大型研究院所档案管理向知识智能辅助决策转型研究

大型研究院所是集产品研发、生产、经营和管理于一体的知识密集型企业,大型研究院所档案管理在做好档案的收集、整理、保管等传统档案工作的同时,在当前大数据、人工智能、辅助决策等信息技术迅猛发展的背景下,应该深挖档案的信息属性和知识属性,积极向知识智能辅助决策转型。     

模糊多属性航线评估决策方法研究

航线评估是航空公司进行航线决策的重要依据。为解决模糊多属性航线决策问题,在航线属性权重完全未知,但航线评估模糊语言信息已给出的情况下,本文将评估模糊语言和模糊偏好信息转换为梯形模糊数,利用梯形模糊数之间总偏差最小建立一个二次规划模型,从而确定航线决策中各属性的权重,通过对航线属性值和权重值进行加权平均运算,比较每条航线模糊综合评价的期望值大小,进行航线评估排序,最后通过一个实例验证了该方法的可行性和有效性。结果表明:该方法可用于航空公司解决权重未知的多属性航线评估决策问题,方法科学有效。     

多属性模糊决策方法在军事决策中的应用

为解决一些军事决策问题，研究分析了一种多属性模糊决策方法，并且结合在武器装备论证中军事决策问题的特点，通过在某型舰载反潜导弹方案优选中运用该方法的实例，探讨了该方法的实施和计算过程。结果表明该方法在武器装备论证这样的军事决策中的应用是可行的。     

外汇汇率时间序列静态属性的抽取

为了能够使用现有的数据挖掘技术(例如粗糙集)对外汇汇率时间序列进行数据挖掘,必须从外汇汇率时间序列数据中抽取决定时间序列行为发展趋势的静态属性.针对外汇汇率时间序列的特殊性,给出了时间序列静态属性抽取技术的几个关键步骤,完成了从外汇汇率时间序列中抽取出静态属性,最后利用这些静态属性组成的数据库,实现了对外汇汇率时间序列比较准确的预测.     

海图信息的压缩与恢复

用形态学方法对海图信息进行压缩和恢复，然后用游程编码对骨架进行编码和解码，达到用最少的空间存储最多的信息。     

基于OOCPN结线分析和反向推理的城市轨道交通牵引供电系统故障诊断方法

基于面向对象的思想和有色Petri网理论,构建库所的令牌,描述城市轨道交通牵引供电系统中组成结点的元件、开关及结点的含源性质,进而建立城市轨道交通牵引供电系统结线分析的OOCPN(Object-Ori-ented Colored Petri-Nets)模型。求解该模型可确定城市轨道交通牵引供电系统的故障域;然后结合专家经验以及牵引变电所综合自动化系统轮询到的保护动作信息,通过反向推理遍历搜索该故障域,对故障元件进行定位;根据专家推理规则以及城市轨道交通牵引变电所内的保护配合关系,判断开关的拒动行为。以城市轨道交通牵引供电系统馈线短路且馈线开关拒动为例进行验证,结果表明:提出的城市轨道交通牵引供电系统故障诊断方法能够实现对故障元件的准确定位和开关拒动行为的判断。     

基于灰度对比图与最大熵的钢轨图像分割

针对CCD相机采集的钢轨表面图像灰度不均、过度曝光、噪声过大等导致的一维最大熵法无法准确分割缺陷的问题,提出一种将灰度对比图和形态学重构相结合,再用最大熵法进行分割的图像分割算法。首先求得钢轨图像的灰度对比图,接着将灰度对比图经过形态学开-闭重构获得钢轨背景图像,然后将背景图像与灰度对比图相减,得到包含缺陷的差分图,最后将差分图用最大熵法进行分割。实验表明,提出的灰度対比图法能够很好地缓解光照不均,过度曝光对检测带来的影响,形态学开-闭重构不仅能够获得所需的背景模型还能抑制一定的噪声,该算法简单、有效、鲁棒性较高,分割精度可以达到90%。     

一种全部属性聚类和特征属性聚类相结合的无监督异常检测模型

为提高无监督异常检测系统的检测率、误报率和检测效率,将数据集划分为不同的服务集,然后对每个服务集数据包进行全部属性聚类和部分相关属性聚类(即特征属性聚类)并比较训练结果,取其中训练性能较优的方法建立对该服务的检测模型。检测实验表明,本文模型的检测率达到99.21%,误报率降低到2.2%。与不加服务划分的模型相比,本文模型的训练时间和检测时间分别降低为相应模型的21.17%和21.98%。与其他检测算法的比较结果也表明,本文模型在检测率和误报率方面具有更优的性能。     

城市轨道交通沿线“灰色用地”规划研究

研究目的:随着城市轨道交通事业的蓬勃发展,我国的轨道建设,尤其是轨道沿线土地开发出现了一系列问题,本文针对这些问题从规划的角度引入"灰色用地"规划的策略,提供了一种解决问题的有效途径。研究结论:本文通过对"灰色用地"规划方法的分析研究,结合苏州轨道2号线高铁站点周边的用地规划,提出对轨道交通站点周边影响区域内的土地进行动态的"灰色用地"规划,可以减少规划修改的频率,提高土地的使用价值和利用效率,体现轨道交通的市场属性,实现轨道交通建设的可持续发展。     

一种低信噪比环境下的基音检测方法

噪声是低信噪比环境下影响基音检测准确率的主要因素之一,为此提出一种基于形态学滤波和小波变换相结合的基音检测方法。该方法首先用形态学滤波器滤除噪声,突出基音。然后在小波域利用Teager能量算子区分清、浊音,通过浊音小波系数模的极大值提取基音。实验结果表明,在信噪比较小时该方法也能准确地检测出语音信号的基音,与传统的基音检测方法相比,该方法有较强的抗噪性。