基于车位预测模型的停车场推荐系统的研究与设计

这是一篇关于停车诱导系统,车位预测,组合模型,马尔科夫链,多属性决策的论文, 主要内容为现实生活中,车位使用情况受各种条件影响导致无法精确预测。通过研究车位空闲率,提高其预测精度,使诱导系统总体服务代价最小具有重要意义。本文主要包括:首先,为了提高停车场车位空闲率预测精度,建立组合模型(小波分解自适应卡尔曼滤波-神经网络预测模型)。该方法是将车位空闲率序列进行小波分解,得到高频序列与低频序列信号,低频序列信号使用自适应卡尔曼滤波预测模型来展开研究并预测,高频序列信号采用神经网络模型展开研究并预测,最后将两个频率上的预测结果进行融合,得到最终的预测序列,实验得出此组合模型预测效果更优。其次,为解决停车场容错性问题,本文提出基于马尔科夫链的停车场间联合预测模型。首先通过目标停车场找出其可接受距离范围内的停车场集合。对于该集合的停车场,通过马尔科夫模型构造马尔科夫链,生成对应的转移矩阵,将短时预测的行向量发送给目标停车场代理进行计算累计预测,同时能增加停到车的概率。再者,建立离差最大化多属性决策算法来进行最终的推荐。利用6种属性值作为指标,并将这些指标分为不同类型来分析,其中指标停车可行性的值来源于基于小波分解自适应卡尔曼滤波-神经网络预测模型预测之后的值,指标停车容错性的值来源于基于马尔科夫链停车场间联合预测之后的值,最后通过指标值综合决定最终的推荐结果,并将推荐结果展示在最终开发的APP上。最后,本文设计开发了一套停车诱导系统APP,该系统主要从两方面开发:Android前端开发和服务器开发。服务器端软件包括:预测与决策模块、数据采集模块、定位与路径规划模块、登录注册模块。其中预测模块包括基于小波分解自适应卡尔曼滤波-神经网络预测和基于马尔科夫链的停车场间联合预测。Android前端包括:数据请求与解析模型、登录注册界面模块、停车场列表推荐界面模块、地图标记界面和路径规划界面。最后,对本文开发的停车诱导系统APP进行了测试,测试结果表明,本文开发的停车诱导系统APP有效降低了诱导系统的服务代价。

基于属性和区块链的工业控制系统访问控制方法研究

这是一篇关于工业控制系统,属性加密,多属性决策,跨域访问,微服务的论文, 主要内容为近年来,工业控制系统(Industrial Control System,ICS)呈现层次化、异构化、分布式的特点,开放的分布式环境中关于ICS的安全问题不断发生。传统的访问控制技术在互联网安全防护领域已经取得了广泛的应用,但是在ICS多任务协作场景下存在细粒度访问控制力度不足、跨域访问控制安全性不强等问题。论文对工业控制系统访问控制相关属性进行研究,通过对传统访问控制模型进行改进,结合多属性决策、区块链等技术主要对ICS环境下多任务协作过程和跨域数据共享过程中的访问控制方法开展了研究。主要研究工作如下:1.针对ICS在协作环境中存在各种权限转接、权限频繁变动而导致的无法进行细粒度的访问控制等问题,提出了一种基于多属性决策的ICS访问控制模型(Multi Attribute Task-Based Access Control Model,MATRBAC)。该模型首先通过引入多属性决策算法熵权TOPSIS算法对访问控制中环境、资源、任务等多属性因素进行评估分析,动态反应协作过程中任务权限变更的风险值;然后通过分析用户的历史访问记录,提出了一种计算用户信任值的算法来动态调整用户的访问权限;最后实验结果表明,该模型可满足ICS多任务协作环境下的动态授权和细粒度访问控制需求,相较于现有模型具有更好的权限描述能力。2.针对传统ICS跨域访问需要在可信第三方的中心化服务器上进行而导致的信息泄露、存在性能上限、容易遭受攻击等问题,提出了一种基于区块链的ICS跨域访问控制模型。该模型首先利用区块链在安全和去中心化方面的优势,将区块链集成在基于属性的访问控制架构中,并利用区块链进行授权决策,使得跨域访问控制更加公平可信、可验证和去中心化;然后提出了一种通用属性库映射策略,避免了不同域之间的属性直接映射而造成的属性信息泄露;最后利用区块链技术设计了一种去中心化的CP-ABE授权架构(BDCP-ABE),并将其与XACML标准相结合,有效保护了ICS跨域访问过程中信息的隐私性。实验结果表明,所提方案具有较高的效率和安全性。3.为了证明论文所提出方案的可行性,并减轻管理员的监管负担,基于微服务架构,设计实现了一个面向ICS的权限授权与监管系统。首先将系统进行模块拆分为基于多属性决策的访问控制服务、基于区块链的跨域访问控制服务两个服务;然后使用Spring Cloud来构建微服务系统架构,并对每个服务进行独立部署;最后基于微服务的设计原则,将论文第3、4章所提出的MATRBAC模型和DABAC模型集成到微服务系统架构,对每个服务单独开发测试。测试结果表明,该系统能够实现ICS安全稳定的权限授权与监管,并具有良好的可扩展性。

基于CBR和MADM的多Agent推荐系统研究

这是一篇关于推荐系统,多Agent,案例推理,多属性决策,JADE的论文, 主要内容为随着电脑及万维网的普及,通过Web获取信息并购买产品已经成为主流。然而网络上的信息资源以爆炸式的速度增长着,人们在购买产品之前要耗费大量的时间和精力去获取相关信息并筛选产品,于是出现了“rich data, poor information”的尴尬局面。为了解决这个问题,研究者提出了很多解决方案,推荐系统便是其中之一。 然而,现有的电子商务推荐系统却存在由于数据稀疏而引起的推荐质量低、推荐算法单一(基于协同过滤的推荐技术和基于内容的推荐技术)、只考虑产品属性值全部为精确或全部为非精确的情况等缺点。 针对上述问题,本文主要在以下几个方面对推荐系统做了深入研究: 1.在推荐系统中应用Agent技术,充分发挥其智能性、反应性、主动性等特点,可为资源发现和推荐提供强大的技术支持。提出了一种基于多Agent的推荐系统整体架构模型——CMARS(CBR-based Multi-Attribute Multi-Agent Recommendation System),设计了该系统各组成部分的功能、结构和流程。该系统由5种功能相互独立的Agent构成,它们 之间相互分工合作共同完成推荐任务,克服了传统推荐系统存在的局限性。2.将案例推理方法引入到推荐系统中,可对数据的稀疏性问题进行一定程度的改善。研究了案例的表示方法,能够完整有效地表达用户的自身特征和在购买过程中的各种需求信息。 3.算法方面,在考虑了属性分类的基础上提出了基于距离的混合数据类型的相似性度量方法和基于TOPSIS的多属性决策方法。在本算法中,用户的需求信息可为精确型的也可为非精确型的,具有更大的现实意义。 4.基于以上的技术和算法,本文初步实现了一个教材推荐系统,并设计了相应的实验对两种算法进行测试。实验结果表明,基于混合相似性度量的检索算法和基于TOPSIS的多属性决策算法均具有较高的推荐精度。 总之,本文将CBR方法,MADM方法和多Agent技术整合应用于电子商务推荐系统,并在混合数据的相似性度量和TOPSIS决策排序方面做了有益的尝试,本文的研究结果对于电子商务推荐系统、Web服务均有一定的参考价值。

基于CBR和MADM的多Agent推荐系统研究

这是一篇关于推荐系统,多Agent,案例推理,多属性决策,JADE的论文, 主要内容为随着电脑及万维网的普及,通过Web获取信息并购买产品已经成为主流。然而网络上的信息资源以爆炸式的速度增长着,人们在购买产品之前要耗费大量的时间和精力去获取相关信息并筛选产品,于是出现了“rich data, poor information”的尴尬局面。为了解决这个问题,研究者提出了很多解决方案,推荐系统便是其中之一。 然而,现有的电子商务推荐系统却存在由于数据稀疏而引起的推荐质量低、推荐算法单一(基于协同过滤的推荐技术和基于内容的推荐技术)、只考虑产品属性值全部为精确或全部为非精确的情况等缺点。 针对上述问题,本文主要在以下几个方面对推荐系统做了深入研究: 1.在推荐系统中应用Agent技术,充分发挥其智能性、反应性、主动性等特点,可为资源发现和推荐提供强大的技术支持。提出了一种基于多Agent的推荐系统整体架构模型——CMARS(CBR-based Multi-Attribute Multi-Agent Recommendation System),设计了该系统各组成部分的功能、结构和流程。该系统由5种功能相互独立的Agent构成,它们 之间相互分工合作共同完成推荐任务,克服了传统推荐系统存在的局限性。2.将案例推理方法引入到推荐系统中,可对数据的稀疏性问题进行一定程度的改善。研究了案例的表示方法,能够完整有效地表达用户的自身特征和在购买过程中的各种需求信息。 3.算法方面,在考虑了属性分类的基础上提出了基于距离的混合数据类型的相似性度量方法和基于TOPSIS的多属性决策方法。在本算法中,用户的需求信息可为精确型的也可为非精确型的,具有更大的现实意义。 4.基于以上的技术和算法,本文初步实现了一个教材推荐系统,并设计了相应的实验对两种算法进行测试。实验结果表明,基于混合相似性度量的检索算法和基于TOPSIS的多属性决策算法均具有较高的推荐精度。 总之,本文将CBR方法,MADM方法和多Agent技术整合应用于电子商务推荐系统,并在混合数据的相似性度量和TOPSIS决策排序方面做了有益的尝试,本文的研究结果对于电子商务推荐系统、Web服务均有一定的参考价值。

基于NX的复杂曲面数控加工规划自动生成研究

这是一篇关于复杂曲面,加工规划,加工特征,图论,多属性决策的论文, 主要内容为复杂曲面的数控铣削精加工工艺规划是整个数控加工过程中的重要环节。由于复杂曲面的形状具有灵活多样性,传统的精加工数控编程方法需要对复杂曲面的三维造型和加工制造语义进行分析,判断出合适的铣削方法、驱动方法、刀具等加工策略,以及对加工参数进行选择和设置。该过程存在编程效率低、人为判断失误、加工参数选择保守等现象。为避免上述情况发生,本文以NX软件中的数控铣削方法为研究对象,开发了一套复杂曲面数控铣削精加工工艺规划自动生成的原型系统。本文主要研究内容如下:(1)原型系统的框架设计。分析了NX CAM系统中常用于复杂曲面精加工的铣削方法对应的加工工艺规划流程,确定了原型系统的主要功能,包括加工策略自动决策功能和数控加工参数规划与推荐功能,并采用模块化的设计原则设计出了整体结构的框架。(2)曲面特征与加工策略关联关系的研究。结合NX CAM系统中数控加工规划操作的定义和数控加工理论,加工特征被定义为复杂曲面中具有几何特征和加工信息的独特对象,并与特定铣削方法、驱动方法、刀具几何参数相关联;建立基于NX二次开发的加工策略自动决策模块,并对待加工曲面的加工特征自动识别,从而获得表面特征信息。(3)数控加工参数规划与推荐算法的研究。采用按层排序的方式对NX CAM系统中铣削方法的加工参数进行图论建模,并分析影响加工参数选择的因素,其中包括条件因素和实例关联因素;用复杂曲面的表面特征信息和加工制造语义信息来表达条件因素,并且基于复杂曲面实例库的图论模型改进Page Rank算法,该算法用来决定实例关联因素;采用基于信息熵的多属性决策方法获得两种因素的综合影响因素,进而决策出每一层中的最优加工参数;建立基于Neo4j图数据库开发的数控加工参数规划与推荐模块,实现待加工曲面的数控加工参数规划和相关参数值的推荐,从而获得最优加工参数信息。(4)原型系统的实现。利用CSV文件便利的存储和读取特性,进行NX二次开发模块和Neo4j图数据库开发模块之间的信息交互,实现了复杂曲面数控铣削精加工工艺规划的自动生成。(5)利用原型系统进行实例验证。通过对比实例原有的精加工工艺规划和原型系统生成的规划,包括刀路轨迹、表面质量等方面的对比分析,验证了原型系统的可行性和有效性。原型系统有效解决了复杂曲面在精加工数控编程过程中的工艺规划问题,提高了数控加工工艺规划的质量和数控编程的效率。

面向户外机电设备的标识编码与故障诊断

这是一篇关于户外机电设备,标识解析,多属性决策,直觉模糊偏好关系,模糊诊断的论文, 主要内容为传统的设备维修工作往往是在设备发生故障之后才会启动,这种反应式的方法不能及时地检测设备运行状态,可能会导致生产中断和机电设备的损坏。另外,由于户外机电设备具有分布范围广的特点,通常情况下,技术维修人员需要走访多个现场并花费相当长的时间来定位和解决问题。这种低效的方式浪费了时间和资源,并且对整个设备管理工作不利。综合看来,户外机电设备故障相关的工作面临两个问题:一是设备的早期状态诊断问题,二是故障设备的定位问题。针对上面的问题,本文提出了加型一致性的模糊偏好关系三支多属性决策方法,在此基础上,结合户外机电设备的标识定位技术,设计了用于检测户外机电设备运行状态的模糊诊断方法。本文的研究内容具体如下:(1)构建了具有地理位置信息的户外设备标识编码方案。结合工业互联网中的标识解析技术与现行标准,为户外机电设备构建了一种标识编码方案。首先,对标识编码框架与地址编码结构进行规范化,然后,根据电力设备行业标准,对设备编码内容进行定义,最后,构建出融合地理位置信息的户外机电设备标识编码方案,并辅以实例对工作可行性进行说明。(2)提出了面向供应商选择的三支多属性决策方法。首先,根据加型一致性的直觉模糊偏好矩阵,得到不同决策方案之间的偏好关系,并利用矩阵中的偏好信息,在决策理论粗糙模糊集的背景下进行条件概率的计算;然后,考虑损失函数与直觉模糊数之间的相关性,采用相对损失函数求得多属性决策模型中的相对损失值与决策阈值,在决策规则基础上,对决策方案分类排序。最后,总结算法关键步骤,并应用到实例中。通过供应商选择案例,验证模型的可行性和有效性。(3)设计了面向户外机电设备故障的模糊诊断方法。结合多属性决策方法与户外机电设备的标识编码方案,设计新的设备故障模糊诊断方法。在设备入库时,对企业设备进行分类编码后,在企业管理平台中对标识编码进行申请注册;在进行故障诊断时,依据标识解析出来的设备相关属性编码信息,利用直觉模糊数对设备运行数据进行描述,并采用多属性决策方法进行诊断;在找到可能故障设备后,利用标识解析得到的设备地理位置,及时安排技术人员进行检修工作。通过户外配电网设备应用系统实例与仿真对比试验,说明方法的可行性与有效性。

散袋小包装中药自动出药系统设计与实现

这是一篇关于散袋小包装中药,自动出药,动态称量,参数辨识,多属性决策的论文, 主要内容为随着中医药行业的规范化发展,散袋小包装中药以其包装上的优势逐渐颠覆了传统散装中药的主导地位。然而,不同于西药的硬质外包装,散袋小包装中药大多是柔性袋装药包,不易于抓取和识别,导致大部分中药房依然采用人工的方式来抓取并计量药包。实现散袋小包装中药自动出药,能够提高中药房的出药效率,降低出药错误率,既减轻了药剂师的负担,也减少了患者等待取药的时间。自动化出药的过程需要称量系统与真空吸盘阵列抓药系统的配合才能实现精准出药,然而传统的称量方法需等待秤盘稳定,称重效率低下;真空吸盘阵列从药箱中抓药后,释放多余药包的过程中,随机选择吸盘单元释放会导致药包称量次数增加、二次抓药次数增加以及真空吸盘阵列利用率降低。为了解决上述问题,同时减小出药系统的占地面积,使其满足医院的布局需求,本文主要做了以下工作:(1)通过对称量系统进行建模,将中药包的动态称量问题转变为称量系统的参数估计问题,在递推最小二乘估计算法的基础上进行了改进,得到了基于自适应向量预测误差的参数估计算法进行参数辨识,无需等待称量系统稳定即可获得称量结果。(2)针对真空吸盘阵列的放药过程,引入了多属性决策算法,从药包吸附数、吸盘疏密度和堆积度三个方面构建了决策矩阵。通过优化信息熵权值,对决策矩阵加权后再利用TOPSIS算法进行排序,得到最优待释放吸盘单元,减小了随机选择吸盘单元释放药包带来的问题。(3)通过设计仓储式储药区、柔性真空吸盘阵列抓药机械手、可翻转伸缩接药机构和旋转出药机构,并将多个装置集成到药柜中,使占地面积小于1.4㎡,实现了设备占地面积的小型化。最后,本文对设计的系统进行了机械加工,将各子模块进行装配后编写了软件进行控制。以常见的药包为实验对象进行了测试,测试结果表明大部分药品抓药成功率可达98%以上,出药时间减小至26.9s,出药准确率达到100%,满足设计指标,能够胜任中药房的自动出药任务。

多属性电商信息采集和推荐系统研究

这是一篇关于Python爬虫,评价匹配提取,SnowNLP,多属性决策的论文, 主要内容为随着电子商务平台的快速发展,越来越多的人选择网上购物。消费者足不出户就能购买到满足自己需求的商品。平台为了帮助消费者筛选商品,主要通过消费者的历史浏览记录或商品的单一属性进行推荐。但是消费者网上购物时多是带有针对性和偏好性的,并且越来越多地关注商品的评价,并综合考量不同的商品属性来决定是否购买商品。如果消费者花费了太多的时间和精力仍然选择不到符合需求的商品,就会大幅度降低电商平台的购物体验。所以,为了使消费者更快、更好和更直观地寻找到符合其个性需求的商品,本文基于商品评价和商品的多个属性特征,通过对评价内容的情感分析和属性筛选,建立多属性的个性化推荐方法,帮助消费者快速挑选到满意的商品。主要研究内容包括:首先,通过编写基于Python的爬虫程序获取了商品的评价及属性基本数据。经过对评价数据进行预处理后,提取出商品属性和评价词。通过分析大量的评价内容统计出中文评价的语法模式,基于现有的中文常用模式扩展了针对短语组合的语法模式。并结合统计的语法模式构建了语法树,再通过匹配语法树的方法提取出商品属性和评价词,并对提取的商品属性名进行规范化处理。其次,基于获取的商品评价数据构建自己领域的语料库,对评价进行正负面的情感区分,利用SnowNLP模型训练语料获得新模型,再用模型去处理评价内容并获得情感值。其中,每个属性对应着不同的情感值,消费者通过对评价属性赋予不同的优先级,结合情感值使用加权求和计算出商品评价的最终情感值。然后,为使消费者能快速、直观地综合考量商品多个属性(包含评价情感),使用了多属性决策方法来实现。消费者通过赋予商品属性不同的优先级,结合对应的属性值使用加权求和计算出商品的综合分值,该分值即作为商品推荐指标。最后,为完成验证,本论文基于该方法,设计并实现了一个推荐系统原型,并针对京东平台水果领域的商品进行了推荐。结果表明:采用该方法能针对消费者对不同商品、不同属性优先级的个性化设定,基于评价和属性特征,取得不同的推荐结果,帮助快速定位到符合消费者预期的商品,具有一定的实际应用价值。

模糊环境下基于多源文本数据的电子科技产品排序研究

这是一篇关于产品排序,文本挖掘,直觉模糊集成算子,概率对偶犹豫模糊熵,多属性决策的论文, 主要内容为随着我国居民收入水平不断提高,科技不断进步发展,我国居民对手机、数码音响和扫地机器人等消费类电子科技产品的需求也越来越大。与食品、服饰、日化等快消类产品不同,电子科技产品具有价格高、技术属性强、软硬件参数复杂等特征,所以大部分消费者选购电子科技产品前会主动寻找多种参考途径,获取目标电子科技产品的相关技术信息和对比评价信息,其中电商平台的在线评论文本数据和在线内容社区平台的测评长文本数据是主要参考来源。但是对于大部分消费者来说,由于缺乏相应的技术知识储备和不愿支付较高的学习成本,很难对电子科技产品有全面的认知,进而很难对电子科技产品各参数属性重要性比较做出科学判断,所以很难在同类目标电子科技产品中较快地做出最优选择,最后就会打击消费者的购买意愿,导致消费者购买频率下降。此时如果能够根据消费者的需求,提供实时的同类目标电子科技产品比较排序,给消费者提供一个科学的参考,这样能够帮助消费者以更低的成本做出科学的产品选择,进而促进电子科技产品消费,这具有很高的现实价值。然而,现有大部分的产品排序研究都仅依赖单一的在线评价信息,但,当排序对象产品为电子科技产品时,由于大部分消费者对该类产品的认知存在局限,对产品属性重要性感知存在偏差,因此关于电子科技产品的在线评论会存在属性混淆、属性易遗漏等问题,所以仅依赖单一在线评论文本挖掘得到的产品属性结果会出现属性不全面、属性特征词交叉难归类等重大问题,进而导致方面级情感倾向分析结果不准确,最后得到的产品排序结果大概率与现实情况不符。另外,在考虑属性权重时,大部分研究将产品属性权重用确定值来表示,但在现实生活中,决策者在判断属性重要性时会出现犹豫和群体不一致的情况,所以,用确定值来表示属性权重无法反映现实情况。基于上述研究不足,立足现实背景,本文提出了模糊环境下基于多源文本数据进行电子科技产品排序新思路。数据来源不仅包括电商平台的产品在线评论短文本,还有内容社区在线平台的产品测评长文本,通过这两种文本数据交叉确定产品属性,通过在线评论短文本数据构建产品评价矩阵,通过产品测评长文本数据确定产品属性权重,分别用直觉模糊数和概率犹豫模糊数来表示评价值和属性权重值,更符合现实中普遍存在的决策犹豫与群体不一致情况。同时,创新提出了权重为概率犹豫模糊数的直觉模糊并交集成算子(PD-IFUIA)和改进的概率对偶犹豫模糊熵,以解决属性权重为概率犹豫模糊数的直觉模糊多属性决策问题。本文的主要研究内容和创新成果如下:(1)针对仅依靠单一在线评论短文本数据进行电子科技产品排序存在的弊端,本文提出了模糊环境下基于多源文本数据进行电子科技产品排序新思路。综合长短文本两种数据进行产品属性挖掘,保证了产品属性集的全面性和专业性,运用改进的BERT模型对直接反应消费者自身体验感受的在线评论短文本数据进行情感倾向分析,根据分析结果构建产品直觉模糊评价矩阵,基于专业度更高的测评长文本数据确定产品属性概率犹豫模糊权重,使属性权重信息更可靠,且更符合现实情况。(2)构建了基于新的PD-IFUIA集成算子的产品排序方法。本文基于概率对偶犹豫模糊集和直觉模糊集相关理论,构建了权重为概率犹豫模糊数情况下的直觉模糊并交集成算子(PD-IFUIA),并证明了该集成算子的单调性和有界性,保证该集成算子面对权重为概率犹豫模糊数的直觉模糊多属性决策的适用性,结合PD-IFUIA算子和改进的得分函数计算各备选产品的得分值,根据得分函数大小进行备选产品排序。(3)构建了基于改进概率对偶犹豫模糊熵的TOPSIS产品排序方法。本文基于概率犹豫模糊熵和概率对偶犹豫模糊熵的相关理论,对概率对偶犹豫模糊熵进行了改进,并证明了相关性质,弥补了已有概率对偶犹豫模糊熵只考虑犹豫度没有考虑模糊度的不足。基于新的概率对偶犹豫模糊熵,计算出各个方案分别与正、负理想方案的综合关联系数,根据综合关联系数计算各个备选产品方案的贴近度,通过贴近度大小进行备选产品排序。