CN109858134B - 大数据驱动的辅助多装备系统体系结构模型构建的方法 - Google Patents
大数据驱动的辅助多装备系统体系结构模型构建的方法 Download PDFInfo
- Publication number
- CN109858134B CN109858134B CN201910071573.6A CN201910071573A CN109858134B CN 109858134 B CN109858134 B CN 109858134B CN 201910071573 A CN201910071573 A CN 201910071573A CN 109858134 B CN109858134 B CN 109858134B
- Authority
- CN
- China
- Prior art keywords
- mission
- architecture model
- indexes
- historical
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种大数据驱动的辅助多装备系统体系结构模型构建的方法,并基于大数据技术利用历史推荐以及辅助设计的方法来提高多装备系统体系结构设计时的设计效率,节约设计成本;与传统的体系结构模型的设计过程相比,本发明并不是直接根据使命任务输出体系结构模型,而是以大数据驱动结合历史体系结构模型先找出最为相似的体系结构模型,本发明采用复合距离度量方法来判断使命任务的相似性,再判断是否满足使命任务要求,满足要求的情况下,直接输出历史体系结构模型,不满足要求的情况下,采用决策树算法与产生式规则构建决策树直接向设计人员提供能够参考的参数值,更有效的辅助设计人员构建体系结构模型。
Description
技术领域
本发明属于多装备系统设计技术领域,具体涉及一种大数据驱动的辅助多装备系统体系结构模型构建的方法。
背景技术
在多装备系统中,体系结构是组件和组件、装备和装备之间关系的结构,是管理它们的设计和与时演进的原则与指导方针。体系结构是大型系统设计、分析和评估的依据,是系统集成和组件系统间信息、知识交互和系统互通互操作的基础和标准,体系结构为新系统的开发提供标准框架,防止各自为战的“烟囱式”建设,系统资源得到组合和重用,最大限度的发挥系统效能。因此,体系结构设计成为系统顶层设计的关键,是系统体系建设的基础,如何利用科学的体系结构设计方法进行系统体系结构设计就显得尤为重要了。
在多装备系统的体系结构设计的过程中,使命任务是一项极为重要的设计输入,使命任务描述结构复杂、维度高,使命任务的千差万别导致其对设计对象中的各个指标的影响各不相同。设计对象的输入数据呈现多源异构、维度高、时效性强等特点,设计对象自身涉及到的指标数据维度极高,其中主要指标难以凸显,指标之间关联关系错综复杂,最终对设计结果的评价指标也难以衡量。在设计速度和可靠性等多重要求下,面对如此大量的复杂的设计数据、主要设计指标以及评价指标,因此支持体系结构的设计,提升体系结构设计效率是十分有必要的。
多装备系统体系结构设计过程十分复杂,对设计过程难以深入分析,数据间复杂的关联性,数据海量且分散,操作人员只能对系统功能框架内的数据进行观察,无法通过利用集群进行性能提升和数据处理。仅仅凭借传统的方法与技术,已经无法满足系统综合设计处理海量大数据及设计的需求。
发明内容
有鉴于此,本发明的目的是提供一种大数据驱动的辅助多装备系统体系结构模型构建的方法,可以提高多装备系统体系结构设计效率,有效的辅助设计人员构建体系结构模型。
辅助多装备系统体系结构模型构建的方法,包括如下步骤:
步骤1、针对给定的新的使命任务,首先计算新的使命任务与所有历史使命任务的相似度,找到相似度最大的历史使命任务对应的体系结构模型;
然后判断该历史使命任务对应的体系结构模型的能力指标是否能够满足新的使命任务要求:如果满足,输出该体系结构模型;如果不满足,执行步骤2;
步骤2、判断步骤1中找到的所述体系结构模型的装备属性还是装备数量不满足要求:
当装备属性达不到要求时,直接在装备库中查看是否有满足要求的装备:如果有,则添加到所述体系结构模型中,并输出;如果没有,执行步骤3;
当装备数量达不到要求时,判断直接增加装备数量是否能达到使命任务要求,如果能,则添加到所述体系结构模型中,并输出;如果不能,执行步骤3;
步骤3、利用决策树算法设计新的体系结构模型,具体为:
a、根据大数据系统的数据库中已有的历史体系结构模型,提取出体系结构模型中各能力指标的取值,包括使命任务、体系能力、作战节点、作战活动、装备系统以及能力指标参数的取值;
b.判断历史体系结构模型的数量是否达到设定阈值:如果达到,从上到下顺次以能力指标中使命任务、体系能力、作战节点、作战活动和装备系统作为各级节点,确定上一级节点对应于下一级节点划分方式,由此建立出与使命任务数量一致的决策树结构;
c.当历史体系结构模型的数据量小于所述设定阈值,采用产生式规则生成历史体系结构模型数据,使得生成的体系结构模型和已有的体系结构模型数量和值达到所述设定阈值;然后采用本步骤中b的方法构建决策树结构;
d.针对建立的各个决策树结构,找到与新的使命任务结构最相近的一条或多条分支,针对各分支中不满足要求的能力指标,在同一个决策树的同一级节点中找到满足要求的能力指标,将其取值推荐给设计人员,完成新的体系结构模型构建。
较佳的,所述步骤1中计算相似度的具体方法为:
首先确定使命任务的需要考虑的能力指标以及各能力指标下的分指标;
然后确定新的任务使命与历史任务使命的各分指标特征值,根据同属一个能力指标的各分指标的特征值,计算新的任务使命与历史任务使命各能力指标之间的距离:
其中,当分指标为数值型时,根据各分指标的特征值,采用欧式距离计算能力指标距离;当分指标为文字型时,根据各分指标的特征值采用余弦距离计算能力指标距离;当分指标为空间约束、时间约束、力量运用约束时,各分指标的特征值采用Jaccard距离计算能力指标距离;
对每个能力指标距离进行赋权,最后利用加权求和方法获得新的任务使命与历史任务使命之间的复合距离,并根据该复合距离确定新的任务使命与历史任务使命的相似度。
较佳的,任务使命的指标包括:
作战环境,分指标为对抗环境、自然环境、诱发环境;
约束条件,分指标包括空间约束、时间约束、力量运用约束;
作战对象,分指标为航天器目标、弹道导弹目标、临近空间目标、空气动力目标;
作战任务,分指标为预警监视、防空、远程对空打击;
以及空间约束、时间约束和力量运用约束。
较佳的,根据信息增益率作为上一级节点对应于下一级节点划分方式的依据。
本发明具有如下有益效果:
本发明提供了一种大数据驱动的辅助多装备系统体系结构模型构建的方法,并基于大数据技术利用历史推荐以及辅助设计的方法来提高多装备系统体系结构设计时的设计效率,节约设计成本;
与传统的体系结构模型的设计过程相比,本发明并不是直接根据使命任务输出体系结构模型,而是以大数据驱动结合历史体系结构模型先找出最为相似的体系结构模型,本发明采用复合距离度量方法来判断使命任务的相似性,再判断是否满足使命任务要求,满足要求的情况下,直接输出历史体系结构模型,不满足要求的情况下,采用决策树算法与产生式规则构建决策树直接向设计人员提供能够参考的参数值,更有效的辅助设计人员构建体系结构模型。
附图说明
图1为本发明中基于使命任务距离度量的推荐方法图;
图2为本发明中辅助体系结构模型输出的逻辑图;
图3为本发明中利用产生式规则以及决策树算法辅助体系结构模型输出支持图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
大量的数据本身并没有实际意义,只有针对特定的应用分析这些数据,使之转化成有用的结果,海量的数据才能发挥作用。数据是广泛可用的,所缺乏的是从数据中提取知识的能力。而大数据的重要应用就是利用海量的数据,通过运算分析事物的相关性,进而预测事物的发展。面对复杂的高维数据,大数据相关技术的表现比传统方法优秀得多。
在大数据驱动的可行性分析得到保证之后,本发明辅助体系结构模型构建方法步骤如下:
一,体系结构设计中的历史推荐。以新的使命任务作为输入,计算新使命任务与历史使命任务之间的相似距离并利用复合距离度量方法寻找与新使命任务最相近的历史体系结构模型,输出与新使命任务最相关的历史体系结构模型,如果输出的历史体系结构模型满足使命任务要求,则可以直接给用户输出体系结构模型,若不满足要求需要调整参数,则进行第二步。
二,体系结构设计中的辅助设计。以多装备系统中新的使命任务、能力指标参数值作为输入,将历史数据作为参考,采用决策树或产生-决策树算法学习多层决策树并挖掘节点间、参数间的关联关系,为体系设计提供映射支持,设计人员根据推荐结合自身知识完成设计,输出完整的体系结构模型。
上述体系结构模型构建方法具体包括如下步骤:
步骤1、如图1所示,设计输入主要是使命任务,根据使命任务来设计体系结构,在设计过程中,首先计算新的使命任务与所有历史使命任务的相似度,找到相似度最大的历史使命任务对应的体系结构模型,将其推荐给设计者;其中,历史使命任务以及对应的体系结构模型等相关数据存储在大数据系统的数据库中,并由数据库管理。
然后判断该历史使命任务对应的体系结构模型的能力指标是否能够满足新的使命任务要求:如果满足,输出该体系结构模型;如果不满足,执行步骤2;
步骤2、当不能满足要求使命任务的指标要求时,考虑定性或定量原因,逐级分解原因并逐渐确定装备体系,同时在这个阶段中,对于现有装备库中装备达不到的要求可提出新装备开发建议,如图2所示,具体包括:当历史体系结构模型不满足要求时,判断装备不达标的原因是装备属性还是装备数量:
装备属性达不到要求时,直接在装备库中查看是否有满足要求的装备:如果有,则直接添加,如果没有,则执行步骤3;
装备数量达不到要求时,判断直接增加装备数量是否能达到使命任务要求,如果能,则直接添加,如果不能,则执行步骤3;
步骤3、在历史的体系结构模型不满足使命任务的要求时,设计人员可以通过利用决策树算法设计新的体系结构模型,具体为:
a.根据大数据系统的数据库中已有的历史体系结构模型,提取出体系结构模型中各指标的取值,包括使命任务、体系能力、作战节点、作战活动、装备系统以及能力指标参数的取值;
b.判断历史体系结构模型的数量是否达到阈值15000:如果达到,从上到下顺次以使命任务、体系能力、作战节点、作战活动和装备系统作为各级节点,确定上一级节点对应于下一级节点划分方式,由此建立出与使命任务数量一致的决策树结构;其中根据信息增益率作为上一级节点对应于下一级节点划分方式的依据;
c.当数据量小于阈值15000,即前期冷启动过程中数据量较少时,本发明采用产生式规则生成更多的历史体系结构模型数据,使得生成的和已有的数量和值达到阈值;采用规则“If-then”结构构建简单的规则分流,如If(使命任务为拦截某装备),Then(能力对某装备的拦截能力),假设当前数据量为m,那么通过上述规则建立17000-m条规则作为筛选项,在已有的数据加上产生规则的总量下随机选择15000条数据再采用本步骤b的方法构建决策树,供设计者使用;
d.针对建立的各个决策树,找到与新的使命任务结构最相近的一条或多条分支,针对各分支中不满足要求的指标,在同一个决策树的同一级节点中找到满足要求的指标,将其取值推荐给设计人员;如果有多条分支,则会提供多个推荐取值,供设计人员抉择。
其中,步骤1中计算相似度的具体方法为:
a.将新的使命任务作为输入,数据存储至大数据系统的数据库中,主要考虑使命任务以下指标作为输入:作战环境(分指标为对抗环境、自然环境、诱发环境)以离散值作为输入;约束条件(分指标为空间约束、时间约束、力量运用约束),空间约束以坐标连续值的形式输入,时间约束主要是指强对抗时间,主要是以连续值的形式输入,力量运用约束是以离散值的形式输入;作战对象(分指标为航天器目标、弹道导弹目标、临近空间目标、空气动力目标)主要以离散值的形式进行输入;作战任务(分指标为预警监视、防空、远程对空打击)主要以离散值的形式输入。
b.在获取设计人员输入的使命任务参数后,为了寻找合适的相似的使命任务进行推荐,采用复合相似性度量方法寻找最相近的样本并将其推荐给设计人员,其中距离计算主要考虑使命任务之间的距离(即相似度),故需要定义使命任务各个特征的相似度并将其进行统一性的距离度量,最后再进行复合距离计算,将每个指标的距离根据权值重要性赋权相加,故为了进行距离计算,逐一对指标参数进行分析并采用合适的归一化方式建立使命任务度量向量,其中具体距离度量方式如表1所示。
表1
表1中,如果指标特征值的差别过大,需要对其进行归一化处理。
c.最后再对使命任务进行相似度比较计算从而获得最相似的体系结构模型,具体计算方法为:
在计算数值型的距离和文字型的语义距离过程中,会采用多种距离计算方法,现阶段来说采用的距离计算方法主要有欧式距离、余弦距离和Jaccard距离等。
针对每个指标,对于数值型的数据,采用欧式距离直接表示数据之间的距离:
其中,a,b表示新的使命任务和历史使命任务的数值型数据,ai,bi分别表示该指标中的第i个数值型数值。
对于文字型描述的使命任务,采用余弦距离进行计算:
其中a,b表示两个文字型数据通过语义向量化所获得的两个具有标准格式的向量,ai,bi分别表示第i个向量维度特征;
对于某些具有特定取值的特征,如在空间约束、时间约束、力量运用约束中:空间约束的特征取是海域、空域、临近空间,力量约束采用常规装备对抗,蓝方攻击红方等。为了计算他们之间的距离,采用Jaccard距离直接计算该数据中取值相等的样本个数:
其中ai,bi表示新的使命任务和历史使命任务的指标的特征取值;count(ai=bi)表示ai,bi相等的个数,count(ai)和count(bi)分别表示ai,bi的数量。
复合距离计算方法,根据历史使命任务以及设计人员专家经验,为每个指标的距离赋权,根据权值计算距离,衡量相似性,作战环境、作战对象、作战任务、空间约束、时间约束以及力量约束的权值w1,w2,w3,w4,w5,w6分别为0.05,0.2,0.2,0.15,0.3,0.1,复合距离度量为:
df=w1d1+w2d2+w3d3+w4d4+w5d5+w6d6
其中,d1,d2,d3,d4,d5,d6分别表示作战环境、作战对象、作战任务、空间约束、时间约束以及力量约束单个指标参数采用相应的距离计算方法后的距离度量值。
复合距离度量值df最小的使命任务即为与当前输入的使命任务最相似的使命任务,输出该相似使命任务对应的体系结构模型来做下一步判定。
其中,信息增益率的计算方法为:
首先计算信息增益:
数据中某个特征A对训练数据集D的信息增益g(D,A),定义为集合D的经验熵H(D)与特征A给定条件下D的经验条件熵H(D|A)之差,即
g(D,A)=H(D)-H(D|A)
其中,|D|表示训练集中样本个数,有K个类Ck,k=1,2,…,K,|Ck|为属于类Ck样本的个数,特征A有n个不同的取值{a1,a2,…,an},根据特征A的取值将D划分为n个子集D1,D2,…,Dn,|Di|为Di的样本个数,子集Di中属于类Ck的样本的集合为Dik,|Dik|为Dik的样本个数。
再计算信息增益率:
特征A对训练数据集D的信息增益率gR(D,A)定义为其信息增益g(D,A)与训练数据集D关于特征A的值的熵HA(D)之比,即
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.大数据驱动的辅助多装备系统体系结构模型构建的方法,其特征在于,包括如下步骤:
步骤1、针对给定的新的使命任务,首先计算新的使命任务与所有历史使命任务的相似度,找到相似度最大的历史使命任务对应的体系结构模型,具体为:
首先确定使命任务的需要考虑的能力指标以及各能力指标下的分指标;
然后确定新的使命任务与历史使命任务的各分指标特征值,根据同属一个能力指标的各分指标的特征值,计算新的使命任务与历史使命任务各能力指标之间的距离:
其中,当分指标为数值型时,根据各分指标的特征值,采用欧式距离计算能力指标距离;当分指标为文字型时,根据各分指标的特征值采用余弦距离计算能力指标距离;当分指标为空间约束、时间约束、力量运用约束时,各分指标的特征值采用Jaccard距离计算能力指标距离;
对每个能力指标距离进行赋权,最后利用加权求和方法获得新的使命任务与历史使命任务之间的复合距离,并根据该复合距离确定新的使命任务与历史使命任务的相似度;
然后判断该历史使命任务对应的体系结构模型的能力指标是否能够满足新的使命任务要求:如果满足,输出该体系结构模型;如果不满足,执行步骤2;
步骤2、判断步骤1中找到的所述体系结构模型的装备属性还是装备数量不满足要求:
当装备属性达不到要求时,直接在装备库中查看是否有满足要求的装备:如果有,则添加到所述体系结构模型中,并输出;如果没有,执行步骤3;
当装备数量达不到要求时,判断直接增加装备数量是否能达到使命任务要求,如果能,则添加到所述体系结构模型中,并输出;如果不能,执行步骤3;
步骤3、利用决策树算法设计新的体系结构模型,具体为:
a、根据大数据系统的数据库中已有的历史体系结构模型,提取出体系结构模型中各能力指标的取值,包括使命任务、体系能力、作战节点、作战活动、装备系统以及能力指标参数的取值;
b.判断历史体系结构模型的数量是否达到设定阈值:如果达到,从上到下顺次以能力指标中使命任务、体系能力、作战节点、作战活动和装备系统作为各级节点,确定上一级节点对应于下一级节点划分方式,由此建立出与使命任务数量一致的决策树结构;
c.当历史体系结构模型的数据量小于所述设定阈值,采用产生式规则生成历史体系结构模型数据,使得生成的体系结构模型和已有的体系结构模型数量和值达到所述设定阈值;然后采用本步骤中b的方法构建决策树结构;
d.针对建立的各个决策树结构,找到与新的使命任务结构最相近的一条或多条分支,针对各分支中不满足要求的能力指标,在同一个决策树的同一级节点中找到满足要求的能力指标,将其取值推荐给设计人员,完成新的体系结构模型构建。
2.如权利要求1所述的大数据驱动的辅助多装备系统体系结构模型构建的方法,其特征在于,其中,使命任务的指标包括:
作战环境,分指标为对抗环境、自然环境、诱发环境;
约束条件,分指标包括空间约束、时间约束、力量运用约束;
作战对象,分指标为航天器目标、弹道导弹目标、临近空间目标、空气动力目标;
作战任务,分指标为预警监视、防空、远程对空打击;
以及空间约束、时间约束和力量运用约束。
3.如权利要求1所述的大数据驱动的辅助多装备系统体系结构模型构建的方法,其特征在于,将信息增益率作为上一级节点对应于下一级节点划分方式的依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910071573.6A CN109858134B (zh) | 2019-01-25 | 2019-01-25 | 大数据驱动的辅助多装备系统体系结构模型构建的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910071573.6A CN109858134B (zh) | 2019-01-25 | 2019-01-25 | 大数据驱动的辅助多装备系统体系结构模型构建的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109858134A CN109858134A (zh) | 2019-06-07 |
CN109858134B true CN109858134B (zh) | 2020-09-08 |
Family
ID=66896068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910071573.6A Active CN109858134B (zh) | 2019-01-25 | 2019-01-25 | 大数据驱动的辅助多装备系统体系结构模型构建的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858134B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866317B (zh) * | 2019-11-23 | 2023-06-30 | 广东科龙模具有限公司 | 基于产品历史信息及设计行为分析的设计工具包重构方法 |
CN111160525B (zh) * | 2019-12-17 | 2023-06-20 | 天津大学 | 一种边缘计算环境下基于无人机群的任务卸载智能决策方法 |
CN111899333B (zh) * | 2020-07-28 | 2023-10-10 | 南京邮电大学 | 基于模型的复杂装备系统可视化仿真方法、系统及其存储介质 |
CN117436283B (zh) * | 2023-12-13 | 2024-03-26 | 青岛昊宇重工有限公司 | 一种烟囱的计算机辅助设计方法、设计系统及储存介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106283A (zh) * | 2013-02-28 | 2013-05-15 | 北京奇虎科技有限公司 | 去重处理方法及装置 |
CN103679333A (zh) * | 2013-09-27 | 2014-03-26 | 上海飞机制造有限公司 | 基于工作流的快速反应系统及其应用 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5153904B2 (ja) * | 2010-09-22 | 2013-02-27 | インターナショナル・ビジネス・マシーンズ・コーポレーション | プログラムの動作推測方法及びプログラム |
-
2019
- 2019-01-25 CN CN201910071573.6A patent/CN109858134B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106283A (zh) * | 2013-02-28 | 2013-05-15 | 北京奇虎科技有限公司 | 去重处理方法及装置 |
CN103679333A (zh) * | 2013-09-27 | 2014-03-26 | 上海飞机制造有限公司 | 基于工作流的快速反应系统及其应用 |
Non-Patent Citations (2)
Title |
---|
《武器装备体系结构可执行模型》;熊健等;《系统工程与电子技术》;20100531;第966-970页 * |
《面向大数据分析的决策树算法》;张棪等;《计算机科学》;20160630;第374-379,383页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109858134A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858134B (zh) | 大数据驱动的辅助多装备系统体系结构模型构建的方法 | |
Ren et al. | Building an effective intrusion detection system by using hybrid data optimization based on machine learning algorithms | |
Zhou et al. | Combining global and local surrogate models to accelerate evolutionary optimization | |
CN112329348A (zh) | 一种面向非完全信息条件下军事对抗博弈的智能决策方法 | |
CN110544011B (zh) | 一种智能化的体系作战效能评估和优化方法 | |
CN110197282B (zh) | 一种基于遗传模糊逻辑树的威胁估计与态势评估方法 | |
Bin et al. | Regression model for appraisal of real estate using recurrent neural network and boosting tree | |
Zhou et al. | Movie recommendation system employing the user-based cf in cloud computing | |
Erlan | C4. 5 Algorithm Application for Prediction of Self Candidate New Students in Higher Education | |
Parr et al. | Enhancing infill sampling criteria for surrogate-based constrained optimization | |
Ahmadi et al. | Learning fuzzy cognitive maps using imperialist competitive algorithm | |
Dave et al. | Different clustering algorithms for Big Data analytics: A review | |
CN103678436A (zh) | 信息处理系统和信息处理方法 | |
CN109597839B (zh) | 一种基于航电作战态势的数据挖掘方法 | |
Wu et al. | DEA cross‐efficiency ranking method considering satisfaction and consensus degree | |
Zhao et al. | Some approaches to constructing distance measures for hesitant fuzzy linguistic term sets with applications in decision-making | |
CN107958265A (zh) | 一种基于战时影响因素与ε-SVR的战损备件预测方法 | |
CN115238008A (zh) | 一种战场环境知识表示方法 | |
Duan et al. | A multi-strategy seeker optimization algorithm for optimization constrained engineering problems | |
Huang et al. | A hybrid Aquila optimizer and its K-means clustering optimization | |
Hu et al. | Horizontal and vertical crossover of sine cosine algorithm with quick moves for optimization and feature selection | |
Pavlov-Kagadejev et al. | Optimizing long-short-term memory models via metaheuristics for decomposition aided wind energy generation forecasting | |
Berneti | Design of fuzzy subtractive clustering model using particle swarm optimization for the permeability prediction of the reservoir | |
Nema et al. | A hybrid cooperative search algorithm for constrained optimization | |
Kumar et al. | Twitter Data Analysis Using Hadoop and'R'and Emotional Analysis Using Optimized SVNN. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |