【计算机论文】导语，大家所阅览的此篇共有23086文字，由云伟秋精心修改，上传于范万文网！模块是一个设计术语，是指对词条中部分内容进行格式化整理的模板。例如歌手类词条中的“音乐作品”模块，电视剧类词条的“分集剧情”模块。基于组合分类器的信用卡欺诈识别研究_计算机理论论文十篇如果你对这篇文章的写作能力需要改进或者修正，可以和大家一起探讨！
基于组合分类器的xx欺诈识别研究_计算机理论论文 第一篇
摘 要 随着我国发卡量和交易量的不断增长，交易中的欺诈交易也呈现出上升趋势。如何较早的识别欺诈交易，将成为金融业普遍关注的一个重要问题。本文提出了一种基于adaboost组合分类器的欺诈识别模型，并通过实证研究证明模型能较为准确的识别欺诈交易。
关键词 欺诈识别; 数据挖掘; 机器学习; 分类
1 引言
随着世界经济的不断增长和信息技术的迅猛发展，全球的使用量持续上升，已成为支付领域的主要媒介。截至20xx年底，美国的发行规模达到6.57亿张，平均每个家庭拥有6.3张。在零售业的所有客户支付工具中，借记卡和贷记卡的交易额已经超过了总交易额的50%，大有取代现金和个人支票交易的趋势。而我国从20xx年开始，各大银行都把的发行作为业务重点，宣传战、产品战、地域战随处可见，规模急速扩大。发达国家的经验显示，随着发卡量的增大，的欺诈风险将直线上升，由于欺诈而给银行造成的损失也将居高不下。据visa和mastercard两大联盟的统计，全球欺诈涉及金额已超过100亿美元。如何加强对欺诈的识别和防范，将成为银行风险控制的一个焦点。wwW.0519news.cOm
对于处于“跑马圈地”阶段的我国银行业，能否未雨绸缪，及时的建立一套欺诈识别和防范体系，既是我国业务健康发展的重要保障，又是一项兼有前瞻性和现实性的有益探索。
2 欺诈风险与欺诈识别模型研究
的欺诈风险是指持卡人由于遭人冒申请、盗领、伪造、失窃等原因而发生损失的风险。由于欺诈风险所造成的损失绝大部分都由发卡行承担，因此对欺诈的识别和防范是银行风险控制的一项重要内容。
从欺诈者在交易中的不同角色进行分类，欺诈可以分为商家欺诈、持卡人欺诈和第三方欺诈[2]。商家欺诈来源于合法商家的不法雇员或者与欺诈者勾结的不法商家。在现实中，商家雇员有条件接触到顾客的卡信息，甚至持卡离开顾客的视线，这都给不法雇员带来了复制或保留卡信息的机会。持卡人欺诈是由不道德的真实持卡人进行的，通常是持卡人充分利用的责任条款，在收到货物后称没有进行交易或者没有收到货物。第三方欺诈是目前欺诈的主要形式，是指不法分子非法获取他人信息，并利用这些信息伪造或骗领进行交易。由于非法获取信息的渠道较多，欺诈方式也不尽相同。
按照不同的欺诈手段，欺诈又可以分为身份盗窃欺诈、未达卡风险、遗失被窃风险、道德风险、欺诈犯罪风险五种[3]。
由于欺诈带来了巨大的风险和损失，因此银行一直在寻求一个行之有效的欺诈识别模型。最初是利用业务人员的经验知识对欺诈交易进行手动识别，但是随着发卡量的大幅增长和交易量的不断提高，欺诈愈演愈烈，且由于欺诈手法的不断翻新，业务人员很难迅速有效的从海量交易记录中觉察出欺诈交易。这时，需要有一个能对持卡者和交易进行快速判断的模型或系统来辅助业务人员的工作，而基于判别和回归的统计方法能通过给持卡者或交易进行信用评分的方式来识别欺诈交易，得到了广泛的应用。近年来，数据挖掘技术的兴起使人们开始关注基于数据挖掘技术的欺诈识别模型。利用数据挖掘中的分类方法，可以通过建立一个分类模型来准确的将欺诈交易和非欺诈交易区分开来，从而为欺诈防范和风险控制提供决策支持。人工神经网络[4][5][6]、决策树[7]等分类算法在欺诈识别上都进行了有益的尝试，取得了较好的预测效果。但是单一分类器的分类效能相对有限，不能得到一个很高的分类准确率，本文试图利用组合分类器来建立一个更为准确的欺诈识别模型。
3 组合分类器与adaboost算法
实践中人们发现，分类算法实际上对样本集是敏感的，也就是说，在不同的训练样本和测试样本上，或者是在相同样本的不同特征空间上，同一分类器会有不同的表现。没有哪种分类算法是最优的，但是将多个分类器组合起来却能有效的提高分类的精度[8]。
所谓组合分类器是指几个分类器通过某种策略组合在一起对某个事例进行分类。组合的策略可以是模型组合，可以是不同的算法组合，也可以通过对样本取样，变化事例空间，构造不同的分类器，然后按照一定的加权方法对分类器进行组合，得到最后的分类器。组合分类器的应用，克服了单一分类器的诸多缺点，如对样本的敏感性，难以提高分类精度等等，在字符识别[9]、文本分类[10]、面部表情识别[11]等领域已经获得了较好的应用效果。
adaboost[12]是boosting算法的一种，其主要思想是给每一个训练样本分配一个权重，表明它被某弱分类器选入训练集的概率，初始时权重设为1/m，m为样本个数。用一个弱分类算法在训练集上进行训练，训练后对样本权重进行调整，训练失败的样本权重增大，训练成功的样本权重减少，使分类算法能在下一轮训练中集中力量对训练失败的样本进行学习。然后，在权重更新后的训练集上继续训练，不断调整样本权重，循环往复，从而得到一系列的弱分类器。这些弱分类器就构成组合分类器，组合分类器最终预测结果的产生采用了有权重的投票方式，而权重就是各个弱分类器的准确率。这种方法不要求单个分类器有高的识别率，但经过多分类器融合的组合分类器则具有了高的识别率。
adaboost算法过程如下：
在多数情况下，只要每个分类器都是弱分类器，即分类准确率超过50%，比随机猜想好，那么组合分类器的训练误差就能随着t的增大而变得任意小，同时，在t很大的情况下也很少会发生过拟合(over fitting)现象。
4 基于adaboost的欺诈识别模型
4.1 建模思路
欺诈者的消费行为习惯通常与真实持卡人会具有较大的不同，而持卡人的账户数据和交易数据在很大程度上能反映和刻画消费习惯和模式，因此可以将账户资料和交易资料作为输入变量来建模。
由于欺诈交易只是少数，因此样本集中存在着两类样本的不对称分布(skewed distribution)问题。首先要对样本进行处理，并进行必要的数据预处理过程，然后再进行模型的训练。
adaboost是通过弱分类器在样本集上的多次训练来得到组合分类器的，这里选择c4.5决策树算法作为其中的弱分类算法。为了比较adaboost算法与单分类器的分类效能，本文分别利用c4.5算法和c4.5+adaboost来建模，得到一个基于c4.5算法的单分类器和一个基于adaboost的组合分类器。
4.2 实证过程
本文以国外某商业银行的真实交易数据为研究对象，从数据库中抽取679位持有人的21,858条交易记录构成样本集。其中非欺诈交易19948笔，欺诈交易1910笔，分别将其fraud属性标记为0和1。仅根据交易的相关信息是很难准确判断是否为欺诈交易的，因为消费习惯和模式与持卡人的特征属性有较大的关联关系。因此本文将描述持卡人特征的一些属性也参与建模，这样每个样本就有了62个属性。再根据业务经验，去掉与欺诈无关或相关性极小的属性，最终确定35个相关属性作为模型输入。
从样本数量分布上看，两类样本存在着严重的不对称分布问题，如果直接在这样一个样本集上进行模型训练，会使模型偏向非欺诈交易，识别欺诈交易的能力变差。为此，这里采用减少多数样本(under-sampling)的方法，即从非欺诈交易样本中随机选取与欺诈交易数量大致相当的部分样本，来与欺诈交易样本组成一个两类样本数量相当的样本集。同时，将这一样本集按照7:3的比例分成训练集和测试集，分别用作模型的训练和测试。
实证研究以windows xp为平台，数据存储在ms sql server 2000中，实验工具为weka数据挖掘软件。weka是由新西兰waikato大学的研究人员开发的一个数据挖掘工具(/">参考文献
[1] . 国际欺诈与预防[j]. 中国, 20xx, (6): 43-47
[2] 苗绘. 欺诈及其防范[j]. 金融教学与研究, 20xx, (4): 31-35
[3] 陈建. 的反欺诈管理[j]. 中国, 20xx, (8): 20-24
[4] e. aleskerov, b. freisleben, b. rao. cardwatch: a neural network-based database mining system for credit card fraud detection. proc. of the ieee/iafe on computational intelligence for financial engineering, 1997: 220-226
[5] m. syeda, y. zhang, y. pan. parallel granular neural networks for fast credit card fraud detection. proc. of the 20xx ieee international conference on fuzzy systems, 20xx
[6] 盛昭瀚,柳炳祥. 一种基于粗集神经网络的欺诈风险方法[j]. 应用科学学报, 20xx, (2): 209-213
[7] a. kokkinaki. on atypical database transactions: identification of probable frauds using machine learning for user profiling. proc. of ieee knowledge and data engineering exchange workshop, 1997: 107-113
[8] t. g. dietterich. ensemble methods in machine learning[a]. in: springer-verlag. workshop on multiple classifier systems.lecture notes in computer science [c]. 2000, 1857(1): 1-15
[9] l xu, c. krzyzak, c. suen. methods of combining multiple classifiers and their applications to handwriting recognition [j]. ieee trans on systems, man and cybernetics, 1992, 22(3): 418- 435
[10] robert e. schapire, yoram singer. boostexter, a boosting-based system for text categorization[j]. machine learning, 2000, 39(2/3): 135-168
[11] 杨国亮, 王志良, 任金霞. 采用adaboost算法进行面部表情识别[j]. 计算机应用, 20xx, 25, (4): 946-948
[12] y. freund, r. e. schapire. decision-theoretic generalization of on-line learning and an application to boosting[j]. journal of computer and system sciences, 1997, 55(1): 119-139
基于Struts和Hibenate的遥感信息发布系统研究_计算机理论论文 第二篇
用户登录模块，即用户从浏览器输入个人信息，由系统在数据库中检索数据，然后验证用户信息，如果验证成功登陆到系统界面，否则，提示用户信息出错。2.2.1 数据持久层设计 数据持久层基于hibernate架构，采用了dao设计模式。在持久层设计中，包括了以下三个重要设计步骤： 首先，把用户信息封装为vo（value object）。vo是一组值对象，只包含了一些属性和getter/setter方法的pojo（plan old java bean）。典型设计如下：public class oradmin implements serializable{private string adminname;public string getadminname(){ return adminname; }public void setadminname(string adminname){ this.adminname = adminname; }……} 其次，采用了dao设计模式和抽象工厂设计模式，完成了 dao工厂和hibernate 数据库操作的具体实现，典型设计如下：public abstract class daofactory {public static daofactory getinstance() {}public abstract admindao createadmindao();}public class admindaoimpl implements admindao {public oradmin getadmin(string adminname) {try {session s =hibernateutil.currentsession();query query = s.createquery("from oradmin asoa whereoa.adminname='"+adminname+"'"); }……return null; } } 最后，利用了hibernate的配置文件完成从应用程序到数据库的映射，典型设计如下： org.postgresql.driver< jdbc:postgresql://127.0.0.1:5432/dbinfo< org.hibernate.dialect.postgresqldialect
关于WEB问卷缺失数据校验程序的优化研究_计算机理论论文 第三篇
摘要 减少缺失数据是提高“问卷有效率”的重要环节。本文主要根据统计的要求，从技术角度微观地探讨如何在asp中利用数据库技术防止缺失数据，即通过recordset对象中fields集合的字段名（fields().name）与网络问卷表单的对象名（name）进行关联，巧妙地优化缺失数据校验程序，从而设计出更简洁、灵活且不受问卷试题规模影响的校验程序，增强了web问卷的通用性，提高了“问卷有效率”，起到事半功倍的效果。关键词 web问卷，缺失数据校验程序，asp 网络调查具有传统纸质调查无法比拟的优越性，因此在现实调查工作中被广泛运用。但与传统的纸质调查一样，网络调查的质量受问卷试题设计、抽样方案、问卷回收率和“问卷有效率”等因素的制约。一旦利用技术手段对各环节进行合理的优化，网络调查就能够突破诸多因素的制约，提高调查效率和质量。wWW.0519news.coM其中，防止缺失数据[2]是提高“问卷有效率”的重要环节。 1 网络调查与缺失数据 随着网络调查的推广，许多学者从技术角度宏观地探讨了网络调查，满孝[3]和王骏[4]分别介绍了asp设计调查引擎和网络调查系统的设计；郭强主编的《网络调查手册》[5]比较详细地介绍了用asp设计社会调查；何清林[6]实现了“网络问卷调查系统”的动态生成。但在实践操作中，还会涉及许多不容忽视的微观问题，如缺失数据问题。 统计学所指的缺失数据就是漏填数据项[2]。在网络调查中，缺失数据主要是被调查者在按了“提交”按钮时仍有试题没填或只填了空格所造成的。这样所造成的空缺数据直接影响 “问卷有效率”，进而影响结果。此外，有些系统（如asp）在将空数据存入数据库时就会产生错误。因而缺失数据是个不容忽视的问题。 一般来说，要避免缺失数据就需编写程序对每个数据项进行校验。小型web问卷通常利用javascript程序在客户端对每一试题所对应的元素逐一进行校验，全部合法后方能实现对服务器的提交操作。按此算法，所提交的表单中包含有n对象，则在javascript程序中就至少需要n个判断。如果大型web问卷也如法炮制，设计者的工作量无疑会与问卷规模成比例增加。合理选择算法对设计者方能起到事半功倍的效果。 本文主要根据统计的要求，从技术角度微观地探讨如何在asp中利用数据库技术防止缺失数据。从而设计出不受问卷规模影响的校验程序。 2 大型web问卷缺失数据校验的常见算法 对于大型web问卷调查的设计，必须优化算法，否则会在程序的书写上浪费大量时间。通常的算法是根据问卷自身特点进行处理。2.1基于里克特量表（likert scales）形式的问卷 里克特量表是现代调查研究中普遍被采用的一种测量量表[1]，它的基本形式是给出一组陈述，然后要求调查对象表明态度。根据每题所提供答案的个数，又可分为里克特两点量表、三点量表、四点量表、五点量表、六点和七点量表。基于这种量表而制成的问卷其主体呈现出极强的规律性，即每题都是单选且每题预置答案均为n(2≤n≤7)个。因而根据这种特点，在基于b/s模式的网络问卷的规划时，利用javascript设计两重循环在客户端就可检验缺失数据问题。程序如下： 2.2 针对混合形式的问卷 问卷形式往往不只包含某一类型的单选对象而是混合型的。这时就需要先将各种类型的对象进行分组（这样做也有利于数据的存储程序的编写）。比如将两点形式的分为a类（对象名则为a1,a2,a3…），三点形式的分为b类（对象名则为b1,b2,b3…），复选按钮为c类（对象名则为c1,c2,c3…）等。在分类时为了便于程序编写，不得不将同类型的对象安排在一起。然后用上述方法进行处理。 当然，对于混合形式的问卷，较好的算法还可将数据暂时存入cookies、临时文本文件或临时数据库中的表中，然后通过asp的vbscript程序进行校验处理。这样就没必要在物理上将同类型的对象安排在一起，而只要将同质的对象逻辑分组命名即可。 以暂存于临时数据库的表为例，在添加数据时，考虑试题数量所造成变量列表过长，即书写sql的insert语句过长的问题，我们可以用以下方法实现：（以某a组为代表） 步骤一：设计数据库中表的字段，保证字段名与相应的对象名一致。比如字段为“a1”则相对应的表单中的对象名也需设置为“a1”； 步骤二：通过下例程序将a组所有对象的名(name)组成一个串，并将所对应的值（value）也组成一个串。（省略了数据库连接操作）namestring="("‘insert 语句的字段列表valuestring="("‘insert语句与字段相对应的值的列表for i=1 to n‘n为a组对象的个数namestring = namestring &"a"&i&"," if len(request.form("a"&i))>0 then‘a组的变量名均a开头valuestring=valuestring&"'"&request.form("a"&i)&"',"‘填写或选择了的值为实际值else valuestring=valuestring&"'/',"‘没有填或选的均存为”/”记号end if next 以上程序需注意两个问题：一、数据库的字段类型均设为字符型或文本型，否则会程序因为数据类型不匹配而出错；二、对字串变量valuestring最后的”,”要进行处理。步骤三：在与数据库实现连接后，利用recordset对象将记录存储到临时表temp中：sqlstr="insert into temp "&namestring&" values "&valuestring ‘temp为临时表set rs=db.execute(sqlstr) 步骤四：根据第二步设置可知，凡值为“/”的便是缺失数据。我们只需利用vbscript对临时数据库的各数据项进行判断并作出相应处理即可。 3新的算法：利用fields集合进行优化 以上方法虽可行，但仍很烦琐。下面我们讨论一种更简洁、更灵活、更通用的方法，即利用recordset对象中fields集合的字段名（fields().name）与网络问卷表单的对象名（name）进行关联来实现。 步骤一：建立表单和数据库，将表单的对象名（name或id）与数据库中表的字段名一一对应（和上面的步骤一相同）。凡要求进行缺失数据校验的变量（有些对象充许缺失，比如复选对象）和相应的字段名其首字母均设置为“a”，如a1,a2等，无须判断的对象所对应的变量和字段名的首字母则为其它，如b1,b2等。 步骤二：编写缺失数据校验程序<%’ 连接数据库并建立recordset对象实例rs‘省略ok=1‘无缺失数据为1,否则为0a="a"‘凡要求检测的变量其首字母为afor i=1 to rs.fields.count-1‘字段个数决定判断次数c=mid(rs.fields(i).name,1,1)‘取每个字段名的首字母if len(trim(request(rs.fields(i).name)))=0 and strcomp(c,a)=0 then‘字段名即表单对象名，建立关联 ‘如果首字母为”a”且有缺失数据response.write "第"&cstr(i)&"项没有填数据!
"‘显示缺失数据的题号ok=0‘标识为缺失状态end if next if ok=0 then‘如果有非法缺失数据response.write "
" else‘如果无非法缺失数据，校验成功'正常处理程序‘正常处理随后程序end if %> 程序中标识了下划线那条语句是整个程序的核心，不仅解决了漏填所造成的缺失数据而且还避免了文本对象中仅填空格所引起的空缺数据。其极强的通用性，满足了各种形式和各种规模的网络问卷的要求。 4结束语 以上程序均在实际调查研究中得以应用，并将fields集合优化的程序成功地进行了移植，从而优化了网络问卷校验程序，提高了“问卷有效率”。 参考文献1东编著.教育技术学研究方法[m]. ：师范大学出版社，20xx：1182薛薇.spss统计方法及应用[m].:电子工业出版社，20xx：223 满孝.用asp建立调查引擎[j].计算机世界,20004 王骏.用asp开发网络调查系统[j].合肥学院学报，20xx5 郭强.网络调查手册[m].:中国时代经济出版社，20xx6 何清林.基于asp.net实现“网络问卷调查系统”的动态生成[j].计算机系统应用，20xx.127 尚俊杰.网络程序设计-asp[m].:清华大学出版社,20xx.8
基于Struts和Hibenate的遥感信息发布系统研究_计算机理论论文 第四篇
根据前面介绍可以看到hibenate架构只具备数据持久化设计能力，而struts架构则在模型设计方面能力薄弱，所以将二者结合起来使用，共同搭建系统结构实现mvc模型设计，可以达到二者优势互补，从而使系统设计具备低耦合性以及较高的可维护性和可扩展性。本系统的体系结构设计如图4所示：图4 系统体系结构图 本系统具有多个模块，但是各个模块的设计原理相同，其中用户登录设计典型地利用了struts框架和hibernate框架的设计，体现了两种架构结合的特点，下面以此实现为代表进行具体阐述。
基于Struts和Hibenate的遥感信息发布系统研究_计算机理论论文 第五篇
struts框架是apache开源软件联盟（）的一个开源项目——jakarta struts framework。struts框架继承了mvc设计模式的特性，遵守了j2ee的servlet、jsp等技术规范，并且根据j2ee的特点做了相应的变化和扩展，是j2ee体系架构的一种轻量级实现。作为一款优秀的java web应用程序的开发框架，struts框架凭借其清晰性、灵活性，成为当前最为广泛应用的轻量级java web 开发框架。 struts框架实现了mvc设计模式，其工作原理图如图2所示：图2 struts框架原理图 ⑴ 控制器的实现 struts框架中采用了actionservlet和action类以及struts-config.xml配置文件作为控制器的实现。 其中，struts-config.xml配置文件配置了不同用户请求及对应的具体业务逻辑组件来供actionservlet类查询。 actionservlet类是中心servlet，负责处理所有的用户请求。当用户提出请求，actionservlet类最先对请求进行处理，它将根据struts-config.xml配置文件将用户请求映射到具体的action类；而当action类调用模型组件处理好用户请求，并返回了处理结果后，仍然由actionservlet类根据struts-config.xml配置文件将结果转发到视图提供给用户，或者转发另外一个action做进一步处理。 action类实现了具体的业务逻辑，它接受用户的输入，然后调用具体的模型组件来完成用户请求。 ⑵ 视图的实现 struts构架主要采用了jsp作为视图的实现，它提供了丰富的jsp标签库支持应用程序的开发，而且引入了actionform组件（实质为javabean）作为用户表单的封装来完成数据的传输。 ⑶ 模型的实现 struts框架对模型——即复杂的数据持久化层没有提供太多的支持，但是这也就是说开发人员有更多自由来选择合适量级的持久化技术，比如hibernate、ejb等等。struts框架实现了mvc设计模式，但是它是典型的表现层框架，对模型的实现是不足的，所以有必要引入其他架构加强对模型的实现。
基于T-S模糊模型的电机轴承故障诊断研究_计算机理论论文 第六篇
t-s模糊模型的主要思想是把输入空间划分成若干个模糊子空间，在每个模糊子空间内建立一个输入与输出的简单线性关系模型，每个模糊子空间表示一条模糊规则，模糊规则的前件用来表示模糊子空间，后件用来表示这个模糊子空间的输入输出线性关系。 t-s模糊系统的建模主要包括结构辨识和参数辨识。结构辨识指模糊规则数目的确定，主要有网格法、模糊树法和聚类法；参数辨识则是指对模糊规则前件部分的隶属度函数和模糊规则后件的线性表达式所包含的参数进行辩识，可以采用梯度下降法、最小二乘法、遗传算法等优化算法。 t-s模糊模型的本质是将非线性系统通过模糊区间划分表示为若干简单的线性关系，然后再对模型的输出进行模糊推理，从而来表示复杂的非线性系统。t-s模糊模型的主要优点是，它的输出能由规则库中变量的诸隶属度函数以及规则的输出精确确定。 理论上，t-s模型可以确保其输出表面的连续性，并以任意精度逼近连续的非线性系统，它很适合于基于模型的控制系统。尽管t-s模型能够以较少的模糊规则去描述一个高度非线性系统，并且还有巨大的应用潜力.但建立其模型也不是一件容易的工作，其辨识步骤中的结构辨识和参数辨识混在一起，计算量大,所以其参数辨识过程的复杂性又在某种程度上限制了其应用的场合。 在异步电机发生的故障中，轴承故障、定子绝缘故障与绕组股线断股、鼠笼转子断条等故障约占鼠笼异步电机故障的80%[4]，本文把其中典型的一类轴承故障作为研究对象。实验在一个三相异步电动机上完成，设定调速为30hz，负载为10转矩，分别在正常情况下和故障情况下(少两个珠，一个上有中坑)，用传感器测量轴承（深沟63系列）得到的不同时刻振动。 由于建模的需要，对所获得的振动经过小波转换成不同频段的能量值。实验共获得两组数据样本，每组19个，从两组数据对比，我们可以很明显地看出轴承出现了故障，数据如下：表1 正常与故障数据正常特征值0.3340 0.1594 0.1557 0.32520.2333 0.3340 0.1474 0.18170.1205 0.0105 0.0164 0.29000.0011 0.0030 0.0038 0.01800.0163 0.0014 0.0217故障特征值0.7032 0.3346 0.3077 0.41040.1644 0.7032 0.4416 0.25850.4617 0.3288 1.1680 0.49230.0172 0.0433 0.0466 0.19041.0021 0.0124 0.0600 取15个正常数据样本对进行分组，分别作为在高、中、低三个频率得到能量数据。 x高={0.3340 0.1594 0.1557 0.3252 0.2333} x中={0.3340 0.1474 0.1817 0.1205 0.0105} x低={0.0164 0.2900 0.0011 0.0030 0.0038} 使用模糊聚类法对输入变量进行分类,确定最优的模糊规则数。首先，通过建立相似关系矩阵，使用绝对值减数法确定元素x高，x中，x低，之间的关系值rij： (4) 其中，c适当选取，使0≤rij≤1。这里取c=0.5，计算得相似关系r矩阵为 其次使用编网法[23]，如下图所示，可将输入变量分为两类，从而可以确定模糊规则数。图1 编网法 模糊规则如下： 规则1：if x高 and x低, 则y1=c10+c11x高+c12x低 规则2: if x中, 则y2=c20+c21x中 ①前件参数辨识 模型前件参数辨识即是确定前件中隶属度函数，这里使用高斯函数，即令
(5)
这里ρ为均值,σ为方差 可分别获得x高、x中、x低的隶属度函数:由这些隶属度函数可以根据公式(3)得到各条规则的权重，分别为： ②后件参数辨识 模型的后件参数辨识使用最小二乘法，我们知道最小二乘法可以用来处理一组数据, 可以从一组测定的数据中寻求变量之间的依赖关系, 这种函数关系称为经验公式。这里我们假定在正常情况下的输出曲线为抛物线型。假定为y=x2。利用最小二乘法，每次只计算一条规则后件参数。最后使用极值原理令总偏差最小获得方程组，解得各规则的系数，得到各规则后件的线性表达式：y1=-0.4491+1.3561x高+3.2343x低y2=0.0322+0.025x中 则最终根据公式(2)得出轴承故障的t-s模型的总输出： 3.2 基于故障模型的计算机仿真 matlab软件maths works公司1984年推出的一套高性能的数值计算和可视化软件，它集数学计算、图形计算、语言设计和模糊逻辑等30多个工具为一体，具有极高的编程效率，由于它是一个开放环境，已经成为国际控制界广泛使用的语言之一。本文采用t-s模型动态逼近非线性系统，利用matlab软件中的模糊控制工具箱，以异步电机轴承的故障模型的仿真实验，验证了该方法的有效性。
(a)正常数据仿真对比曲线
(b)故障数据仿真对比曲线
图2 仿真结果4 总结 由此实验结果，可以明显看到该模型的有效逼近性。由t-s模糊模型的良好逼近性，把该类模糊模型应用到本人硕士毕业论文所研究的基于模型的多agent诊断系统中，作为各类故障诊断agent的诊断知识库中的诊断模型，可以更精确地对故障部件作出诊断。当进行故障诊断时，由故障诊断agent内的故障诊断推理器根据诊断知识库中的这个模糊诊断模型和一些诊断知识，进行诊断推理与决策，最后给出诊断结果。参考文献 赵恒平，俞金寿. 一种基于t-s模糊模型的自适应建模方法及其应用[j] .华东理工大学学报, 20xx.04 442-446[2] 刘正士, 刘立华. 基于模糊神经网络的滚动轴承滑动擦伤诊断[j]. 农业机械学报, 20xx.01 97-99[3] 扬杰 ,张晓莉等. 基于模型的故障诊断中的模糊建模和推理[j] .上海交通大学学报, 1999.04 418-421[4] 叶立明, 姜建国, 苏鹏声 .感应电机常见故障的模糊诊断（之一）[j]. 电工电能新技术,1997.01 30-34[5]刘忠信, 陈增强, 袁著祉 .基于t-s模型的模糊广义预测控制[j] 南开大学学报 2000.12 114-119[6] x．ren s.m.hargrave h.a.thompson p.j.fleming multi-agent systems for model-based fault diagnosis （20xx）[j] ifac new technologies for computer control
基于Struts和Hibenate的遥感信息发布系统研究_计算机理论论文 第七篇
hibernate框架是开放源代码的对象关系映射工具（object-relational mapping），是一款基于java环境的优秀的对象持久化开发框架。它根据o/r（对象/关系）映射技术思想，对jdbc进行了轻量级封装，使开发人员可以使用一种面向对象的方式来操纵和管理关系数据库，所以从技术本质上来说该框架是一种提供面向对象的数据库服务中间件。 hibernate框架位于应用程序的业务化和持久化层，在运行时的体系结构如图3所示：sessionfactory接口，是一个数据库映射关系的内存映像，它是线程安全的，所以可以为多个线程同时调用产生session，是session的工厂，另外它为事务之间可以重用的数据提供了可供选择的二级缓存。图3 hibernate运行时体系结构图 session接口，是hibernate框架的运行中心，它被用户程序调用，提供与持久化相关的诸多操作，如加载、添加、查询、更新和删除持久化对象，是实现用户程序持久化工作的主要接口，所以session被称为持久化管理器。 transaction接口，是用来指定原子操作的单元范围，它通过对底层具体的jdbc、jta等事务进行封装和抽象，形成一个统一的事务操作界面。 此外，hibernate还有两个重要的核心接口：configuration接口和query和criteria接口。configuration接口是用来对hibernate配置和启动。query和criteria接口是用来执行对数据库的查询，且支持hql、sql多种查询方式，其中hql是一种面向对象的查询语言。2 遥感信息发布系统的设计 遥感信息发布系统是基于地面站遥感数据信息的发布系统，包括了用户信息模块，数据浏览模块，数据订购模块等。
基于T-S模糊模型的电机轴承故障诊断研究_计算机理论论文 第八篇
摘 要 针对故障诊断知识的模糊性和模糊控制理论在故障诊断领域的广泛研究和应用,结合基于模糊模型故障诊断方法的优越性，本文提出了基于takagi-sugeno模糊模型的故障诊断方法，将其应用到三相异步电机轴承的模糊故障诊断中，并通过实验充分验证了该方法的有效性。 关键词 t-s模糊模型；故障诊断；异步电机轴承
故障诊断一直是人工智能的一个重要研究内容，而且已经得到广泛的研究和应用；现在模糊控制技术在国内外也得到了极大的重视和研究，已经应用于工业控制、汽车驾驶、电梯群控、家用电器等。本文在鉴戒国外故障诊断方法研究的最新动态基础上，对基于模糊模型的故障诊断方法作了进一步的研究和考证。本文提出了基于takagi-sugeno模糊模型的故障诊断方法，使用模糊聚类法划分数据空间，确定最优模糊规则数，并使用最小二乘法对模糊规则的后件参数进行辨识，最后通过对三相异步电机轴承故障进行模糊建模，并使用matlab工具进行仿真实验验证了该方法的诊断有效性。1 基于模糊模型的故障诊断方法优越性 基于模糊模型的故障诊断方法，(1)它可以克服传统的故障诊断方法（基于规则、基于人工神经网、基于案例）对新的待诊断对象和尚缺乏诊断专家经验和诊断案例的待诊断对象无法进行诊断的弊端；(2)同时它又可以克服基于模型故障诊断方法的建模难题。wWw.0519news.CoM这种方法可以不依赖诊断专家经验和案例，也可以无需建立待诊断对象的精确数学模型，只需待诊断对象（大多数是非线性的复杂系统）模糊模型，根据模糊模型所描述的待诊断对象输入输出变量的模糊映射关系的模糊规则进行诊断。目前，在故障诊断领域的，模糊诊断和模糊控制的研究和应用越来越广泛。2 t-s模糊模型 自从1965年zadeh提出模糊集合理论以来，对复杂非线性系统地模糊识别和模糊控制受到了人们的很大重视，被广泛应用到工业生产中。其中takagi-sugeno模糊模型是一类基于规则描述的模糊模型，是由takagi和sugeno提出的，所以简称t-s模型。这种模型可以克服多维模糊推理过程中模糊规则过于庞大的弊端，用少量模糊规则生成较为复杂的非线性函数。由于t-s模型的后件参数与输入有关，在逼近性能上要优于mamdani模糊模型。1998年ying证明了结论部分为线性的t-s模糊模型能够以任意精度逼近任何连续函数。目前，在模糊系统研究中，t-s模型占有重要的地位。takagi-sugeno模糊模型与传统的模糊模型相比有许多独特的优点[5]，主要有三个：⑴该模糊模型包括两种知识：一个是由模糊if-then规则表示的定性知识，另外一个是由局部动态模型表示的定量知识；⑵takagi-sugeno模糊模型可以看作是非线性控制中普遍采用的分段线性近似方法的扩展；⑶takagi-sugeno模糊模型是一个普遍的近似器，即，任何在紧集上的连续函数都可以用该模型以任意精度逼近。 takagi-sugeno 模糊模型的数学描述如下： t-s模糊模型可由一组模糊规则表示：l(l)：如果x1为f1l，且...，且xn为fnl， 则 yl=c0l+c1lx1+...+ cnlxn (1) 其中，fil为模糊集合，ci为真值参数，yl为系统根据规则l(l)所得到的输出，l=1,2,…,m; i=0,1,2,…,n。 可以看出，这种模糊模型其输出结果为输入变量的线性组合，给定输入变量x=(x1,…,xn)t，则输出y(x)等于各yl的加权平均 (2)其中，加权系数包括了规则作用于输入所能取得的所有真值，ωl的计算公式如下： (3)3 故障诊断
基于手机xx平台聊天程序的设计与实现_计算机理论论文 第九篇
摘 要
目前，大多数学校的教材科的教材管理工作包括教材信息、教材征订、教材审核、教材采购、教材出入库等，但若这些工作还停留在纸质的基础上，会浪费许多人力和物力，在信息时代这种传统的管理方法必然被计算机为基础的信息管理所取代。
本系统主要完成了一个网上教材管理系统，其主要实现学生、教师、教材科的订书，学生、教师的领书功能，教材零售，因书的质量问题换书，报损处理。对订书的情况做统计，为师生提供各种条件的教材信息查询等功能。
本系统开发平台选用visual studio 20xx,后台数据库为sql sever 20xx express。本系统适用于各类型学校的教材科的库存管理工作，可以大大的提高了教材科工作的效率，减少失误。本文将对该系统的设计开发过程和具体功能做详细的介绍。
关键词：教材管理；教材领取；库存管理；asp.net；b/s
需求与总体设计方案
3.1 系统需求
3.1.1 用户角色需求
根据习惯上教材科的操作方式，整个系统应该有三种用户角色，即教材科人员，普通学生教师和系统管理员。
教材科人员处理订书领书操作，而不能进入到系统管理的模块中；学生教师可以查询教材信息，不能进入其它任何模块；系统管理员在后台对系统进行用户管理，教材信息管理，并展开系统的正常运行维护工作，但不能进入教材科人员操作模块。除普通的学生教师等查询用户外，每个角色操作都通过验证和用户类型选择后登录。WwW.0519news.coM通过系统管理员才可以修改。工作完成后，通过各自专门的出口退出登录状态。
3.1.2 功能需求
系统功能主要包括订书处理、领书处理、特殊处理、系统信息管理四个部分。以下按照不同的功能处理对具体功能进行描述：
一、订书处理：
教材科人员通过登录页面登录成功后，可以通过菜单选择为学生、老师、或者教材科订书，首先选择需要定的教材，输入教材使用的学年度，如果为学生订书需要选择系和班级，填入需要订购的数量，如果是教师订书需要填写教师名字，选择确定，订书的过程就完成了。
二、领书处理：
教材科人员通过登录页面登录成功后，可以通过菜单选择为学生、老师做领书处理。当学生代表来领书时，通过班级就可以查询到需要领什么书，需要领多少本，什么书已经领取了等信息，领书成功会做上领书标记。教师来领书时，通过选择教师名字，就可以知道需要领什么书，也和学生类似的在领书后做领书标记。
三、特殊处理：
特殊处理指的是换书、报损、零售、统计、查询这些功能。教材科人员从登录模块登录后可以进入这些功能模块。换书是只书本身由缺陷的情况下，对领书的学生或老师做换书处理，并作记录。报损是因为其它教材科的原因造成的问题做报损处理，并且登记。零售是对丢失教材的学生做零售处理，并且记录。这些操作都是要在教材科有自己购买相关教材的情况下才能进行。如果在进行这些操作的时候，数量少于阀值将，数量不足或没有库存的时候会弹出提示框并关闭相关功能。统计功能是在选择学年度和教材后统计订购数量，或者按班级统计订购数量。查询模块是所有用户在没有登录情况下都可以操作，可以按模糊查询、按授课教师等方式查询教材相关信息。
四、系统管理：
系统管理员从登录页面进入系统，选择用户类型为“系统管理”。系统管理员登录后不能进入教材科用户使用的模块。系统管理员可以添加删除修改教材信息，管理各类用户，设置阀值，管理班级和系的信息。
3.1.3 性能需求
整个系统应当操作简便，界面友好,维护简便。数据库要求运行稳定，执行速度快,数据安全性高。软件系统本身运行对计算机硬件平台和操作系统平台要求适中。
2.4 用户界面需求
为使该设计可行，可靠，其界面设计要求简单，方便，且具有人性化的操作界面，系统功能可以良好的功能按钮相结合。使用send,accept,添加，删除四个按钮控制相关的功能；textbox 控件用来分别显示信息和用户id，用户名。整个界面简单，醒目，且有效。
3 系统主体设计
3.1 主体设计思路
本系统主要使用sql server ce数据库和sql server 2000数据库，通过引用system.data.sqlserverce组件创建sqlconnection实例利用代码在pocket pc 20xx模拟器上创建本地数据库表：msginfo。对远程sql server 2000数据库的访问通过rda技术需要system.data.sqlclient的引用完成pull操作和push操作。
在对pocket pc上存储数据实际上是对本地数据库的操作，通过代码在编辑环境中创建出本地数据库accessg.sdf，该数据库是个精简版的sql server 数据库，同样是个关系型数据库，同时通过代码在sqlce中创建表msginfo，表中列属性为用户id（sendid,acceptid）和message,分别用来存储用户信息和发送接收的信息。
整个系统的开发除了建立数据库外，在实现功能代码上要创建一个sqlcecf的实例。使数据库能够支撑整个系统功能实现。
在pocket pc上其界面设计思路是尽量简单，但能满足系统需求。控件上的设计简洁，明了。使模拟器和真实的手机操作界面相似，到达界面设计的需求。在发送端的模拟器上显示接收端的id和message,在接收端的模拟器上显示发送端的id和同样的message，使模拟器功能上和真实手机一致。
在实现对远程数据库sql server 2000访问时主要采用rda的同步技术。运用pull和push操作分别从远程的服务器接收数据和向远程服务器发送数据。在运用rda时由于是一种乐观的访问方式，而没有考虑系统环境存在的冲突，当访问不成功时，数据会暂时保存在本地数据库中，其实质也是对本地数据库的操作。当系统环境通畅后再一次对数据进行pull和push操作就能访问远程数据库。
系统整体运行模式：通过一台pocket pc向另一台pocket pc传送信息，首先发送方将信息写入pocket pc中即完成对发送方本地数据库的操作，在通过push操作向远程数据库中发送数据，接收方再通过pull操作从远程数据库接受数据，此时信息将保存在接收方本地数据库中，通过相应的查询操作完成对接收方本地数据库的访问。同时需要考虑此传输过程是一种乐观的传输过程。
基于Struts和Hibenate的遥感信息发布系统研究_计算机理论论文 第十篇
mvc设计模式是一种著名的用户界面软件开发设计模式，它是模型-视图-控制器（model-view-controller）缩写。 mvc设计模式最早由xerox在20世纪八十年代为altalk-80语言发展提出的，但是这种设计思想并没有局限于该语言，而是被广泛地应用到了其他面向对象的编程语言中。图1 mvc模型组件关系图 在mvc设计模式中，它把应用程序分成了3个核心部分，原理图如图1所示。 ⑴ 模型（model） 模型封装了用户数据和处理数据的业务逻辑，体现了应用程序的当前状态，而且可以将用户数据状态的变化提供给多个显示该数据的视图共用。模型是应用程序的核心。 ⑵ 视图（view） 视图提供了用户界面，是用户和应用程序的交互的窗口，既接受用户输入，也把模型数据状态显示给用户，但是视图不负责任何业务逻辑处理，仅仅是将用户输入数据传递给控制器或将模型数据显示给用户。 ⑶ 控制器（controller） 控制器连接了模型和视图，根据用户请求判断将请求交给哪个模型来完成，然后调用视图来显示模型处理后的用户请求结果。 mvc设计模式将应用程序进行了分层，视图和模型通过控制器连接，从而减少了用户界面和业务逻辑之间的耦合，使程序设计更加清晰、灵活，也提高了软件的可扩展性、可维护性。
本页网址:
https://www.fwan.cn/mianfeilunwen/jisuanjilunwen/85855.html
热点排行榜
