增量模糊关联分类器构建方法及其应用研究

发布时间：2017-12-22 19:18

  本文关键词：增量模糊关联分类器构建方法及其应用研究　出处：《中国民航大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 增量模糊关联分类器 eVQ聚类算法 UWEP 增量遗传算法 飞行品质监控

【摘要】：飞行品质监控(Flight Operations Quality Assurance,FOQA)是民航安全管理工作的重要组成部分。现行的FOQA工作方式没有考虑QAR(Quick Access Recorder)参数与超限事件之间的关系,无法解释超限事件发生的原因,也没有对海量QAR数据深入分析。模糊关联分类器(Fuzzy Associative Classifier,FAC)能够揭示多个变量与样本类别之间的规律,具有较好的解释性。增量学习是在海量数据集上训练分类器的一种有效方法。本文围绕构建有效的增量模糊关联分类器及其在FOQA工作中的应用开展研究,包括以下三个方面的工作:(1)提出了一种基于eVQ(evolving Vector Quantization)聚类算法的增量模糊关联分类方法。该方法采用eVQ聚类算法生成并增量更新高斯隶属度函数,扩展UWEP(Update With Early Pruning)算法增量挖掘模糊频繁项,以FCORR(Fuzzy Correlation)和分类规则前件长度为度量方式裁剪并更新模糊关联分类规则库。实验结果表明,与批量模糊关联分类建模方法相比,提出的方法能够在保证分类精度和解释性的前提下,降低模糊关联分类器的训练时间。(2)在(1)工作基础上,提出一种基于增量遗传算法的模糊关联分类规则库(Fuzzy Associative Classification Rule Base,FACRB)裁剪方法。该方法采用二进制方式对FACRB编码,基于遗传算法对FACRB裁剪。在增量学习阶段,通过前一次遗传过程中保留的优秀个体所携带的遗传信息初始化新种群,实现FACRB的增量裁剪。实验结果表明,该方法能够快速精简分类规则库,并且生成的分类模型在分类精度上有较大提高。(3)基于文中构建的增量模糊关联分类器对某航空公司实际发生的“15m(50ft)至接地距离远”超限事件进行了识别分析。结果表明本文的方法能有效识别该超限事件,分类模型中的模糊关联规则对解释事件发生原因具有指导作用。
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：V328;TP18

【参考文献】

相关期刊论文 前10条

1 孙瑞山;汪磊;刘俊杰;;中国民航安全发展及展望[J];交通信息与安全;2016年04期

2 谷润平;黄磊;赵向领;;基于QAR数据的飞机发动机性能异常检测[J];航空计算技术;2015年04期

3 曹惠玲;黄乐腾;李志伟;庞思凯;;基于SOM神经网络的航空发动机滑油系统健康评估[J];中国民航大学学报;2014年06期

4 高小霞;霍纬纲;冯兴杰;;基于模糊关联分类器的民机超限事件诊断方法[J];北京航空航天大学学报;2014年10期

5 曹惠玲;杨路;林钰森;罗立霄;曲春刚;;基于支持向量回归机的航空发动机异常检测研究[J];机械科学与技术;2013年11期

6 曹惠玲;罗立霄;曲春刚;康力平;;基于LS-SVM的航空发动机喘振故障诊断研究[J];热能动力工程;2013年01期

7 张杰;赵峰;;流数据概念漂移的检测算法[J];控制与决策;2013年01期

8 霍纬纲;高小霞;;一种适用于多类不平衡数据集的模糊关联分类方法[J];控制与决策;2012年12期

9 俞力玲;;中国民航飞行品质监控回顾与展望[J];中国民用航空;2012年08期

10 董杰;沈国杰;;一种基于模糊关联分类的遥感图像分类方法[J];计算机研究与发展;2012年07期

相关博士学位论文 前1条

1 何嘉;基于遗传算法优化的中文分词研究[D];电子科技大学;2012年

，

本文编号：1320687