姜苗
- 作品数：4 被引量：10H指数：2
- 供职机构：教育部更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于动态数据流挖掘的案例推理及其应用被引量：7
- 2011年
- 知识的获取、知识库的更新是案例推理技术的应用瓶颈,而许多案例推理系统中的知识库都是静态不变的,满足不了实际问题变化的需要。首先阐述了相关概念,接着提出了一种基于动态数据流挖掘的案例推理模型,其中动态数据流挖掘算法采用改进的数据流聚类算法。通过此模型使用基于动态数据流挖掘的案例推理技术,对数据进行实时挖掘,产生连续、动态的临时案例库,实现知识库的实时更新,从而满足实际问题变化的需要。最后通过该模型在实际中的应用说明其有效性。
- 戴奇波倪志伟王超王超
- 关键词：数据流聚类
- 基于迁移学习的滚动轴承剩余使用寿命预测
- 2024年
- 为解决轴承剩余使用寿命预测模型预测泛化能力低,不能准确预测出未训练轴承剩余使用寿命的问题,本文提出了一种迁移轴承状态知识的剩余使用寿命的方法。利用计算时域、频域特征以及模糊熵作为预测特征,使用“3σ”准则将轴承全寿命过程划分为正常阶段、退化阶段,以实现对退化阶段轴承剩余使用寿命的预测。构建基于门控循环单元的轴承剩余使用寿命预测模型,并使用某一轴承的全寿命周期数据进行训练,使模型学习到新轴承的状态信息。研究表明:相较于未使用迁移学习的方法,其预测所有轴承的轴承剩余使用寿命平均均方根误差减小了52.53%,平均百分比误差减少了68.87%。本文提出的方法可以有效、准确地预测出轴承的轴承剩余使用寿命。
- 姜苗姜苗向阳
- 关键词：滚动轴承模糊熵
- 在线挖掘数据流混合窗口中闭频繁项集被引量：2
- 2010年
- 在数据流挖掘中,界标窗体考虑了历史模式对当前挖掘的影响,但没考虑到随时间的推移模式衰减的问题。滑动窗口能记录最新、最有用的模式,但窗口的最佳大小无法准确确定。针对一些仿真系统中具有数据流特点的数据,提出了一种挖掘混合窗口中闭频繁项集的方法T-Moment。该方法能在单遍扫描数据流的条件下完整地记录模式信息。同时,T-Moment提出的减枝方法能很好地降低滑动窗口树F-tree的空间复杂度与闭频繁模式树T-tree的维护代价。此外,该方法提出的时间衰减机制能区分历史和最新模式。大量仿真实验结果表明,T-Moment有很好的效率和准确性。
- 倪志伟姜苗王超王超
- 关键词：仿真数据
- 数据流时间窗口中闭频繁项集的在线挖掘被引量：1
- 2011年
- 在数据流闭频繁项集挖掘过程中,常忽略历史模式对挖掘结果的影响,并采用一种结构来标记闭频繁项集的类型,导致算法的效率不高.为此提出一种挖掘数据流时间窗口中闭频繁项集的方法NEWT-moment.该方法能在单遍扫描数据流事务的条件下完整地记录模式信息.同时,NEWT-moment提出的剪枝方法能很好地降低滑动窗口树F-tree的空间复杂度与闭频繁模式树NEWT-tree的维护代价.此外,该方法提出的时间衰减机制能区分历史和最新模式对挖掘结果的影响;并且,NEWT-tree直接存储闭频繁项集,可随时快速读取闭频繁项集.与T-moment算法相比,算法不需要删除历史数据,不需要记录事务时标,标记各节点,降低了算法的时间和空间复杂度.大量实验结果表明,NEWT-moment有很好的效率和准确性.
- 姜苗倪志伟孟金华周之强
- 关键词：数据流
