多源应急信息的融合过程与模型研究

对于非常规突发事件的应急处置,多源信息融合方法的运用具有十分迫切的必要性。本论文所构建的多层次分阶段的多源应急信息融合模型,能够提高应急管理过程中对应急信息的处理精确度与处置效用。     

基于信息融合的供应链合作伙伴选择刍议

文章基于信息融合技术对供应链管理中的合作伙伴选择问题进行了探讨,分析了信息融合技术在该问题中的适应性、基本融合模型、难点问题和融合策略等,认为应用集成多源信息和合适融合方法的信息融合技术可以提高选择的效度和信度,有利于对合作伙伴作出正确的选择,从而提高供应链整体的竞争力。     

基于信息融合技术的备件库存控制决策模型研究

备件在保证企业正常生产发挥着巨大作用。本文通过对备件库存决策信息的特征进行分析的基础上,构建了基于多源信息融合技术的备件库存控制决策模型,并对采用何种信息融合方法与策略进行备件库存决策分析做了一定的研究。     

基于支持向量机的交通信息融合算法研究

支持向量机(SVM)是一种崭新的机器学习方法,它建立在结构风险最小化原理的基础上,具有很高的泛化性能。此方法能解决小样本、非线性及高维模式识别中的问题。本文以高速公路上的交通流参数为研究对象,提出了一种基于支持向量机的信息融合算法,并利用事件和非事件条件下的模拟数据对支持向量机进行了训练和测试。同时将该算法与多层前向神经网络(MLF)算法进行了性能比较,仿真实验结果表明该算法具有更好的分类效果,更高的检测率和更低的误报率,可以明显改善检测效果。     

信息融合在大型工程项目管理及审计中的应用探析

大型工程是个典型非复杂系统,其对管理决策对信息的需求更为复杂。文章在分析大型工程信息源及管理决策特点的基础上,运用信息融合理论,对大型工程的多源异构信息进行有效的融合,初步建立原始级融合、特征级融合、决策级融合等应用框架,并介绍了其在工程造价中应用实例。     

装备质量信息融合技术研究

信息融合是现代信息技术与多学科交叉、综合、延拓产牛的新的系统科学.在大量浏览文献的基础上,系统地介绍了信息融合技术的概念、基本原理和应用,并对多传感器信息融合的几种主要算法进行了全面的阐述和归纳,指出了信息融合研究中存在的主要问题,最后对信息融合技术的未来研究方向进行了展望.     

装备质量信息融合技术研究

信息融合是现代信息技术与多学科交叉、综合、延拓产生的新的系统科学。在大量浏览文献的基础上，系统地介绍了信息融合技术的概念、基本原理和应用，并对多传感器信息融合的几种主要算法进行了全面的阐述和归纳，指出了信息融合研究中存在的主要问题，最后对信息融合技术的未来研究方向进行了展望。     

多传感器信息融合技术研究与展望

随着人类对多传感器系统信息智能处理的要求不断提高,多传感器信息融合技术越来越受到人们的关注。本文对多传感器融合技术的起源发展、原理定义、应用领域、融合级别及融合算法等方面进行了详细的介绍,最后对现阶段多传感器信息融合方面存在的问题进行了分析,对其发展趋势进行了展望。     

基于D-S算法的玻璃质量检测

为提高玻璃质量检测的准确性，提出了一种基于D—S理论和多传感器信息融合的玻璃质量检测方法。该方法在多传感器的概念及D—S理论基础的基础上，提出了一种基于统计方法的自适应权系数D—S证据理论融合算法。获取玻璃中存在检测对象的基本信度。利用加权D—S证据理论融合这些基本信度，并获得检测数据。该方法具有检测分析快速准确、抗干扰能力强、适用范围宽且不需要多个传感器的特点。     

基于价值工程的物流信息价值分析

在价值工程理论的基础上分析了供应链中物流信息的价值、影响物流信息效用的主要因素和物流信息成本的构成,并在此基础上建立了评估物流信息价值的量化模型,给出了相应的算法举例.     

基于粗糙集和C-均值聚类支持向量机的员工绩效评估方法

利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集,将其应用于C-均值聚类网络得到具有概率信息(权重)的样本,作为支持向量机(SVM)的输入建立员工绩效评估模型。实例表明,该方法拟合率高,且性能优于SVM算法。     

基于支持向量机的柴油机故障诊断

本文研究了基于支持向量机的故障诊断方法。以传感器检测数据为输入,利用v-支持向量分类机进行故障分类识别。通过对柴油机燃油压力波动信息和柴油机振动监测数据的处理分析,结果显示基于支持向量机的故障分类器能够在样本有限的情况下出色的完成多种故障的诊断分类。     

基于启发式SVM的入侵检测系统研究

文章针对支持向量机参数一直存在根据经验确定不足的问题,提出将启发式支持向量机快速学习算法应用于入侵检测系统中。为了使支持向量分类机获得更好的分类性能,该算法提出以启发式规则选取对分类器最有利的样本进行训练,以确定支持向量机的参数,并采用内积矩阵分解算法提高分类速度,达到提高学习速度的目的。实验表明该算法在入侵检测系统中的应用优于标准支持向量机算法。     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

基于时间序列的支持向量机在物流预测中的应用

由于物流预测是不确定的、非线性的、动态开放性的复杂大系统，传统方法往往难以准确地描述这种复杂的非线性特征，因而无法准确进行物流预测，本文提出了基于一种基于时间序列的支持向量机(SVM)的物流预测方法。将该方法用于实际物流系统的公路运输量预测中，和真实值比较说明所提出的物流预测方法是可行和有效的。     

基于粗糙集和支持向量机的商业银行信用风险评估模型

结合粗糙集理论的属性约简和支持向量机(SVM)的分类机理,提出一种数据分类的混合算法;建立了基于此算法的商业银行信用风险评估模型。模型以粗糙集属性约简作为预处理器,删除冗余属性和冲突对象,但不损失有效信息;然后基于SVM进行分类建模和预测。实证表明,创建的模型分类性能良好,降低SVM分类过程的复杂度,一定程度上避免了训练模型的过拟合现象。通过与SVM和神经网络模型的比较,证实该方法用于信用风险评估的有效性。     

基于Stacking模型融合的用户购买行为预测研究

在大数据时代背景下,如何利用大量的销售数据精准预测顾客未来需求,成为企业制定客户管理和库存管理决策的一个重要问题。目前关于用户购买行为预测的研究中很少能够预测用户具体的购买时间。基于已有的销售数据,提出了基于机器学习和Stacking集成的综合预测模型预测用户的购买行为,即未来是否购买及其购买时间。将模型应用在一家大型连锁零售企业的需求预测中,并对方法的有效性进行评估。结果表明,基于Stacking集成的融合模型对预测用户未来是否购买具有最佳性能,准确率达85%,AUC值达到0.928;LightGBM集成算法在预测用户购买时间时具有最优性能,相比于融合模型提升了5.5%的预测性能;融合模型+LightGBM算法的组合相比于均使用融合模型提升了9.4%的预测性能。     

基于声波信号小波包奇异谱熵和支持向量机的断路器故障诊断研究

在断路器投切时伴随着较强的声波信号,它包含了大量断路器状态信息,通过分析声波信号能够特征提取方法,能够为后续故障诊断提供依据。断路器声波信号易受环境因素影响,且包含非线性、非平稳成份,文中利用小波包奇异谱熵的信号特征提取方法对其进行处理,同时使用支持向量机进行故障识别判断。     

基于边缘计算的视频背景重建方法

基于当前物联网技术的应用趋势,论文研究了一种基于边缘计算的视频背景重建的方法,结合城市道路交通车流量实时监测的应用需求,通过实际的车流量视频数据进行算法的验证。同时,论文基于OpenCV构建边缘计算机器视觉应用引擎,将基于视频背景重建的算法向嵌入式实时处理系统移植,从而探索出通用机器视觉算法在边缘计算侧实现功能应用的方法,使得以模块化、软硬件系统低耦合度思想研发机器视觉应用成为可能。     

基于支持向量机的工程项目投资风险评价研究

提出一种工程项目投资风险评价的新方法—支持向量机评价法,由于支持向量机对样本数量的依赖性弱,通过学习有限的样本而建立的模型仍具有很强的泛化能力,具有比神经网络更好推广性能,因此在项目风险评价方面必然比神经网络具有更大的优势。实例研究也表明支持向量机方法更适合于投资项目风险评价的研究。