區(qū)別于常規(guī)復(fù)雜系統(tǒng),非周期復(fù)雜系統(tǒng)具有長期靜穩(wěn)而短暫失穩(wěn)、從穩(wěn)態(tài)向失穩(wěn)的狀態(tài)切換難以預(yù)測、往往不可逆的特征,例如,部分航空航天和武器裝備系統(tǒng)、邊坡系統(tǒng)、復(fù)雜工程系統(tǒng)等。對這類非周期復(fù)雜系統(tǒng)進(jìn)行建模并開展主動控制具有重要理論和實際應(yīng)用價值。本書分為三個部分。第一部分介紹非周期復(fù)雜系統(tǒng)及反因果數(shù)據(jù)的定義與辨識方法;第二部分將反因果數(shù)據(jù)與數(shù)據(jù)增強(qiáng)、反饋特征提取、多模型融合等技術(shù)結(jié)合,并將其用于非周期復(fù)雜系統(tǒng)建模;第三部分介紹在軍事系統(tǒng)可追溯體系效能提升,以及在復(fù)雜工程系統(tǒng)主動安全控制和主動風(fēng)險消解中的應(yīng)用。
更多科學(xué)出版社服務(wù),請掃碼獲取。
2011/1 - 2014/6,國防科學(xué)技術(shù)大學(xué),管理科學(xué)與工程專業(yè),博士;
2008/9 - 2010/12,國防科學(xué)技術(shù)大學(xué),技術(shù)經(jīng)濟(jì)及管理專業(yè),碩士;
2004/9 - 2008/7,中南大學(xué),交通運(yùn)輸專業(yè),學(xué)士。2021/6 – 至今, 杭州電子科技大學(xué),副研究員
2014/7 – 2021.2, 火箭軍工程大學(xué)作戰(zhàn)保障學(xué)院,講師軍隊科技進(jìn)步三等獎,2018年,6/9;
電子信息化部技術(shù)進(jìn)步二等獎,2017年,6/13.
滑坡地質(zhì)災(zāi)害多源協(xié)同感知與智能融合預(yù)警關(guān)鍵技術(shù)與應(yīng)用,中國商業(yè)聯(lián)合會科技進(jìn)步特等獎,2023年,排名第7。中國自動化學(xué)會智能推理與決策專委會委員
目錄
前言
第一部分 基本概念
第1章 常規(guī)復(fù)雜系統(tǒng)與非周期復(fù)雜系統(tǒng) 3
1.1 常規(guī)復(fù)雜系統(tǒng) 3
1.2 非周期復(fù)雜系統(tǒng)特征 4
1.3 非周期復(fù)雜系統(tǒng)典型示例 5
1.3.1 航空航天及武器裝備系統(tǒng)等長貯系統(tǒng) 6
1.3.2 邊坡系統(tǒng) 7
1.3.3 復(fù)雜工程系統(tǒng)——地鐵隧道施工安全 9
1.4 常規(guī)復(fù)雜系統(tǒng)與非周期復(fù)雜系統(tǒng)對比分析 10
參考文獻(xiàn) 10
第2章 反因果數(shù)據(jù)定義 12
2.1 傳統(tǒng)數(shù)據(jù)類型定義 12
2.2 傳統(tǒng)數(shù)據(jù)類型辨識與處理 13
2.2.1 離群點辨識與處理 13
2.2.2 噪聲數(shù)據(jù)辨識與處理 15
2.3 基于因果關(guān)系的反因果數(shù)據(jù) 17
2.4 示例 18
2.5 本章小結(jié) 19
參考文獻(xiàn) 19
第3章 反因果數(shù)據(jù)辨識 21
3.1 方法 21
3.1.1 框架 21
3.1.2 基于改進(jìn)Bagging的子數(shù)據(jù)集生成與子模型構(gòu)建 21
3.1.3 基于改進(jìn)Bagging的反因果數(shù)據(jù)辨識 23
3.1.4 面向不同類型數(shù)據(jù)的權(quán)重更新 24
3.1.5 面向測試集的驗證 25
3.2 與集成學(xué)習(xí)中Bagging和分類方法中交叉驗證的比較 26
3.3 示例 27
3.3.1 示例背景及數(shù)據(jù)結(jié)構(gòu) 27
3.3.2 基于改進(jìn)Bagging的數(shù)據(jù)類型辨識 28
3.3.3 數(shù)據(jù)類型辨識結(jié)果分析 29
3.4 本章小結(jié) 33
參考文獻(xiàn) 34
第二部分 非周期復(fù)雜系統(tǒng)建模
第4章 基于反因果數(shù)據(jù)辨識與數(shù)據(jù)增強(qiáng)的建模方法 37
4.1 方法 37
4.1.1 框架 37
4.1.2 數(shù)據(jù)增強(qiáng) 39
4.1.3 基于改進(jìn)Bagging反因果數(shù)據(jù)辨識方法的數(shù)據(jù)類型識別 39
4.1.4 模型構(gòu)建與更新 40
4.1.5 測試數(shù)據(jù)集驗證 41
4.1.6 基于測試數(shù)據(jù)類型識別的反饋 41
4.2 示例 42
4.2.1 背景 42
4.2.2 數(shù)據(jù)增強(qiáng)和數(shù)據(jù)類型辨識 43
4.2.3 模型構(gòu)建和結(jié)果分析 45
4.2.4 方法比較 46
4.2.5 泛化能力驗證 52
4.3 本章小結(jié) 54
參考文獻(xiàn) 54
第5章 基于反因果數(shù)據(jù)辨識與反饋特征提取的最優(yōu)決策結(jié)構(gòu)生成方法 55
5.1 問題需求分析 55
5.2 方法 57
5.2.1 框架 57
5.2.2 基于因果反演的數(shù)據(jù)辨識方法框架 57
5.2.3 基于閉環(huán)反饋的特征提取方法框架 58
5.2.4 基于機(jī)器學(xué)習(xí)的模型構(gòu)建及驗證 60
5.3 示例 60
5.3.1 示例背景及數(shù)據(jù)結(jié)構(gòu) 60
5.3.2 閉環(huán)反饋特征提取結(jié)果 61
5.3.3 因果反演數(shù)據(jù)辨識結(jié)果 62
5.3.4 綜合結(jié)果及對比分析 63
5.3.5 與其他特征選擇和數(shù)據(jù)辨識方法的對比分析 65
5.3.6 模型獨(dú)立性驗證 66
5.4 本章小結(jié) 68
參考文獻(xiàn) 69
第6章 基于反因果數(shù)據(jù)辨識與多模型融合的建模方法 70
6.1 問題需求分析 70
6.2 方法 71
6.2.1 框架 71
6.2.2 基于模型精度和數(shù)據(jù)相似度的多模型輸出權(quán)重分配 71
6.2.3 多模型輸出融合及驗證 73
6.3 示例 73
6.3.1 示例背景及數(shù)據(jù)結(jié)構(gòu) 73
6.3.2 多模型構(gòu)建 74
6.3.3 計算多模型輸出分配權(quán)重 74
6.3.4 多模型輸出融合及驗證 75
6.4 討論 78
6.4.1 與線性權(quán)重的多模型融合方法對比驗證 78
6.4.2 與不考慮模型精度的多模型融合方法對比驗證 79
6.4.3 與不同核心數(shù)據(jù)百分比的對比驗證 80
6.4.4 與其他基線模型的對比驗證 81
6.4.5 總結(jié) 82
6.5 本章小結(jié) 85
參考文獻(xiàn) 85
第7章 基于雙級反因果數(shù)據(jù)辨識的建模方法 86
7.1 問題需求分析 86
7.2 方法 87
7.2.1 框架 87
7.2.2 單級數(shù)據(jù)可信性辨識 87
7.2.3 雙級數(shù)據(jù)可信性確認(rèn) 88
7.2.4 驗證 88
7.3 示例 89
7.3.1 示例背景 89
7.3.2 單級數(shù)據(jù)可信性辨識 89
7.3.3 雙級數(shù)據(jù)可信性確認(rèn) 91
7.3.4 驗證 92
7.4 討論 94
7.4.1 數(shù)據(jù)可信性辨識的綜合結(jié)果 94
7.4.2 在測試集上的綜合驗證結(jié)果 96
7.5 本章小結(jié) 98
參考文獻(xiàn) 98
第8章 自監(jiān)督下基于反因果數(shù)據(jù)辨識的賦標(biāo)簽方法 100
8.1 問題需求分析 100
8.2 方法 101
8.2.1 最小先驗知識 101
8.2.2 框架 101
8.2.3 生成初始標(biāo)簽 102
8.2.4 子數(shù)據(jù)集生成和子模型構(gòu)建 102
8.2.5 數(shù)據(jù)標(biāo)簽度計算 103
8.2.6 更新標(biāo)簽 105
8.2.7 驗證 105
8.3 與有監(jiān)督、無監(jiān)督、自監(jiān)督方法對比 106
8.4 示例分析 107
8.4.1 驗證數(shù)據(jù)選擇 107
8.4.2 不平衡數(shù)據(jù)集實驗過程 107
8.4.3 平衡數(shù)據(jù)集實驗過程 111
8.4.4 自監(jiān)督學(xué)習(xí)對比實驗 112
8.5 本章小結(jié) 113
參考文獻(xiàn) 113
第三部分 非周期復(fù)雜系統(tǒng)主動控制
第9章 基于可解釋效能評估的可追溯體系效能提升 117
9.1 問題需求分析 117
9.1.1 效能評估指標(biāo) 117
9.1.2 效能評估可解釋性需求分析 119
9.1.3 效能提升可追溯性需求分析 119
9.2 可解釋效能評估 120
9.2.1 置信規(guī)則庫及其可解釋性和可追溯性 120
9.2.2 基于置信規(guī)則庫的可解釋效能評估建模 121
9.2.3 可解釋效能評估過程 122
9.2.4 基于可解釋效能評估模型的貢獻(xiàn)度計算 123
9.2.5 示例 126
9.3 可追溯效能提升 129
9.3.1 基于貢獻(xiàn)度計算結(jié)果的關(guān)鍵能力識別 129
9.3.2 可追溯效能提升模型建模 131
9.3.3 可追溯效能提升模型求解 132
9.3.4 示例 135
9.4 本章小結(jié) 139
參考文獻(xiàn) 140
第10章 面向關(guān)鍵風(fēng)險因素的復(fù)雜工程主動安全控制 141
10.1 需求分析 141
10.2 方法 142
10.2.1 框架 142
10.2.2 面向多安全指標(biāo)的軌道工程施工過程安全控制 144
10.3 示例 150
10.3.1 背景 150
10.3.2 面向軌道施工過程的安全控制 151
10.3.3 不同篩選準(zhǔn)則下測試數(shù)據(jù)的結(jié)果分析 157
10.3.4 不同貢獻(xiàn)度參數(shù)下測試數(shù)據(jù)的結(jié)果分析 159
10.4 本章小結(jié) 161
參考文獻(xiàn) 162
第11章 基于融合貢獻(xiàn)度的復(fù)雜工程主動風(fēng)險消解 163
11.1 方法 163
11.1.1 核心概念 163
11.1.2 框架 164
11.1.3 貢獻(xiàn)度計算 164
11.1.4 面向訓(xùn)練集的自適應(yīng)主動風(fēng)險消解 164
11.1.5 面向測試集的自適應(yīng)主動風(fēng)險消解 166
11.2 示例 167
11.2.1 背景 167
11.2.2 采用直接方法的貢獻(xiàn)度計算結(jié)果 167
11.2.3 面向訓(xùn)練集的自適應(yīng)主動風(fēng)險消解結(jié)果 168
11.2.4 面向測試集的自適應(yīng)主動風(fēng)險消解結(jié)果 170
11.2.5 結(jié)果對比 172
11.2.6 討論 174
11.3 本章小結(jié) 175
參考文獻(xiàn) 175
彩圖