Outlier mining based abnormal machine detection in intelligent maintenance

Assessing machine’s performance through comparing the same or similar machines is important to implement intelligent maintenance for swarm machine. In this paper, an outlier mining based abnormal machine detection algorithm is proposed for this purpose. Firstly, the outlier mining based on clustering is introduced and the definition of cluster-based global outlier factor (CBGOF) is presented. Then the modified swarm intelligence clustering(MSIC) algorithm is suggested and the outlier mining algorithm based on MSIC is proposed. The algorithm can not only cluster machines according to their performance but also detect possible abnormal machines. Finally, a comparison of mobile soccer robots’ performance proves the algorithm is feasible and effective.     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

A hybrid Bayesian Network approach to detect driver cognitive distraction

Driver cognitive distraction (e.g., hand-free cell phone conversation) can lead to unapparent, but detrimental, impairment to driving safety. Detecting cognitive distraction represents an important function for driver distraction mitigation systems. We developed a layered algorithm that integrated two data mining methods—Dynamic Bayesian Network (DBN) and supervised clustering—to detect cognitive distraction using eye movement and driving performance measures. In this study, the algorithm was trained and tested with the data collected in a simulator-based study, where drivers drove either with or without an auditory secondary task. We calculated 19 distraction indicators and defined cognitive distraction using the experimental condition (i.e., “distraction” as in the drives with the secondary task, and “no distraction” as in the drives without the secondary task). We compared the layered algorithm with previously developed DBN and Support Vector Machine (SVM) algorithms. The results showed that the layered algorithm achieved comparable prediction performance as the two alternatives. Nonetheless, the layered algorithm shortened training and prediction time compared to the original DBN because supervised clustering improved computational efficiency by reducing the number of inputs for DBNs. Moreover, the supervised clustering of the layered algorithm revealed rich information on the relationship between driver cognitive state and performance. This study demonstrates that the layered algorithm can capitalize on the best attributes of component data mining methods and can identify human cognitive state efficiently. The study also shows the value in considering the supervised clustering method as an approach to feature reduction in data mining applications.     

���ڻ�ɫ����ĸ��ٹ�·����·�η���ˮƽ����

高速公路基本段服务水平是分析高速公路通行能力的重要内容。本文首次将灰色聚类理论引入分析高速公路基本段服务水平，建立了基于灰色聚类的高速公路基本段服务水平的多目标决策分析模型.在构造白化矩阵和白化函数的基础上，计算出聚类权系数和聚类系数，并利用聚类系数确定出高速公路基本段服务水平的综合分析情况。最后通过算例进行了计算分析，验证了该模型的有效性、客观性和适用性，并归纳了模型的特点及适用范围，对分析高速公路基本段服务水平具有一定的借鉴意义。     

基于欠定盲源分离的柴油机曲轴轴承故障诊断方法研究

针对柴油机曲轴轴承振动信号盲源分离的欠定问题,提出了基于相空间重构和动态聚类奇异值分解的适定化方法。首先通过引入广义时间窗的概念确定最佳时间延迟和嵌入维数,重构信号相空间矩阵;然后对其进行奇异值分解,并对奇异值进行动态聚类以确定最佳重构阶数,进而重构得到虚拟观测信号,从而将欠定问题转变为适定或超定;最后利用自适应Parafac方法对原观测信号与虚拟观测信号构成虚拟传播路径进行盲源分离得到有效源信号。仿真结果表明,该方法可有效分离出混合信号中的源信号,并将其应用到柴油机曲轴轴承故障诊断中,诊断准确率提高了18.4%。     

一种适用于GSM-R应急网络的分簇算法

GSM-R作为铁路通信调度数据的承载网络,其网络的稳定和畅通对于保证铁路运输安全、高效运行至关重要。由于铁路沿线的桥梁、隧道、边坡、路堑等各种复杂传输环境,使得GSM-R网络中的基站等网元易遭受自然灾害的影响。针对GSM-R基站设施毁坏或终端处于信号覆盖盲区的情形,在GSM-R系统中引入多跳组网方式,并提出一种适用于GSM-R应急多跳网络的分簇算法。性能分析和仿真结果表明:在终端数目较多以及终端移动性较高的情形下,文中的分簇算法具有优良的簇维护开销和网络稳定度性能,适用于铁路应急通信需求。     

基于系统聚类的城市道路交叉口安全评价方法研究

交通冲突技术是国际交通安全领域兴起的一种非事故统计评价方法，具有大样本、快速、定量研究评价交通安全现状和改善效果的特点．文中基于系统聚类方法，应用交通冲突技术，以早高峰、晚高峰以及平峰时期3个时段的交通冲突数与混合当量交通量的比值（TC／MPCU）作为安全评价指标，提出了对道路交叉口进行安全评价的交通冲突系统聚类评价法，为道路交叉口的安全评价提供了一种新的研究思路和手段．     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

城市停车需求预测方法研究

本文以交通量-停车需求模型为基础,考虑了不同区位的小区出行吸引的交通方式构成对停车需求的影响,提出了先根据各小区出行吸引的交通方式构成对小区进行聚类分组,再分组预测未来年出行吸引的交通方式构成,继而预测各小区停车需求量的方法.最后,结合实例进行了分析,证明该方法可以保证预测的精度.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加，高速公路缓行和交通拥堵等问题时有发生，特别是在重大节假日期间.目前，解决上述交通问题的主要方法是交通需求管理措施，而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析，掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据，借助 K-means++聚类方法识别使用高速公路日常通勤的车辆，进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度，挖掘城市通勤快速出行廊道分布，研究高速公路网与城市道路网络的关系，对提高交通系统效率和缓解交通问题具有重要的意义.