摘要：特性黏度是衡量聚酯熔体质量的关键指标,对其进行精准预测有利于提前发现聚酯熔体潜在的质量问题,及时调整工艺参数,减少企业损失.考虑到聚酯熔体生产过程的数据不完备性、数据时序性以及高维冗余性,提出了不完备数据下聚酯熔体的特性黏度预测方法.针对聚酯熔体极端生产环境造成的数据不完备问题,设计了以卷积神经网络判别器和注意力长短期记忆神经网络生成器为架构的缺失数据生成对抗网络(MDGAN),通过对抗生成机制实现了缺失数据的填充.针对聚酯熔体生产过程中高维冗余和时序双向因果特性,设计了基于极端梯度提升双向门控循环单元(XGBoost-BiGRU)的特性黏度预测模型,通过极端梯度提升算法进行特征筛选,获取预测模型输入变量,再利用双向门控循环单元捕捉数据的时序双向因果关系,实现特性黏度的精准预测.浙江某聚酯纤维生产企业的实际数据测试结果表明,MDGAN算法在不同缺失率数据集下的填充精度均优于KNN、RF、MICE、GAIN数据填充算法,XGBoost-BiGRU特性黏度预测方法较STL-GPR、CAGRU、BiGRU算法优势显著,结合MDGAN的特性黏度预测方法能有效解决数据不完备下的聚酯熔体特性黏度预测问题.

摘要：实际应用中,数据常常表现出不完备性和动态性的特点。针对动态不完备数据中的特征选择问题,提出了一种基于相容粗糙集模型和信息熵理论的增量式特征选择方法。首先,建立了不完备信息系统中特征值动态更新时论域上条件划分与决策分类的动态更新模式,分析了作为特征重要度评价准则的不完备相容信息熵的增量计算机制,并将该机制引入到启发式最优特征子集搜索过程中特征重要度的迭代计算,进一步设计了不完备数据中面向特征值动态更新的增量式特征选择算法。最后,在标准UCI数据集上从分类精度、决策性能和计算效率3个方面对文中所提出的增量算法的有效性和高效性进行了实验验证。

摘要：多标记数据的特征选择是机器学习和数据挖掘领域的重要研究内容,当前对于多标记数据的特征选择研究大多是针对完备性数据,但在许多应用领域中,连续型数值数据较多,且由于诊测成本和隐私保护等因素导致数据往往呈现出不完备性。为解决上述问题,提出了一种面向多标记不完备数据的特征选择算法。该算法将邻域粗糙集模型应用于多标记不完备数据的特征选择,根据邻域阈值求解多标记不完备数据的邻域粒度,并基于邻域粒度给出了度量多标记不完备数据的特征重要性准则,以此设计了面向多标记不完备数据的特征选择算法。最后,通过在Mulan数据集上的实验结果验证了算法的有效性和可行性。

摘要：代价敏感下的特征选择是机器学习和数据挖掘领域的重要研究内容,目前基于代价敏感的特征选择研究主要是面向单标记的数据,由于在许多应用领域数据往往是多标记连续型数据,且在数据获取过程中由于技术或成本限制导致数据呈现出不完备性.为解决上述问题,提出了一种基于测试代价的多标记不完备数据特征选择算法.首先,算法利用粗糙集模型计算多标记不完备数据下的邻域粒度,并用均匀分布和正态分布两种分布函数计算每个特征的特征代价;然后,提出了一种基于测试代价的特征重要性计算方法,并在核特征的基础上,设计了启发式的特征选择算法;最后,通过在Mulan数据集上的实验结果进一步验证了算法的有效性和可行性.

摘要：动态Bayesian网是复杂随机过程的图形表示形式 ,从数据中学习建造动态Bayesian网是目前的研究热点问题 .本文针对该问题提出了一种遗传算法 .文中设计了结合数学期望的适应度函数 ,该函数利用进化过程中的最好动态Bayesian网把不完备数据转换成完备数据 ,使动态Bayesian网的学习分解为两个Bayesian网 (初始网和转换网 )的学习 ,简化了学习的复杂度 .此外 ,文中给出了网络结构的编码方案 ,设计了相应的遗传算子 .模拟实验结果表明 ,该算法能有效地从不完备数据序列中学习动态Bayesian网 。

摘要：为了在地面根据卫星遥测数据有效把握在轨卫星反作用轮的健康状态,设计了一种合成残差式的反作用轮故障检测方法.该方法针对在轨遥测数据的特点,根据实际可获得的闭环控制反作用轮遥测数据,利用极端梯度提升(XGBoost)回归模型进行转速预测生成残差,并结合黏性摩擦因数对摩擦力矩突变的敏感性进行故障检测.此外,还针对在轨遥测数据不完备的情况,对检测方法进行了验证.结果表明,该方法对于常见的在轨卫星反作用轮故障均有较好的检测效果.合成残差式故障检测方法不依赖于故障样本,对于数据样本的要求也较低,因此在实际地面故障检测系统中具有一定的应用价值.

摘要：在遥感监测和传感信息服务等场景中,会出现数据缺失,为了提高信息服务系统中不完备数据集缺失数据的恢复能力,提出一种基于局部加权重构的缺失数据自动恢复系统的设计方法,进行缺失数据的恢复算法设计和系统软件开发设计。构建信息服务系统缺失数据的大数据采样模型,对采集的不完备数据集采用关联组合方法进行信息重构,结合自相关融合滤波检测方法进行信息服务系统中不完备数据集缺失数据的自适应检测滤波,提取数据集的关联规则集,根据数据的关联规则特征信息进行缺失数据的自动修复,采用局部加权学习方法实现信息服务系统中不完备数据集缺失数据的自动恢复寻优控制,提高数据自动恢复能力。在集成ARM环境下实现缺失数据自动恢复系统设计,系统功能模块分为数据库模块、信息处理模块、程序加载模块和人机交互模块等。测试结果表明,设计的系统对缺失数据的恢复性能较好,恢复准确性较高。

摘要：目的:以临床类指标建立基于极限梯度增强(extreme gradient boosting,XGBoost)、基于梯度提升树的分类器(light gra-dient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)、多层感知器(multilayer perceptron,MLP)等4种分类器的糖尿病预测模型,并评价其筛查效果。方法:根据病例对照研究设计采集研究组、对照组的99项临床类数据,使用py-thon3.8进行了分析,接着采用线性插补、固有非负隐特征(inherent non negative implicit features,INLF)模型等方法对特征缺失值进行了预测,然后使用4种分类器构建分类模型来检测糖尿病。结果:3241例高血压合并糖尿病患者作为研究组,4181例高血压患者作为对照组被纳入模型进行分析,包含99个特征,通过基于XGBoost、LightGBM、AdaBoost和MLP等4种分类器的糖尿病鉴别分类准确率分别为0.8949、0.8875、0.8620、0.8566。结论:本研究提出基于INLF预测的分类器模型框架的筛查效果较好,初步解决了通过机器学习来进行糖尿病早期筛查的问题,对临床诊断具有一定的实际意义,可作为一种简单、有效的糖尿病及其并发症筛查的方法。

摘要：为了解决不完备勘探数据条件下地质强度指标法分析精度不足的问题,本研究采用地质强度指标法取代经验系数法设计有限元分析的参数设定方法,解决二者结合后,比较标准偏差率1倍σ值,有限元法结合地质强度指标法对比单纯有限元法,均值提升25.77倍,中位数提升25.70倍;有限元法结合地质强度指标法对比单纯地质强度指标法,均值提升111.03倍,中位数提升110.70倍。研究中将单纯岩体强度指标法与单纯有限元法相结合,形成有限元法结合岩体强度指标法的综合分析方法,发挥了岩体强度指标法对地质参数的整理效果,优化了各地质参数之间的传导关系,使原始参数的设定更佳,使得边坡稳定评价精度得到大幅度提升。