Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Nghiên cứu về phân loại thông minh thông tin an toàn đa thuộc tính và xác định môi trường vận hành
Tóm tắt
Để phân tích an toàn hệ thống thông qua dữ liệu vận hành hệ thống tại hiện trường, đặc biệt là thông tin vận hành hệ thống do các nhà điều hành cung cấp, và để xác định phạm vi môi trường vận hành an toàn của hệ thống, phương pháp khai thác thông tin an toàn đa thuộc tính thông minh được áp dụng. Các định nghĩa và phương pháp mới về phân loại vòng thuộc tính được đề xuất. Cải tiến là sử dụng đa giác thuộc tính bên trong và đa giác thuộc tính bên ngoài để xây dựng vùng thuộc tính của đối tượng. Phương pháp Monte Carlo được sử dụng để tính toán diện tích chồng lắp của vùng thuộc tính đối tượng, và định nghĩa sự chồng lắp và chuyển đổi với tính tương đồng, được tính toán qua độ chồng lắp và khoảng cách giữa hai điểm trong không gian đa chiều. Phương pháp suy diễn phân loại đối tượng và phương pháp phân tích môi trường thích ứng hệ thống được thiết lập. Phương pháp phân tích tính tương đồng cải tiến phù hợp hơn cho việc thực hiện trên máy tính và phân tích thông minh. Dựa trên nghiên cứu trước đây, bài báo này cũng phân tích tính tương đồng của đánh giá an toàn vận hành do 30 nhà điều hành của một hệ thống điện cung cấp, và thu được tính tương đồng theo cặp. Kết quả cho thấy rằng các kết quả phân loại thuật toán có sự tương ứng tốt với mức quyết định của dữ liệu gốc, và phạm vi môi trường vận hành an toàn của hệ thống đã được xác định, điều này có thể tạo nền tảng cho nghiên cứu sâu hơn về phân loại thông minh và tối ưu hóa môi trường vận hành an toàn của hệ thống.
Từ khóa
#an toàn hệ thống #thông tin đa thuộc tính #khai thác thông minh #phân tích tương đồng #môi trường vận hành an toànTài liệu tham khảo
Afraei S, Shahriar K, Madani SH (2019a) Developing intelligent classification models for rock burst prediction after recognizing significant predictor variables, section 2: designing classifiers. Tunn Undergr Space Technol 84:522–537
Afraei S, Shahriar K, Madani SH (2019b) Developing intelligent classification models for rock burst prediction after recognizing significant predictor variables, section 1: literature review and data preprocessing procedure. Tunn Undergr Space Technol 83:324–353
Ahmad A, Cuomo S, Wu W et al (2019) Intelligent algorithms and standards for interoperability in internet of things. Fut Generat Comput Syst 92:1187–1191
Akpinar P, Khashman A (2017) Intelligent classification system for concrete compressive strength. Procedia Comput Sci 120:712–718
Ali Z, Hossain MS, Muhammad G et al (2018) An intelligent healthcare system for detection and classification to discriminate vocal fold disorders. Fut Generat Comput Syst 85:19–28
Bergamasco LCC, Nunes FLS (2019) Intelligent retrieval and classification in three-dimensional biomedical images—a systematic mapping. Comput Sci Rev 31:19–38
Chaitanya BK, Yadav A (2018) An intelligent fault detection and classification scheme for distribution lines integrated with distributed generators. Comput Electr Eng 69:28–40
Chang BG, Zang HY (2018) Time series classifier design based on piecewise dimensionality reduction and updated dynamic time warping. Coden Jyiidu 38(07):1910–1915
Chi YX, Zhao SL (2018) Text feature selection based on inclusion degree and frequent pattern. J Chin Inf Proc 32(08):91–102
Cui TJ, Li SS (2017) Study on the relationship between system reliability and influencing factors under big data and multi-factors. Cluster Comput. https://doi.org/10.1007/s10586-017-1278-5
Cui TJ, Li SS (2018a) Deep learning of system reliability under multi-factor influence based on space fault tree. Neural Comput Appl. https://doi.org/10.1007/s00521-018-3416-2
Cui TJ, Li SS (2018b) Study on the construction and application of discrete space fault tree modified by fuzzy structured element. Cluster Comput. https://doi.org/10.1007/s10586-018-2342-5
Cui TJ, Li SS (2019a) Research on basic theory of space fault network and system fault evolution process. Neural Comput Appl. https://doi.org/10.1007/s00521-019-04247-0
Cui TJ, Li SS (2019b) Research on complex structures in space fault network for fault data mining in system fault evolution process. IEEE Access. https://doi.org/10.1109/ACCESS.2019.2937641
Cui TJ, Ma YD (2014) Definition and understand on size set domain and cut set domain based on multi-dimensional space fault tree. China Saf Sci J 24(4):27–32
Cui TJ, Ma YD (2015a) Definition of the attribute circle in factors space and its application in object classification. Comput Eng Sci 37(11):2170–2174
Cui TJ, Ma YD (2015b) Research on the similarity of object classification of attribute circular and application based on factors space. Fuzzy Syst Math 29(6):56–64
Cui TJ, Ma YD (2015c) The definition and cognition of the factor importance distribution in continuous space fault tree. China Saf Sci J 25(3):24–28
Cui TJ, Ma YD (2016) The construction of fuzzy structured element characteristic function and the significance of structure elemented in DSFT. Fuzzy Syst Math 30(2):144–152
Cui TJ, Wang PZ, Li SS (2017) The function structure analysis theory based on the factor space and space fault tree. Cluster Comput 20(2):1387–1398
Gao XT (2018) Modeling and optimization of gene microarray date classification based on intelligent optimization. Zhejiang University, Hangzhou
Guo ZR (2018) Research of time series classification model based on bp neural network and semi-supervised learning. Taiyuan University of Technology, Taiyuan
Hen WB, Zeng LL (2019) Intelligent face recognition algorithm based on spectral feature extraction and linear regression classification. Appl Res Comput. http://kns.cnki.net/kcms/detail/51.1196.TP.20180811.1326.038.html. Accessed 1 May 2019
Herbert D, Kang BH (2018) Intelligent conversation system using multiple classification ripple down rules and conversational context. Expert Syst Appl 112:342–352
Isa NAM, Sani ZM, Al-Batah MS (2011) Automated Intelligent real-time system for aggregate classification. Int J Miner Process 100:1–2
Jusman Y, Isa NAM, Adnan R et al (2012) Intelligent classification of cervical pre-cancerous cells based on the FTIR spectra. Ain Shams Eng J 3(1):61–70
Khaleghian S, Taheri S (2017) Terrain classification using intelligent tire. J Terrramech 71:15–24
Legashev LV, Letuta TV, Polezhaev PN et al (2019) Monitoring, certification and verification of autonomous robots and intelligent systems: technical and legal approaches. Procedia Comput Sci 150:544–551
Li SS, Cui TJ, Liu J (2017) Study on the construction and application of cloudization space fault tree. Cluster Comput. https://doi.org/10.1007/s10586-017-1398-y
Li JX, Zhao SL, An L et al (2018a) Scaling-up algorithm of multi-scale classification based on fractal theory. Comput Sci 45(S1):453–459
Li SS, Cui TJ, Liu J (2018b) Research on the clustering analysis and similarity in factor space. Int J Comput Syst Sci Eng 33(5):397–404
Peng JX (2018) Data detection based on intelligent classification algorithm. J Univ Jinan (Sci Technol) 32(05):412–416
Seera M, Lim CP (2014) A hybrid intelligent system for medical data classification. Expert Syst Appl 41(5):2239–2249
Seera M, Wong MLD, Nandi AK (2017) Classification of ball bearing faults using a hybrid intelligent model. Appl Soft Comput 57:427–435
Shen YL (2018) Research on SVW feature selection and parameter optimization based on improved fireworks algorithm. Anhui University, Hefei
Shi LY, Zhou RJ, Zhang WJ, et al (2018) Load classification method using deep learning and multi-dimensional fuzzy C-means clustering. In: proceedings of the CSU-EPSA, October 3. https://doi.org/10.19635/j.cnki.csu-epsa.000089
Xie HH (2018) The classification algorithm based on unbalanced data set and its application in communication intelligent operation. Beijing University Of Posts And Telecommunications, Beijing
Zeng JS, Rao YB (2018) Intelligent classification of massive information based on conflict game algorith. Comput Sci 45(08):208–212
Zhang RC, Du YB, Xue L et al (2018) A hybrid large sample credit evaluation model based on combining similar samples. J Manag Sci China 21(07):77–90
Zhao Y, Wang HW (2018) Intelligent classification of railway communication equipment manufactures information based on cluster analysis. Railw Comput Appl 27(07):75–79
Zhi HX, Yu HT, Shaomei LI, et al (2018) A deep metric learning based video classification method. J Electron Inf Technol. October 3, 2018, http://kns.cnki.net/kcms/detail/11.4494.TN.20180822.1023.004.html. Accessed 1 May 2019