基于主成分分析的贝叶斯网络在个人信用评估中的应用

针对信用评估数据的高维、非线性和冗余特点,传统降维和评估方法分类错判率高的难题,提出一种基于主成分分析的贝叶斯分类器在个人信用评估中的方法。首先采用主成分分析方法提取信用评估特征,进行降维处理,消除不必要的冗余信息,简化贝叶斯网络的输入,然后分别在朴素贝叶斯和树增强朴素贝叶斯两种分类器上建立评估模型,最后对评估模型进行验证性实验,并与其他模型进行比较分析。结果表明,应用主成分分析的贝叶斯网络建立的个人信用评估模型简洁,易于推理,提高了个人信用评估的精度。     

基于改进极限学习机的数据采集与监控系统攻击检测模型

提出一种基于改进极限学习机（Online sequence extreme learning machine， OSELM）的新能源电站数据采集与监控（Supervisory control and data acquisition， SCADA）系统攻击检测模型。首先使用ADASYN算法对数据样本中的异常数据和正常数据进行数量平衡，以满足真实电站SCADA系统环境中异常数据量少的特点。接着使用降噪自编码网络对平衡后的数据进行约简，消除无关或冗余特征以降低检测模型的训练时间。最后在AWID数据集上进行了大量对比实验，结果表明，所提的数据约简方法可有效地降低数据维度，降低了检测时间；与其他基于浅层学习算法的检测分类器相比，本文所提方法在检测准确度和误报率方面也体现出了更优性能。     

防空态势评估系统分析及新型评估模型研究

态势评估是一个时敏、不确定的动态过程。为了正确评估态势、深刻认识评估过程,首先详尽分析了评估所需的18项威胁因子及其作用原理,利用高斯函数将数据模糊化并给出复杂威胁因子的贝叶斯推理模型。在此基础上提出一个优势互补的二级态势评估模型:远方目标未知信息较多时,依照关联规则假设重要未知信息,预测目标的威胁程度;信息完备时使用贝叶斯网络推理,具有更强的可信度。最后,实例仿真验证了该评估模型的正确性及合理性。     

基于深度学习的离港航班延误预测模型研究

为了对离港航班延误进行有效预测,在融合航班数据和气象数据的基础之上,提出一种基于深度学习的离港航班延误预测模型。针对航班延误数据集的非平衡特性,提出利用焦点损失函数来减轻非平衡数据集对模型的影响;针对小数据集时模型预测效果不佳问题,提出了一种简单的数据集增强方法,在一定程度上提高了模型的预测精度。以成都双流机场的相关数据对模型进行仿真实验,结果表明模型可以达到85%以上预测精度,具有一定的实际价值。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

人工智能在空腔气动/声学特性预测与控制参数优化中的应用

多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。     

基于深度卷积网络的海洋涡旋检测模型

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。     

智能产品数据服务环境

提出了一种支持复杂工程系统多学科协同设计优化的产品数据管理方法及基于系统优化任务的智能产品模型数据组织模式。通过工程控制结构模型，定义了产品优化任务，并为设计任务自顶向下进行产品模型控制提供了途径。利用产品主模型技术实现数据的完整性，通过设计任务的语境模型产生数据高保真的分析视图以及关联数据环境实现产品主模型和分析模型的一致性。整个产品数据通过协作数据对象的封装，以WEB服务的形式，使优化设计人员通过网络透明地获取产品数据。为了支持基于INTERNET的协同产品开发，采用了基于OPENHSF的流格式作为产品数据的显示方式。     

基于TOPSIS和动态激励的企业信用评价研究

针对文娱企业多维时序数据的动态信用评价问题,提出了基于理想点法(TOPSIS法)和动态激励的信用评价模型。首先,运用熵值法对指标权重进行计算,并在TOPSIS法的基础上改进信用评价正理想点的确定方法,计算信用静态综合评价结果;然后根据动态激励法构建动态信用评价模型,计算动态信用评价值及其排序;最后,选取广播、电视、电影和影视录音制作业25家上市样本企业2015-2019年的数据进行实证分析。     

民用飞机短舱防冰性能分析建模与仿真

基于民用飞机短舱防冰系统的特点,结合发动机结冰防护要求和适航条款的相关要求,阐述了短舱防冰性能分析的工程计算流程,并给出了提升计算效率的方法。在计算需求中重点分析归纳了短舱防冰的计算判据和常用计算工况,在计算模型中从外流场、内流场和耦合面3个域开展能量平衡和质量平衡分析,对计算网格提出了工程化的简化要求和方法;采用基于K近邻搜索的反距离加权插值算法,相比传统穷举法插值大幅提升了求解效率,且该方法具备网格无关性的特征;相较于经典的附面层积分法求解对流换热系数,本仿真模型在综合考虑三维效应和求解效率后,采用了外掠圆管的对流换热系数修正经验公式,并为后续模型修正提供了接口。基于自主搭建的民机防冰性能分析模型,开展了已有型号的短舱防冰性能分析,计算结果与试飞数据的表面温度对比表明,仿真中的优化满足工程分析需求且极大地提升了求解效率。     

基于交叉熵代价函数的DBN转子系统故障识别分析

针对传统转子系统故障诊断方法在处理复杂故障数据时存在收敛速度慢和识别精度低问题,提出一种基于交叉熵代价函数的深度置信网络(DBN)故障识别方法。其采用无监督算法初始化限制性玻尔兹曼机(RBM)的参数空间,交叉熵代价函数反向传递误差,优化参数空间,逐层堆叠重置后RBM构建深层模型;利用已有数据建立转子系统智能识别库;在MNISIT手写数字集和转子系统故障数据集上验证,与传统DBN相比,利用交叉熵惩罚函数的深度置信网络可消除由于激活函数本身梯度对参数空间更新速度的影响,能有效地提高分类的精度。     

含孔层合板剩余强度估算的应力场强法工程简化模型

开孔的存在会显著地降低复合材料结构的强度。基于应力场强法的思想,提出了一个预测含圆孔复合材料层合板剩余强度的工程简化模型。采用大量试验数据,对本文提出的应力场强法模型与其他典型的特征距离法模型进行了评估分析。结果表明,应力场强法和平均应力准则法预测能力要优于点应力准则法和损伤区域准则法,应力场强法预测值与试验吻合程度略优于平均应力准则法。     

基于SVM方法的APU故障预测方法

针对辅助动力装置(Auxiliary power unit,APU)故障预测时,仅基于快速存取记录器(Quick access recorder,QAR)数据存在实时性欠缺或精度不足的问题,提出了基于实时报文数据的APU故障预测方法。首先,对报文所采集的数据进行预处理,将每次航班的报文数据规整为一条数据集;其次,从参数阈值、维修记录及APU序列号变化情况等角度对数据集进行标注工作;随后,针对特征选择算法具有较差解释性的缺点,提出通过相关性分析选取能够表征APU运行性能的参数;最后,建立基于支持向量机(Support vector machine,SVM)的多参数故障预测模型并优化。经验证,该模型提高了预测正确率,为APU视情维修策略的制定提供参考。     

一种基于多源数据的网络实体推断方法

网络空间中的实体推断是网络空间测绘研究的重要内容之一,主要通过综合多源数据实现对网络空间中各类实体的分类与识别。本文首先提出了网络空间的实体分类模型,基于此模型提出了一种低开销的网络实体探测分类方法。首先对于探测发现的IP地址,采用别名解析技术将属于一个设备的多个IP映射为一个网络实体;然后采用决策树对网络实体分类进行粗粒度分类;最后,再基于贝叶斯网络进行详细分类。为验证分类效果,以江苏省某市为例进行了探测分析并与备案数据进行了对比,试验结果表明该方法可以有效地对网络空间中的各类实体进行判别,从而为网络空间地图构建、态势分析等应用提供技术支撑。     

基于平衡计分卡的航天器工程管理效能评估

近20多年来，中国航天在多个技术领域取得了持续的进步和巨大成就，但与美国、俄罗斯等航天强国相比，技术和管理层面都存在一定差距。为提升我国航天领域的国际竞争力，加快建设我国航天空间和技术安全，航天工程管理效能作为决策与管理的重要依据，亟待进行评估与优化。在界定航天工程管理内涵的基础上，基于平衡计分卡（Balanced scorecard,BSC）方法，通过设计一套管理评估模型和管理评估方法以开展航天工程管理效能评估。其中模型从价值、顾客、运营管理、成长发展4个维度构建出评估指标框架，并细化到各级指标的可考核内容，通过打分法、权重法相结合的方法开展管理评估。同时，对BSC在实际应用中可能存在的问题和关切点进行了分析，并结合具体案例提出了航天工程管理层面的评估设想，指出了选用指标和评估权重建议。本文致力于对航天体系管理效能的实际评估提供参考借鉴，帮助促进航天领域高质量、高效率、高效益的发展。     

一种基于倾斜影像线特征的三维模型优化方法

针对基于点云构建的建筑物模型通常存在的表面凹凸不平、边缘锯齿等现象,以及建筑物模型中存在的视觉效果不佳的问题,本文提出了一种基于倾斜影像三维线特征约束的三维模型优化方法。该方法以重叠区域为依据对线段进行质量评估与筛选。然后采用选权迭代思想对三维线段进行择优重构,以三角网为单元进行平面拟合与模型表面的纠正与优化,以三维线段为辅助对模型边缘的三角网进行纠正与优化。采用无人机倾斜摄影数据进行实验,将本文方法与Poisson表面重建方法进行了比较,结果表明本文方法有效地消除了平面凸包和边缘锯齿,边缘精度优化至1像素以内,平面精度优化至0.5像素,模型总体精度比Poisson表面重建方法提升了近1倍。此外,对比现有的完全基于点云模型重建算法,本文方法极大地改善了模型的视觉效果,保持了三维模型平面与边缘的特征,模型的边缘和表面精度都得到了提升。     

基于可变形卷积与特征融合的机场道面裂缝检测算法

机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征,现有算法检测效果不佳。针对此问题,本文构建了一种基于可变形卷积与特征融合的神经网络（Deformable convolution and feature fusion neural network,DFNet）模型。首先由可变形卷积模块来强化特征提取网络对裂缝形态特征的学习; 然后经多尺度卷积模块捕获不同感受野下裂缝的全局信息;最后通过特征融合模块来提取裂缝不同层次的特征,通过融合裂缝低级特征与高级特征,实现对机场道面裂缝的准确分割。在采集的实际机场道面裂缝数据集上,与其他6种现有算法进行了对比实验,本文算法在像素级分割的F1-Score上达到了90.95%,效果优于全部对比算法。DFNet算法提高了对机场道面裂缝检测的能力,实验结果表明本文算法较好地达到了工程实际要求。     

基于状态监测数据的航空发动机剩余寿命在线预测

针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程构建带比例关系的航空发动机隐含退化模型;其次,基于多台同类发动机的历史状态监测数据,对退化模型参数进行离线估计;然后,基于目标发动机的实时状态检测数据,利用贝叶斯原理同步更新退化模型漂移/扩散系数;最后,推导出航空发动机的剩余寿命概率密度函数。结合实例分析,验证了本文所提方法较传统方法具有更高的预测准确性与精度,具备潜在工程应用前景。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

基于可靠性的太阳能飞机多学科设计优化

针对太阳能飞机典型任务要求,建立了以总重最小为目标的多学科设计优化模型,考虑飞行性能、能量、重量3个学科的设计变量和相应约束条件。同时考虑设计变量的不确定性影响,将序列优化及可靠性评估方法引入到并行子空间优化过程中,顺序执行可靠性分析和多学科设计优化以提高执行效率。在优化过程中应用响应面近似并不断提高模型精度,降低了计算成本。利用iSIGHT软件搭建求解平台,以欧洲太阳能飞机"HeliPlat"作为算例,验证了分析模型的合理性和优化方法的有效性。基于可靠性的多学科设计优化框架有望用于更贴合工程实际的太阳能飞机设计。