基于条件生成对抗插补网络的双重判别器缺失值插补算法

应用中的各种因素可能造成数据缺失,影响后续任务的分析。因此,数据集缺失值的插补尤为重要。相比原本没有插补的处理,错误的插补值也会对分析造成更严重的偏差。针对这种情况,提出新的采用双重判别器的基于条件生成对抗插补网络(C-GAIN)的缺失值插补算法DDC-GAIN(Dual Discriminator based on C-GAIN)。该算法通过一个辅助判别器辅助主判别器判断预测值的真假,即根据一个样本的全局信息判断这个样本生成的真假,更注重特征之间的关系,以此估算预测值。在4个数据集上与5种经典插补算法进行对比实验,结果表明：同样条件下,DDC-GAIN算法在样本量较大时的均方根误差(RMSE)最低;在Default credit card数据集上缺失率为15%时,DDC-GAIN算法的RMSE比次优算法C-GAIN降低了28.99%。这说明利用辅助判别器帮助主判别器学习特征之间的关系是有效的。     

矿山经济数据缺失处理问题及研究

矿山数据挖掘需要完整的数据,因此必须处理矿山数据中的缺失值.为了解决在矿山经济数据的分析预测时出现的缺失问题,提出用SPSS软件的数据缺失值处理模块对数据缺失机制进行分析,采用平均值法、加权均值法、线性回归法、最大期望法、多重填补法等确定性和随机性方法插补缺失数据,分析了这些方法的优缺点,并对插补结果进行比较,以达到客...     

土壤属性数据pH缺失的插补方法

土壤分析研究中属性数据缺失的现象时常发生,为了提高研究结果的可靠性,有必要对土壤属性数据的缺失值插补方法进行研究.从数据挖掘的角度利用多种缺失值处理方法来对缺失值进行插补,以中国主要农田生态系统土壤养分数据库的pH属性为研究对象,并且从真实值和插补值的拟合优度和插补误差两个方面评估各个方法在不同缺失率的数据集上的表现.结果表明,对比其他方法,如多元回归、SVM、神经网络,采用最优参数的KNN和随机森林插补方法对土壤属性数据pH进行插补是有效可行的.KNN和随机森林在不同缺失率的数据集上插补缺失数据pH的MAE、RMSE和R2的均值分别为0.132和0.131,0.174和0.178,0.775和0.765.     

焊接缺陷超声检测回波信号的双谱分析

针对焊接缺陷超声检测中信号处理的特征提取问题，应用高阶谱方法对三类压力容器焊接缺陷的超声回波信号进行了分析，在焊接缺陷超声检测中，回波信号的相位携带有被检对象重要的结构特征信息。高阶谱方法与常规的功率谱分析方法不同，它不仅有振幅而且包含有相位，能揭示常规功率谱分析所不能表现的重要信息。本文应用高阶累积量技术对缺陷回波信号进行双谱分析，提取出缺陷回波基于双谱的平均相位信息作为特征参量，取得了较好的识别结果。     

一步预测的SVDDBN缺失数据插补算法

变结构离散动态贝叶斯网络（SVDDBN）处理不确定性问题更具有一般性,为了克服SVDDBN缺失数据会导致推理结果精度变差的问题,提出了一步预测的SVDDBN缺失数据插补算法。根据信息可以沿着网络的时间轴方向向下一个时间片传播的规律,利用“混合”信息在线进行信度更新,可得到滤波值,再通过进一步预测得到下一个时间片缺失数据节点的后验概率作为插补值。仿真结果表明：提出的算法能有效插补缺失数据,提高SVDDBN推理的精确度及可靠性。     

基于深度学习的温度观测数据长时间缺失值插补方法

完整高精度的温度观测数据是农业气象灾害监测、生态系统模拟重要的输入参数.由于野外气象观测条件的限制,气象观测数据缺失现象是常态,数据插补方法是气象数据应用必要处理步骤.本文针对野外小气象观测站站点半小时温度观测数据长时间缺失值问题,结合同一地点较低频次的人工温度观测,构建了新的温度缺失值插补深度学习模型,对缺失的半小时...     

数据预处理方法在移动通信行业中的应用

解决数据本身的质量问题,以某移动通信用户离网原因分析及预测为主题及为数据挖掘模型处理出需要的数据是文章的主要目的.文中运用了数据预处理中,维规约,属性集成与构造,多重插补,离散化,规范化,数据抽样等方法来得到一个完整的、近似真实的数据集.针对所处理数据含有大量缺失值的特点,选取了插补的方法进行处理.包括方法的插补方法的选择,到最后使用多重插补方法对缺失数据进行修正.预处理后的数据应用到具体数据挖掘模型后提高了数据挖掘的效率,降低了数据挖掘复杂度.     

基于奇异值分解及形态滤波的滚动轴承故障特征提取方法*

针对滚动轴承振动信号故障特征信息往往被强背景噪声淹没的问题,提出一种基于奇异值分解和形态滤波的振动信号故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系,选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的方法来滤除信号中的平滑信号和部分噪声,获取带噪声的冲击信号;然后利用形态滤波能有效滤除脉冲干扰噪声的特点,反其道而行之,从而提取信号的冲击故障特征的方法,并将该方法应用于轴承的振动信号的故障特征提取。仿真与实例表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法。     

基于物联网技术的医院网络自动防入侵模型构建

通常在网络检测入侵信息时，存在检测精度低、检测效果差的问题。对此，提出基于物联网技术构建医院网络自动防入侵模型。查找及插补医院网络数据缺失值，基于物联网技术结合Z-Score法标准化处理插补过的数据；依据主分量分析法计算标准化数据，获取医院网络数据的线性特征；结合支持向量机原理构建医院网络的自动防入侵架构，将获取的线性特征放入模型中，实现医院网络自动防入侵。实验结果表明，运用该方法可以有效检测出网络入侵数据分布，该模型的检测精度高、检测效果好。     

卫星移动通信信号处理同步技术研究

卫星移动通信信号处理同步技术很大程度上决定了通信的质量。针对卫星移动通信系统中突发信号符号长度短、独特码少的特点,对传统的基于最大似然准则线性相位内插相位估计算法和二次插值快速傅立叶变换频偏估计算法进行了研究,进行了线性相位内插算法和二次插值快速傅立叶变换频偏估计算法机理分析;根据噪声平均化原则,提出了一种低导频段数据情况下改进的线性相位内插算法;利用数据段信息和导频段信息整体做频偏估计的方法,提高了导频段个数较少情况下的频偏估计精度;仿真与试验结果表明：改进的线性相位内插算法比传统算法相位同步性能更高,利用整帧数据做频偏估计精度更高,并满足卫星移动通信终端信号处理的要求。     

基于指纹识别的通信电台识别仿真算法研究

研究电台准确识别的问题。在准确跟踪敌台活动、检测有效信息的过程中,由于信号受到哭声影响,实现识别较难。当待识别电台是相同调制模式和型号的不同电台个体,发射信号的差别非常细微。传统的关于暂态信号的识别方法是利用瞬间的暂态信号提取细微特征信息,造成信号的信噪比不高,不能正确识别电台信号。为了解决上述难题,提出了应用电台指纹的电台识别技术,通过对电台的稳态信号进行分析,计算信号的双谱特性,采用方形双谱和核主元分析算法,提取出信号中细微的指纹信息,通过分析电台的指纹信息完成电台的识别。实验表明,这种方法能够准确将差别细微的电台识别出来,避免传统方法信噪比不高的问题,保证了电台识别的准确率,取得了满意的结果。     

基于SVD和TKEO的轴承振动信号特征提取

为了解决滚动轴承振动信号中微弱故障信息难以提取的问题,提出了一种基于奇异值分解（Singular Value Decomposition,SVD）和Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）的轴承振动信号特征提取方法。采用SVD将突变信息从背景噪声和光滑信号中分离,提取信号的突变信息;利用TKEO计算突变信息的瞬时能量,对该能量信号进行频谱分析,从而提取出轴承振动信号的能量频谱特征,用于故障检测。将该方法应用于轴承外圈、内圈局部故障状态下的振动信号特征提取,利用特征信息能够准确检测并识别出故障类型,表明了该方法的可行性和有效性。     

基于高斯混合模型的活动轮廓模型脑MRI分割

传统的活动轮廓模型用于图像分割往往基于目标的边界信息,在图像含有强噪音或目标具有弱边界时很难得到真实解.引入高斯混合模型构造新的约束项,在新的约束项作用下模型可以减少噪音的影响,并防止从弱边界泄漏.高斯混合模型求解通常使用Expectation-maximization(EM)算法,该算法是局部优化算法,且对初值敏感.因此引入粒子群算法,并提出一种改进的算法,利用该算法的全局优化性求解高斯混合模型的参数,以提高参数精度.对脑核磁共振图像(MRI)分割实验表明该模型具有较好的分割效果.     

模糊神经网络在指纹与手形信息融合技术中的应用

为解决脱皮、有伤痕等低质量指纹识别困难、识别率低及稳定性差问题。提出手形作为指纹识别的辅助手段,采用模糊神经网络的身份识别方法,将指纹和手形进行信息融合,通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性。可广泛应用于刑侦、金融等对安全有严格要求的领域。     

基于LoRa信号的行走距离和方向估计

行走追踪在真实场景中具有广泛应用,可以用于安防监控、老人看护、室内导航等场景.近年来,基于无线射频信号的非接触式行走追踪受到了研究人员的广泛关注,包括基于Wi-Fi信号、RFID信号等的行走追踪系统.然而,现有的行走追踪系统依然面临感知范围小、感知设备部署稠密等问题.在本文中,我们首次将用于物联网低功耗、远距离通信的LoRa技术应用到非接触式的大范围行走追踪中,显著地增加了行走追踪系统的感知距离.特别地,通过利用LoRa网关上配置的多天线,利用两根天线上接收信号的比,可以有效地消除噪声干扰以及收发不同步带来的误差,从而进一步提升了感知范围,然后利用计算切线向量相位变化的方法准确计算原始信号中动态分量的相位变化来在估计行走距离和方向.基于此,本文提出基于LoRa的非接触感知系统,可以在一段自然连续的行走活动中准确地判断人的动静状态并切割出行走片段,进而计算出行走的距离和方向,实现人的行走追踪.实验验证了系统计算行走距离和方向的准确性和实时性,其中距离计算的平均误差为3.8%,准确判断行走方向所需时间为0.7 s.     

Towards hierarchical blackboard mapping on a whiskered robot

The paradigm case for robotic mapping assumes large quantities of sensory information which allow the use of relatively weak priors. In contrast, the present study considers the mapping problem for a mobile robot, CrunchBot, where only sparse, local tactile information from whisker sensors is available. To compensate for such weak likelihood information, we make use of low-level signal processing and strong hierarchical object priors. Hierarchical models were popular in classical blackboard systems but are here applied in a Bayesian setting as a mapping algorithm. The hierarchical models require reports of whisker distance to contact and of surface orientation at contact, and we demonstrate that this information can be retrieved by classifiers from strain data collected by CrunchBot’s physical whiskers. We then provide a demonstration in simulation of how this information can be used to build maps (but not yet full SLAM) in an zero-odometry-noise environment containing walls and table-like hierarchical objects.     

基于0-1整数规划交通信号控制优化模型及算法

基于城市交通拥堵的现实背景,主要研究了城市交通网络中信号灯的实时控制的优化问题。通过给出0-1整数规划的模型,定量研究了交通网络中路口信号相位之间的关系,并建立了交通信号控制适时优化模型对其进行优化。针对一组具有不同信号周期的路口信号灯,假设每个路口的相序已知,任意两个路口的相位差未知,综合考虑绿信比和相位差,寻找最优控制策略。在数学模型中,假定交通网络路口具有不同的信号周期和相位差预先未知,在各路口信号周期的最小公倍数的时间段内,通过决策信号灯在任意时间段内的状态来最小化总的车辆延迟时间。问题研究中涉及大量的0-1变量,通过定义内生、外生变量,形成了对各变量的有效约束,使模型在实际仿真实验中的计算复杂度大大减少。最后利用启发式算法对给出的算例进行仿真验证。     

一种面向时间分配问题的群智能劳动分工新方法

本文以给不同信号相位的车辆分配绿灯时间的交通信号配时问题为代表,将群智能劳动分工应用到时间分配问题的求解中,提出一种新颖的蜂群劳动分工算法（bee swarm labor division algorithm, BSLDA）。首先从时间分配的视角对交通信号配时问题进行分析,然后将激发-抑制原理引入BSLDA,为每个信号相位定义了激发剂和抑制剂,并设计了增加绿灯时间、减少绿灯时间和保持绿灯时间3种行为。在群智能劳动分工激发-抑制原理作用下,BSLDA中的每个信号相位都能根据环境变化选择恰当的行为完成时间分配。最后采用真实的交通流数据进行仿真实验,结果表明本文方法适于求解不确定环境下的交通信号配时问题。     

一种基于CSI相位差的手势识别方法

随着人机交互(HCI)技术的发展,人体行为的感知和分析成为实现更高层次人机交互的重要一环,尤其是实现与位置无关的手势识别。针对目前基于信道状态信息(channel state information,CSI)的手势识别方法局限于中心链路的问题,提出基于CSI相位差的手势识别方法,充分利用多径效应和空间多样性,识别中心链路和非中心链路上的微弱手势信号。由于CSI相位受时钟不同步和硬件缺陷的影响无法反映环境的变化,采用线性变换算法对其进行校准,并借助MIMO(multiple-input multiple-output)技术获得相位差。在此基础上,利用Hampel滤波器和Savitzky-Golay滤波器滤除异常点和环境噪声。由于频率多样性,根据平均绝对偏差(MAD)选择变化最大的子载波,之后利用动态时间规整(DTW)算法对手势进行分类。实验结果表明,该方法能有效识别中心链路和非中心链路上的微弱手势信号,实现了与位置无关的识别;在中心链路和非中心链路上分别以90%和86.5%的准确率识别6种手势,所需样本量小,识别时间短。     

低轮廓动中通极化稳定控制系统分析

针对动中通接收中出现的极化稳定问题,分析了双极化复用信号极化失配原因及产生的影响。提出了通过极化陀螺和移相网络实现的极化稳定方案,这是当前某些国外公司采用的方法,但是其造价高,难实现。在深入研究之后,提出了自适应递推加权系数的变极化控制方案,利用信号自身信息来达到控制目的。仿真结果表明能够较好地实现极化稳定,适应于低成本动中通。