基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对诊断问题的分解进行研究,给出了候选诊断的分解与组合定理.在此基础上,提出了利用分步求解方法实现诊断分解的算法,并对算法的正确性、完备性和复杂性进行了证明.实验结果表明,分步求解方法明显提高了包含多个输出的系统的诊断效率.与利用变量假定例化值分解诊断问题的方法相比,该算法能提高了效率并且扩大了适用范围.
推荐文章
基于模型故障诊断中的冲突求解
故障诊断
模型
冲突集
基于CVT宽频传递模型的杂散电容分步辨识方法
电容式电压互感器
杂散电容
宽频传递模型
多目标灰狼优化算法
分步辨识
基于ADC模型的点目标最佳CEP求解
点目标
最佳 CEP
弹道修正火箭弹
作战效能
毁伤概率
效费比
ADC 模型
基于用户特征的分步协同推荐算法
协同过滤
用户特征
聚类算法
分步协同过滤框架
模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于模型诊断的分步求解
来源期刊 软件学报 学科 工学
关键词 基于模型的诊断 诊断分解 分步推理
年,卷(期) 2008,(3) 所属期刊栏目 模式识别与人工智能
研究方向 页码范围 584-593
页数 10页 分类号 TP18
字数 9599字 语种 中文
DOI 10.3724/SP.J.1001.2008.00584
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姜云飞 中山大学软件研究所 84 1013 18.0 28.0
2 陈蔼祥 中山大学软件研究所 12 90 6.0 9.0
3 张学农 中山大学软件研究所 6 44 4.0 6.0
7 张立成 广东药学院网络中心 13 50 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (39)
参考文献  (12)
节点文献
引证文献  (16)
同被引文献  (36)
二级引证文献  (83)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(6)
  • 参考文献(1)
  • 二级参考文献(5)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(5)
  • 参考文献(0)
  • 二级参考文献(5)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(7)
  • 参考文献(3)
  • 二级参考文献(4)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(3)
  • 参考文献(3)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(3)
  • 引证文献(1)
  • 二级引证文献(2)
2011(4)
  • 引证文献(3)
  • 二级引证文献(1)
2012(5)
  • 引证文献(1)
  • 二级引证文献(4)
2013(9)
  • 引证文献(3)
  • 二级引证文献(6)
2014(8)
  • 引证文献(2)
  • 二级引证文献(6)
2015(14)
  • 引证文献(0)
  • 二级引证文献(14)
2016(16)
  • 引证文献(2)
  • 二级引证文献(14)
2017(17)
  • 引证文献(2)
  • 二级引证文献(15)
2018(11)
  • 引证文献(1)
  • 二级引证文献(10)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
基于模型的诊断
诊断分解
分步推理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件学报
月刊
1000-9825
11-2560/TP
16开
北京8718信箱
82-367
1990
chi
出版文献量(篇)
5820
总下载数(次)
36
总被引数(次)
226394
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导