检索结果-内蒙古大学图书馆

中国石油大学学报（自然科学版） 2017年第3期41卷 129-135页

作者：付建民李成美东静波熊涛张洪杰李宏浩中国石油大学海洋油气装备与安全技术研究中心山东青岛266580 中国石油天然气股份有限公司新疆油田分公司新疆克拉玛依834000

为减小数据缺失或数据不确定对安全完整性等级(SIL)验证结果的影响,引入基于有限差分法的参数重要度评估方法,分别对低要求操作模式及高要求操作模式下的多个典型冗余结构进行参数重要度计算,对SIL验证所需参数进行重要度排序,并通过Mon... 详细信息

为减小数据缺失或数据不确定对安全完整性等级(SIL)验证结果的影响,引入基于有限差分法的参数重要度评估方法,分别对低要求操作模式及高要求操作模式下的多个典型冗余结构进行参数重要度计算,对SIL验证所需参数进行重要度排序,并通过Monte-Carlo方法对重要参数进行仿真,建立数据不确定条件下的SIL验证评估方法,并以某分液系统为例进行SIL验证。结果表明:该数据不确定性条件下的SIL验证方法能够结合工程实际完成安全仪表系统的SIL等级评估,并能有效减小数据缺乏等不确定性因素对SIL验证结果的影响。

关键词：数据不确定安全完整性等级 Monte-Carlo模拟安全仪表系统敏感性分析

来源：评论

学校读者我要写书评

暂无评论

数据不确定的网络优化问题的研究

数据不确定的网络优化问题的研究

引用

作者：胡捷中国科学院数学与系统科学研究院

学位级别：博士

社会生活的各个方面都离不开决策和优化，然而实际的决策和优化的过程中总是存在各种各样的不确定性因素，这使得数据不确定的优化问题或者决策问题得到了学者们的广泛重视。近年来，学者们提出了处理数据不确定的优化问题的一个比较有... 详细信息

社会生活的各个方面都离不开决策和优化，然而实际的决策和优化的过程中总是存在各种各样的不确定性因素，这使得数据不确定的优化问题或者决策问题得到了学者们的广泛重视。近年来，学者们提出了处理数据不确定的优化问题的一个比较有效的方法——鲁棒优化模型。有不少学者对鲁棒模型下的组合优化问题做了很多研究，但是可惜的是，虽然鲁棒模型可以很好的描述数据不确定情形下的优化问题，然而几乎所有鲁棒组合优化问题都是NP-难的，即不太可能有多项式时间的算法可以求解鲁棒组合优化问题。即便学者们用区间来刻画不确定的数据，得到的鲁棒组合优化问题仍然是NP-难的。\n 在以上的背景下，提出了用“风险”这一概念来刻画不确定的区间数据，建立了最小风险和目标和最小最大风险目标下的几个基本的网络优化问题。\n 第二章研究了最小风险和模型下的路和支撑树的选择问题。当网络G=(V,E)中的每条边e∈E的权值xe在区间[le,ue]内取值时，定义e上的风险为re=ue-xe/ue-le。根据这个定义，建立了最小风险和路问题和最小风险和支撑树问题。最小风险和模型的最优解有一个很好的结构性质，即最优的路或者支撑树上最多只有一条边的权值是在不确定区间内取值，其他边上的权值要么是区间的下界，要么是区间的上界。利用这个性质给出了最小风险和路和最小风险和支撑树问题的多项式时间的算法。从这一点上看，模型要优于NP-难的鲁棒组合优化问题。而且通过数值模拟实验可以看到，模型可以针对不同的风险喜好的决策者，根据不同的阀值限制，给出具有不同风险和的路或支撑树以及其每条边上的权值分配方案。所以，模型比鲁棒优化模型有更好的弹性和适应性。另外，还研究了把风险和作为约束的情形下的组合优化问题，这个问题也是多项式时间可解的。这也说明了用风险来刻画网络连接边上的不确定数据后建立的优化模型有很好的适应性和可操作性。\n 第三章沿用第二章的风险的概念，讨论了最小最大风险路问题和最小最大风险支撑树问题。与最小风险和模型不同的是，最小最大风险模型的解遵循一定的“公平”原则，即最优的路或者支撑树上的每条连接边都承担相同的风险。同样可以给出这两个问题的多项式时间的算法，而且算法也能根据不同的阀值限制，给出具有不同最小最大风险的路或支撑树以及每条边上的权值分配方案，并且还简单讨论了最大最小风险模型下的这两个问题的解的性质。\n 第四章把最小风险和模型和最小最大风险模型推广到斯坦纳树问题上，证明了在这两个模型下的斯坦纳树问题是NP-完备的。根据最小风险的斯坦纳树问题的特性，结合经典的最小斯坦纳树问题的近似算法，分别给出了这两个模型下的斯坦纳树问题的多项式时间的近似算法。给出了最小风险和问题的一个近似比为(α，β)(特别的可取α=β=4+2√2)的双因子近似算法。另外，给出近似算法可以计算出最小最大风险和问题一个近似解，它的风险值低于阀值减半的最小最大风险问题的最优值。\n 综上所述，本文的贡献就在于提出了数据不确定的网络优化问题中一个新的刻画不确定数据的“风险”模型，并且研究了在此模型下的几个基本的网络优化问题。与经典的求解不确定性优化问题的鲁棒模型相比较，提出的新模型有以下两大优点：\n 一、不管是最小风险和模型还是最小最大风险模型，它们都是多项式时间可解的，这说明新模型更具有可操作性；\n 二、它们可以根据决策者的不同需求和风险喜好，即不同的阀值限制，提供不同风险值下的决策方案，并且还能给出决策方案中每项变量的具体取值，让决策者对可供选择的方案一目了然，这一点说明新模型更有弹性，在实际问题中有更好的适应性。\n 由于网络优化问题仅仅只是组合优化问题中的一小部分，在今后的工作中，可以把本文提出的风险模型应用到其他的数据不确定的组合优化问题上。

关键词：数据不确定区间数据网络优化鲁棒组合优化

来源：评论

学校读者我要写书评

暂无评论

计及用户侧数据不确定性的台区线损粗糙算法

引用

电力需求侧管理 2020年第6期22卷 33-38,44页

作者：卢德龙王巨灏张颖黄馨仪吴阳国网江苏省电力有限公司苏州供电分公司江苏苏州215004 清华大学电机工程与应用电子技术系北京100084

台区线损治理是电网公司消费侧运营管理的核心议题,也是提质增效保障电网利润的基础。依托安装的电能信息采集终端,电网营销系统采集维护着海量的用户数据,利用实时采集的电网大数据去探知电网的运行情况并进行及时的维护是台区线损治... 详细信息

台区线损治理是电网公司消费侧运营管理的核心议题,也是提质增效保障电网利润的基础。依托安装的电能信息采集终端,电网营销系统采集维护着海量的用户数据,利用实时采集的电网大数据去探知电网的运行情况并进行及时的维护是台区线损治理的有效途径。电网监测采集的数据量虽然庞大,但面对复杂的台区线损不合格原因仍然捉襟见肘。利用已知的采集数据,建立数据与故障原因之间的因果关系链可极大的减轻运维人员的工作压力,提升线损治理水平。海量的监控终端在采集、通信与维护的过程中必然存在着数据的不准确性,提出利用粗糙集理论解决用户侧数据的不确定性,给出了不同故障下的特征数据,分析了故障与数据的内在联系,实现了故障参数特征数据的解耦。给出了导致台区故障原因的分类,并验证了所提出分类方法的正确性。

关键词：线损数据不确定粗糙集理论

来源：评论

学校读者我要写书评

暂无评论

基于元组存在性的概率数据模型研究

引用

计算机科学 2012年第B6期39卷 265-270页

作者：陈鹏北京语言大学北京100083

随着信息与通讯技术的快速发展,数据管理正面临着越来越多的挑战,其中之一就是数据的不确定性。提出一种基于元组存在性的概率数据模型(PDMET),将该模型与目前存在的模型相比较,并证明了该模型的完整性,同时提出相应的概率关系代数和概... 详细信息

随着信息与通讯技术的快速发展,数据管理正面临着越来越多的挑战,其中之一就是数据的不确定性。提出一种基于元组存在性的概率数据模型(PDMET),将该模型与目前存在的模型相比较,并证明了该模型的完整性,同时提出相应的概率关系代数和概率数据库查询算法。

关键词：数据不确定概率数据库概率数据模型概率关系代数

来源：评论

学校读者我要写书评

暂无评论

基于元组存在性的概率数据模型研究

基于元组存在性的概率数据模型研究

引用

2011 2nd International Conference on Management Science and Engineering(MSE 2011)

作者：陈鹏北京语言大学

随着信息与通讯技术的快速发展,数据管理正面临着越来越多的挑战,其中之一就是数据的不确定性。本论文提出一种基于元组存在性的概率数据模型(PDMET),并证明了该模型的完整性,同时提出相应的概率关系代数和算法。

关键词：数据不确定概率数据库概率数据模型概率关系代数

来源：评论

学校读者我要写书评

暂无评论

基于不确定相似性度量学习的三维模型草图检索

引用

沈阳大学学报（自然科学版） 2023年第5期35卷 406-413,441,F0003页

作者：梁迪卢列兆沈阳大学机械工程学院沈阳110044

对于把手绘图像以及三维模型同时映射到一个联合特征嵌入空间和草图噪声给检索性能带来的影响,分析了跨模态匹配和草图噪声。将师生策略和数据不确定学习相结合,构建了一种基于不确定相似性度量学习的三维模型草图检索方法(uncertainty ... 详细信息

对于把手绘图像以及三维模型同时映射到一个联合特征嵌入空间和草图噪声给检索性能带来的影响,分析了跨模态匹配和草图噪声。将师生策略和数据不确定学习相结合,构建了一种基于不确定相似性度量学习的三维模型草图检索方法(uncertainty similarity metric learning, USML)。首先利用基于师生策略的三维形状语义相似度度量学习方法代替现有的跨域共享特征嵌入方法以提升检索的效率;然后,受数据不确定学习的启发,采用不确定学习来解决草图中噪声导致的严重过拟合并损害特征学习的问题。在大型公开基准数据集SHREC13和SHREC14上的实验结果验证了方法的有效性。结果表明,与深度点到子空间度量学习(depth point to subspace metric learning, DPSML)、深度相关度量学习(deep correlation metric learning, DCML)及深度相关整体度量学习(deep correlation holistic metric learning, DCHML)等未考虑噪声影响的算法相比,USML对基于抗噪草图的三维形状检索的效率提升至关重要。

关键词：三维模型检索基于草图的检索师生策略数据不确定度量学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：