合,给出声．残缺数据的概念,它是由（x）F与（x）-构成的一个数据对（（x）F,（x）-）。由F-残缺数据,给出F-残缺数据的生成与豇残缺度。利用这些结果,给出F-残缺数据的关系定理,F-残缺度定理,F-残缺数据的辨识定理,F-残缺数据的恢复定理,并给出F-残缺数据的应用。     

动态数据距离与动态数据几何辨识-恢复

应用P-集合,提出动态数据偏离度概念与动态数据距离的概念。动态数据偏离度包括内-动态数据偏离度、外-动态数据偏离度与内-外动态数据偏离度;动态数据距离包括内-动态数据距离、外-动态数据距离与内-外动态数据距离。应用动态数据偏离度与动态数据距离,得到动态数据的辨识与恢复定理,给出信息系统动态稳定数据的几何辨识准则,并给出应用。动态数据距离使得信息系统动态数据辨识与恢复直观化,是研究信息系统数据变化的一个几何工具。     

-F-残缺数据的辨识与恢复

利用P-集合结构中的内P-集合与^-F-元素删除集合,给出^-F-残缺数据的概念,它是由(x)^-F与(x)^-构成的一个数据对((x)^-F-,(x)-)。由F-残缺数据,给出^-F-残缺数据的生成与^-F-残缺度。利用这些结果,给出^-F-残缺数据的关系定理,^-F-残缺度定理,^-F-残缺数据的辨识定理,^-F-残缺数据的恢复定理,给出^-F-残缺数据的应用。     

外-遗传信息与它的外P-推理辨识

利用P-集合,给出外-遗传信息概念和属性特征;利用外P-推理,给出未知外-遗传信息的外P-推理辨识与外-遗传信息的外P-推理发现,最后得到外-遗传信息的外P-推理生成定理并给出应用。     

外-递推数据的依赖-还原与应用

基于一类数据具有不断放大的特性,应用外P-集合的结构与动态特性,将P-集合串的基集合动态化,提出外-递推数据概念,获得外-递推数据的结构、生成原理与生成准则;给出外-递推数据依赖与还原相关定理及应用。     

P-集合的（σ,τ）-扩展模型与其性质

P-集合是由内P-集合XF珔与外P-集合XF 构成的集合对,P-集合副集的（σ,τ）-生成是由内副集的σ-生成Aσ（ XF珔）与外副集的τ-生成Aτ（ XF ）构成的集合对。本文在P-集合与P-集合副集的（σ,τ）-生成的基础上,给出P-集合的（σ,τ）-扩展模型,得到P-集合与它的（σ,τ）-扩展的关系定理,讨论了P-集合的（σ,τ）-扩展性质。 P-集合的（σ,τ）-扩展模型拓宽了P-集合的研究范围。     

离散傅里叶变换在异步电机参数辨识中的应用

矢量控制系统中需要用到的参数较多,能否获得良好的调速性能往往取决于电机参数的准确性。由此,对一种采用离散傅里叶变换的参数辨识方法进行了研究。通过空间电压矢量算法实现相应的电压激励的产生,并注入电机,根据电机等效特性辨识出电机参数。为了提高定子电阻的辨识精度,利用最小二乘法对传统的直流实验进行优化。针对单相交流实验和空载实验中,检测电压和电流信号可能出现的干扰信号,利用离散傅里叶变换的方法以减少误差,实现对电机的电流幅值、电压幅值及其功率因数的测量,进而准确辨识电机定转子电阻、定转子漏感和互感。为了对辨识参数的准确性进行验证,将所辨识参数在异步电机矢量控制系统进行应用。实验结果表明:所辨识的参数具有较高的准确性。本辨识方法模型简单,易于实现,具有广阔的应用前景。     

间隙统计在电力系统不良数据辨识中的应用

将基于间隙统计(gap statistic)聚类算法的数据挖掘技术应用于电力系统不良数据的辨识中.将聚类内围绕聚类均值的欧氏平方距离和的对数与相应的参考值的数学期望做比较,对量测数据进行聚类个数的确定.仿真结果表明,与传统的状态估计方法相比,此方法可避免残差污染和残差淹没.     

P-增广矩阵与信息的智能动态发现-辨识

利用普通增广矩阵概念与P-集合动态结构交叉,改进普通增广矩阵概念,提出P-增广矩阵,给出P-增广矩阵结构;P-增广矩阵由内P-增广矩阵与外P-增广矩阵共同构成。给出内P-增广矩阵属性定理,外P-增广矩阵属性定理与P-增广矩阵属性定理;给出P-增广矩阵与普通增广矩阵的还原关系。改进P-推理,提出P-增广矩阵推理,给出推理结构;P-增广矩阵推理由内P-增广矩阵推理与外P-增广矩阵推理共同构成。提出属性的P-增广合取范式,给出属性的P-增广合取范式与属性的普通合取范式的关系,提出属性的P-增广合取范式还原定理;给出满足P-增广矩阵推理条件的信息的智能动态发现-辨识定理,最后给出了应用。     

内P-搜索数据选材模型与应用

利用内P-集合的动态特征,给出内P-搜索数据及其生成度量的概念,给出内P-搜索数据特征及搜索数据选材模型特征定理。利用这些结果,分析运动员身体成分、运动能力与运动员选材的关系,给出在运动员选材中的应用。     

半P集合（XF,X）与F-导航数据的路径匹配

在海上台风预警搜救系统中,存在数据丢失现象,为了能够正确地、实时地显示船舶在电子海图上的当前位置,应用半P-集合,提出F-导航数据与F-匹配度概念,给出辨识F-导航数据的定理、F-导航数据的恢复定理、导航数据的稳态匹配度定理、导航数据在电子海图路径上的匹配准则,最后给出F-导航数据在电子海图上的路径匹配应用。     

内-递推信息的辨识-还原

信息传输过程中,存在信息元不断被丢失,生成具有递推特性的信息。应用具有动态特性的新数学工具P-集合,提出内-递推信息的概念,给出内-递推信息的结构、序定理、损失信息归并定理、辨识定理与还原定理。通过定义内-递推信息模与内-递推信息辨识度,得到内-递推信息的数值辨识与还原方法,给出内-递推信息的辨识准则,以及辨识与还原的应用。     

外PPF（F）-集合及其概率特征

在P-集合（XF，XF）与元素迁移的随机性基础上，给出了集合X依元素迁移概率PF（f）的外PPF（f）-集合XPF（f）的概念，论证了XPF（f）与XF的关系——XPF（f）是外P-集合XF的扩展，外P-集合XF是XPF（f）的特例，研究了外PPF（f）-集合XPF（f）的随机特性，得到XPF（f）与元素迁移概率关系定理、XPF（f）与元素迁移族关系定理以及集合X的外PPF（f）。集合族与外P-集合族不可辨识定理。     

内-递推信息与内-递推二叉树特征-辨识

引入树结构于内-递推信息的递推结构中,提出内-递推二叉树概念,获得内-递推二叉树的结构与特性。定义了内-递推二叉树的内-递推度与递推损失度;给出内-递推二叉树存在性定理、满二叉树存在与惟一性定理、完全二叉树定理,包括内-递推二叉树结点的辨识定理与辨识准则。内-递推二叉树是内-递推信息的一种重要组织结构,内-递推二叉树的研究过程与结果,为具有内-递推特性的信息处理提供了一种新方法。     

基于密度估计的异常电力负荷数据辨识与修正

SCADA系统数据库中一般会有一些异常的电力负荷数据,直接用其来进行短期负荷预测将影响预测结果的准确性,因此有必要对这些异常数据进行辨识和修正.文中同时考虑负荷的横向连续性和纵向连续性,先把负荷数据按照日期排列成二维数据集,然后采用基于密度的方法,在两个维度中对异常数据进行辨识与修正,最后通过实例分析验证了该方法的有效性.