本文關鍵詞：增量模糊關聯分類器構建方法及其應用研究　出處：《中國民航大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 增量模糊關聯分類器 eVQ聚類算法 UWEP 增量遺傳算法 飛行品質監(jiān)控

【摘要】：飛行品質監(jiān)控(Flight Operations Quality Assurance,FOQA)是民航安全管理工作的重要組成部分。現行的FOQA工作方式沒有考慮QAR(Quick Access Recorder)參數與超限事件之間的關系,無法解釋超限事件發(fā)生的原因,也沒有對海量QAR數據深入分析。模糊關聯分類器(Fuzzy Associative Classifier,FAC)能夠揭示多個變量與樣本類別之間的規(guī)律,具有較好的解釋性。增量學習是在海量數據集上訓練分類器的一種有效方法。本文圍繞構建有效的增量模糊關聯分類器及其在FOQA工作中的應用開展研究,包括以下三個方面的工作:(1)提出了一種基于eVQ(evolving Vector Quantization)聚類算法的增量模糊關聯分類方法。該方法采用eVQ聚類算法生成并增量更新高斯隸屬度函數,擴展UWEP(Update With Early Pruning)算法增量挖掘模糊頻繁項,以FCORR(Fuzzy Correlation)和分類規(guī)則前件長度為度量方式裁剪并更新模糊關聯分類規(guī)則庫。實驗結果表明,與批量模糊關聯分類建模方法相比,提出的方法能夠在保證分類精度和解釋性的前提下,降低模糊關聯分類器的訓練時間。(2)在(1)工作基礎上,提出一種基于增量遺傳算法的模糊關聯分類規(guī)則庫(Fuzzy Associative Classification Rule Base,FACRB)裁剪方法。該方法采用二進制方式對FACRB編碼,基于遺傳算法對FACRB裁剪。在增量學習階段,通過前一次遺傳過程中保留的優(yōu)秀個體所攜帶的遺傳信息初始化新種群,實現FACRB的增量裁剪。實驗結果表明,該方法能夠快速精簡分類規(guī)則庫,并且生成的分類模型在分類精度上有較大提高。(3)基于文中構建的增量模糊關聯分類器對某航空公司實際發(fā)生的“15m(50ft)至接地距離遠”超限事件進行了識別分析。結果表明本文的方法能有效識別該超限事件,分類模型中的模糊關聯規(guī)則對解釋事件發(fā)生原因具有指導作用。
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：V328;TP18

【參考文獻】

相關期刊論文 前10條

1 孫瑞山;汪磊;劉俊杰;;中國民航安全發(fā)展及展望[J];交通信息與安全;2016年04期

2 谷潤平;黃磊;趙向領;;基于QAR數據的飛機發(fā)動機性能異常檢測[J];航空計算技術;2015年04期

3 曹惠玲;黃樂騰;李志偉;龐思凱;;基于SOM神經網絡的航空發(fā)動機滑油系統健康評估[J];中國民航大學學報;2014年06期

4 高小霞;霍緯綱;馮興杰;;基于模糊關聯分類器的民機超限事件診斷方法[J];北京航空航天大學學報;2014年10期

5 曹惠玲;楊路;林鈺森;羅立霄;曲春剛;;基于支持向量回歸機的航空發(fā)動機異常檢測研究[J];機械科學與技術;2013年11期

6 曹惠玲;羅立霄;曲春剛;康力平;;基于LS-SVM的航空發(fā)動機喘振故障診斷研究[J];熱能動力工程;2013年01期

7 張杰;趙峰;;流數據概念漂移的檢測算法[J];控制與決策;2013年01期

8 霍緯綱;高小霞;;一種適用于多類不平衡數據集的模糊關聯分類方法[J];控制與決策;2012年12期

9 俞力玲;;中國民航飛行品質監(jiān)控回顧與展望[J];中國民用航空;2012年08期

10 董杰;沈國杰;;一種基于模糊關聯分類的遙感圖像分類方法[J];計算機研究與發(fā)展;2012年07期

相關博士學位論文 前1條

1 何嘉;基于遺傳算法優(yōu)化的中文分詞研究[D];電子科技大學;2012年

，

本文編號：1320687