基于時(shí)間序列ARMA模式識(shí)別基坑監(jiān)測(cè)預(yù)警優(yōu)化

基于模式識(shí)別的橋梁故障檢測(cè)——文章主要任務(wù)是研究如何從撓度數(shù)據(jù)出發(fā),綜合運(yùn)用模式識(shí)別技術(shù)和數(shù)據(jù)分析技術(shù),能有效檢測(cè)橋梁中某些類型的損傷和隱患。將模式識(shí)別中的近鄰算法與k2均值算法相結(jié)合,應(yīng)用到橋梁檢測(cè)中,提出了一種新的橋梁異常檢測(cè)方法。首先,用k均...

模糊模式識(shí)別在建設(shè)選址決策中的應(yīng)用——根據(jù)模糊模式識(shí)別構(gòu)建了建設(shè)項(xiàng)目選址的一般數(shù)學(xué)模型,并根據(jù)最大隸屬原則提出了求解方法及其應(yīng)用示例,以提高決策的科學(xué)性和可靠性。

近年隨著人工智能的發(fā)展，現(xiàn)今對(duì)于復(fù)雜問題求取其最優(yōu)解的能力越來越強(qiáng)大，而對(duì)多部電梯的最優(yōu)控制一直是一個(gè)工程中的極其復(fù)雜的問題，已被證明其是一個(gè)np—hard問題。本文把近年應(yīng)用人工智能算法來優(yōu)化電梯群控系統(tǒng)的研究進(jìn)行分類和介紹，以方便對(duì)當(dāng)前電梯群控系統(tǒng)的研究和了解。

為了改善電梯群控系統(tǒng)的性能,使電梯群節(jié)能并高效運(yùn)行,針對(duì)不同的交通模式采用合理的調(diào)度算法對(duì)電梯群進(jìn)行優(yōu)化調(diào)度,提出一種基于粒子群(pso)的模糊核聚類算法(kfcm)的電梯交通流模式識(shí)別方法.利用基于梯度下降的粒子群優(yōu)化算法代替kfcm算法的迭代過程,可使算法具有較強(qiáng)的全局搜索能力和局部搜索能力,并降低了kfcm算法對(duì)初始值的敏感度.利用核方法將低維特征空間的樣本映射到高維特征空間,增加對(duì)樣本特征的優(yōu)化,并使樣本特征在高維特征空間線性可分,更加容易聚類.采用在某辦公樓采集的電梯交通流數(shù)據(jù)作為測(cè)試樣本,仿真結(jié)果表明,與fcm聚類算法相比,該算法具有良好的性能指標(biāo),對(duì)電梯交通流的聚類效果更準(zhǔn)確。

設(shè)計(jì)了光纖圍欄系統(tǒng)的系統(tǒng)組成,并對(duì)系統(tǒng)的工作原理和圍欄主機(jī)的工作流程進(jìn)行了重點(diǎn)分析。設(shè)計(jì)了圍欄主機(jī)中基于支持向量機(jī)(svm)的模式識(shí)別模塊,介紹了在二類分類和多類分類情況下的相關(guān)算法,給出了在labview中的實(shí)現(xiàn)結(jié)果。

借助建設(shè)主管部門的資料形成數(shù)據(jù)庫，應(yīng)用模糊模式識(shí)別的方法對(duì)未知的工程造價(jià)比較準(zhǔn)確地推測(cè)。實(shí)例說明這是一種具有實(shí)用性、科學(xué)性的推測(cè)系統(tǒng)。

提出了基于實(shí)例推理的建筑結(jié)構(gòu)智能選型模型,揭示了實(shí)例檢索的模式識(shí)別本質(zhì)。提出了基于神經(jīng)識(shí)別的實(shí)例推理方法,并將其應(yīng)用于建筑結(jié)構(gòu)智能選型的方案生成階段,通過對(duì)高層建筑結(jié)構(gòu)的實(shí)際選型設(shè)計(jì)證明了本方法的有效性。

分析了電梯各種交通模式的特征,采用模糊神經(jīng)網(wǎng)絡(luò)對(duì)交通模式進(jìn)行識(shí)別,確定辨識(shí)交通模式的特征值,并用交通流來測(cè)試網(wǎng)絡(luò)的正確性。測(cè)試結(jié)果表明,應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯交通模式進(jìn)行識(shí)別可準(zhǔn)確地反映交通流的狀況。將交通模式識(shí)別的結(jié)果作為派梯的依據(jù),對(duì)電梯群控系統(tǒng)根據(jù)不同交通狀況采用相應(yīng)的派梯策略可以起到指導(dǎo)作用。

針對(duì)電梯群控系統(tǒng)中的交通模式識(shí)別問題,提出一種基于多值分類支持向量機(jī)(svm)的電梯交通模式識(shí)別方法。采用直接多值分類svm對(duì)采集的電梯交通流數(shù)據(jù)進(jìn)行分析,得到交通模式分類器,從而解決電梯交通流模式識(shí)別中多輸入、多輸出的非線性系統(tǒng)辨識(shí)問題。實(shí)驗(yàn)結(jié)果表明,該方法可實(shí)現(xiàn)全局最優(yōu)且分類誤差較小,能滿足群控系統(tǒng)的要求。

為避免傳統(tǒng)模式識(shí)別中神經(jīng)網(wǎng)絡(luò)收斂速度慢、過學(xué)習(xí)等不足或因支持向量機(jī)(supportvectormachine,svm)參數(shù)選擇不當(dāng)而導(dǎo)致識(shí)別準(zhǔn)確度低,在引入m-ary分類理論將泛化及學(xué)習(xí)能力更強(qiáng)的svm算法擴(kuò)展為多類分類器的同時(shí),利用改進(jìn)遺傳算法(geneticalgorithm,ga)優(yōu)化各子分類器的懲罰因子、松弛變量及核函數(shù)參數(shù),從而構(gòu)造出最優(yōu)參數(shù)svm分類模型。開展交聯(lián)電纜局部放電模擬試驗(yàn)并提取了表征灰度圖象內(nèi)在分形特征的4個(gè)分形維數(shù)作為局部放電模式識(shí)別的放電指紋,分別采用優(yōu)化svm、未優(yōu)化svm及徑向基函數(shù)(radialbasisfunction,rbf)神經(jīng)網(wǎng)絡(luò)作為模式分類器完成缺陷分類,并通過對(duì)比三者識(shí)別效果驗(yàn)證了優(yōu)化模型的正確性。結(jié)果表明,以優(yōu)化svm作為分類器時(shí)各缺陷識(shí)別率均大于95%,且無論是否優(yōu)化參數(shù),svm總體識(shí)別能力要優(yōu)于rbf神經(jīng)網(wǎng)絡(luò)。

針對(duì)神經(jīng)網(wǎng)絡(luò)用于基坑變形預(yù)測(cè)存在結(jié)構(gòu)難確定、訓(xùn)練易陷入局部最優(yōu)及易過學(xué)習(xí)等問題,構(gòu)造滾動(dòng)時(shí)間窗,以已有的實(shí)測(cè)時(shí)間序列為樣本,利用最小二乘支持向量機(jī)(ls-svm)建立基坑預(yù)測(cè)模型,應(yīng)用網(wǎng)格搜索算法優(yōu)化模型參數(shù),連續(xù)滾動(dòng)地多步預(yù)測(cè)基坑變形。實(shí)例結(jié)果表明,該模型預(yù)測(cè)效果優(yōu)于bp神經(jīng)網(wǎng)絡(luò),具有所需數(shù)據(jù)少、推廣能力強(qiáng)等優(yōu)點(diǎn)。

模糊模式識(shí)別法在房地產(chǎn)評(píng)估中的運(yùn)用——通過數(shù)學(xué)中的模糊模式識(shí)別法來驗(yàn)證房地產(chǎn)的評(píng)估，通過在若干個(gè)價(jià)格已知的房地產(chǎn)可比實(shí)例中選取與侍估對(duì)象可比性最強(qiáng)的實(shí)例進(jìn)行比較調(diào)整，從而確定待估對(duì)象的價(jià)格，提高房地產(chǎn)評(píng)估的準(zhǔn)確性。由于決定房地產(chǎn)價(jià)格的區(qū)域、建...

在運(yùn)用市場(chǎng)比較法對(duì)房地產(chǎn)進(jìn)行估價(jià)時(shí),通過在多個(gè)備選實(shí)例中選取與待估對(duì)象最相近的可比實(shí)例作為評(píng)估基準(zhǔn),以已知備選實(shí)例的價(jià)格為參照對(duì)待估對(duì)象進(jìn)行估價(jià),即可獲得待估房地產(chǎn)的價(jià)格。備選實(shí)例選取得恰當(dāng)與否,將直接導(dǎo)致房地產(chǎn)估價(jià)的準(zhǔn)確性。本文探討了如何運(yùn)用模糊模式識(shí)別的數(shù)學(xué)方法來選取備選實(shí)例。首先,介紹了有關(guān)房地產(chǎn)估價(jià)的理論依據(jù);其次,討論如何建立房地產(chǎn)評(píng)估選例模糊模式識(shí)別模型以及該模型的可行性。

通過數(shù)學(xué)中的模糊模式識(shí)別法來驗(yàn)證房地產(chǎn)的評(píng)估,通過在若干個(gè)價(jià)格已知的房地產(chǎn)可比實(shí)例中選取與待估對(duì)象可比性最強(qiáng)的實(shí)例進(jìn)行比較調(diào)整,從而確定待估對(duì)象的價(jià)格,提高房地產(chǎn)評(píng)估的準(zhǔn)確性。由于決定房地產(chǎn)價(jià)格的區(qū)域、建筑結(jié)構(gòu)、交易情況等因素,大都為無量綱指標(biāo),不能用精確的數(shù)值來衡量,而帶有較大的模糊性。因此,用模糊模式識(shí)別的方法來選取可比實(shí)例具有可行性和科學(xué)性

供熱負(fù)荷時(shí)間序列混沌特性識(shí)別及區(qū)間預(yù)報(bào)研究——對(duì)供熱負(fù)荷時(shí)間序列進(jìn)行了混沌特性分析,計(jì)算得到了吸引子維數(shù)和最大lyapunov指數(shù)。在最大lyapunov指數(shù)點(diǎn)預(yù)報(bào)法的基礎(chǔ)上,提出了最大lyapunov指數(shù)區(qū)間預(yù)報(bào)法,并給出了最大預(yù)報(bào)時(shí)間尺度。仿真結(jié)果表明,該方法可取得...

為了克服傳統(tǒng)局部放電模式識(shí)別中特征量過度依賴工頻電壓相位信息的缺點(diǎn),基于放電幅值、放電重復(fù)頻率和連續(xù)兩次放電時(shí)間間隔等電氣參量,提取了6個(gè)不依賴于相位信息的統(tǒng)計(jì)特征,并利用費(fèi)歇爾判別法對(duì)提取的特征參量進(jìn)行了有效判別歸類.實(shí)驗(yàn)結(jié)果表明:提取的非相位統(tǒng)計(jì)特征參量物理意義明確、表達(dá)方式簡(jiǎn)潔,采用費(fèi)歇爾判別法可以對(duì)其進(jìn)行準(zhǔn)確、快速判別歸類.

用模式識(shí)別類智能工具處理信息教學(xué)反思 黃建波 １、本節(jié)的作用和地位： 用智能工具處理信息是用計(jì)算機(jī)進(jìn)行信息處理的幾種基本方法之 一，這也是前沿技術(shù)在日常應(yīng)用中的體現(xiàn)。本節(jié)內(nèi)容主要要求學(xué)生在使 用信息智能處理工具軟件處理信息的過程中，對(duì)信息智能處理工具進(jìn)行(zhòng)n初步體驗(yàn)，并形成感性認(rèn)識(shí)。在此基礎(chǔ)上了解其工個(gè)原理及其實(shí)際應(yīng)用 價(jià)值。 ２、本節(jié)主要內(nèi)容： 本節(jié)基于學(xué)生在體驗(yàn)中形成的認(rèn)識(shí)，教材首先設(shè)計(jì)了一系列實(shí)踐活 動(dòng)，主要涉及模式識(shí)別類和自然語言理解類兩個(gè)方面的研究領(lǐng)域，然后 介紹了這兩個(gè)研究的相關(guān)知識(shí)，分析并介紹了手寫板輸入漢字的簡(jiǎn)單原 理、與網(wǎng)絡(luò)機(jī)器人對(duì)話的基本原理、機(jī)器翻譯的工作流程等內(nèi)容，讓學(xué) 生探討信息智能處理的一些應(yīng)用價(jià)值。教材采用“情境引入→操作體驗(yàn) →了解原理→應(yīng)用展望“的線索組織內(nèi)容。 3、本節(jié)教學(xué)設(shè)計(jì)思路計(jì) 本節(jié)以一段精彩的視頻（機(jī)器人踢足球）入手，吸引學(xué)生注意，進(jìn) 而引入

運(yùn)用模糊模式識(shí)別法,利用2001—2005年的相關(guān)數(shù)據(jù),分析中國(guó)房地產(chǎn)市場(chǎng)的發(fā)展?fàn)顩r.結(jié)果表明:我國(guó)房地產(chǎn)市場(chǎng)在2002年、2003年處于升溫階段,2004年處于微熱階段,2005年再次處于升溫階段.國(guó)家需要采取必要的宏觀調(diào)控政策,防止房地產(chǎn)市場(chǎng)進(jìn)入過熱階段.

針對(duì)高?？萍汲晒D(zhuǎn)化評(píng)價(jià)中的不確定性和復(fù)雜性因素,提出了時(shí)序模糊模式識(shí)別評(píng)價(jià)方法,通過計(jì)算待評(píng)對(duì)象與\"優(yōu)\"、\"劣\"兩個(gè)模式間的隸屬度來建立時(shí)序規(guī)劃模型,對(duì)模型求解得到各評(píng)價(jià)對(duì)象的評(píng)價(jià)值,且利用熵權(quán)系數(shù)法來計(jì)算各層次指標(biāo)的權(quán)重。應(yīng)用此方法對(duì)全國(guó)31個(gè)省市高校科技成果轉(zhuǎn)化能力進(jìn)行評(píng)價(jià)并排序,將天津市與其他省市進(jìn)行分區(qū),為進(jìn)一步找出影響天津市科技成果轉(zhuǎn)化的主要指標(biāo)因素,有針對(duì)性地制定政策措施打下良好的基礎(chǔ)。

針對(duì)高?？萍汲晒D(zhuǎn)化評(píng)價(jià)中的不確定性和復(fù)雜性因素,提出了時(shí)序模糊模式識(shí)別評(píng)價(jià)方法,通過計(jì)算待評(píng)對(duì)象與\"優(yōu)\"、\"劣\"兩個(gè)模式間的隸屬度來建立時(shí)序規(guī)劃模型,對(duì)模型求解得到各評(píng)價(jià)對(duì)象的評(píng)價(jià)值,且利用熵權(quán)系數(shù)法來計(jì)算各層次指標(biāo)的權(quán)重。應(yīng)用此方法對(duì)全國(guó)31個(gè)省市高校科技成果轉(zhuǎn)化能力進(jìn)行評(píng)價(jià)并排序,將天津市與其他省市進(jìn)行分區(qū),為進(jìn)一步找出影響天津市科技成果轉(zhuǎn)化的主要指標(biāo)因素,有針對(duì)性地制定政策措施打下良好的基礎(chǔ)。

信號(hào)處理 專題綜述 超聲無損檢測(cè)與評(píng)價(jià)中的信號(hào)處理 　及模式識(shí)別 劉鎮(zhèn)清 (同濟(jì)大學(xué)聲學(xué)研究所,上海　200092) 摘　要:現(xiàn)代信號(hào)處理與模式識(shí)別技術(shù)在超聲無損檢測(cè)與評(píng)價(jià)中的作用愈來愈重要。超聲檢測(cè) 信號(hào)處理技術(shù)可提高缺陷的檢測(cè)與分類能力,并可表征材料的性能。對(duì)該技術(shù)的有效應(yīng)用、潛能及 進(jìn)展作了綜合評(píng)述,這對(duì)未來無損檢測(cè)與評(píng)價(jià)中信號(hào)處理的研究是有益的。 關(guān)鍵詞:超聲檢測(cè);評(píng)價(jià);信號(hào)處理;模式識(shí)別;綜述 中圖分類號(hào):tg115.28+5;g202　　　文獻(xiàn)標(biāo)識(shí)碼:a　　　文章編號(hào):1000-6656(2001)01-0031-04 signalprocessingandpatternrecognitioninultrasonic nondestructivetestingandevaluation liu　zhen-q

以國(guó)家體育場(chǎng)(鳥巢)工程的沉降觀測(cè)數(shù)據(jù)為基礎(chǔ),論述了采用時(shí)間序列模型處理變形數(shù)據(jù)的原理和方法,并對(duì)建筑物的變形趨勢(shì)進(jìn)行了分析和預(yù)測(cè),為建筑物的安全施工和正常使用提供了保障.