随机结构特征值和特征向量统计特性的研究

在文献（１）工作的基础上，本文利用概率论中的特征函数理论，取结构参数及荷载为基本随机变量。根据结构参数及荷载的特征函数导出结构特征值，特征向量的特征函数，再根据特征函数与随机变量各阶矩的关系，得到的结构特征值，特征向量的各阶矩，最后利用Ｇｒａｍ－Ｃｈａｒｌｉｅｒ级数拟合结构特征值，特征向量的分布密度函数。     

航空发动机传感器故障鲁棒检测方法

研究发动机传感器故障准确检测问题,现代航空发动机数字电子控制系统对传感器的可靠性要求日益提高。针对航空发动机结构复杂,又工作在高温和高压下,常规采用的传感器故障检测方法的准确性易受到建模误差与外界扰动的影响,造成漏报或误报。为了提高检测精度,提出建立航空发动机数控系统传感器未知输入故障模型,采用特征结构配置的方法,通过配置闭环系统左特征向量实现故障检测残差对不确定性因素的干扰解耦,降低扰动对故障诊断结果的影响。用某型涡扇发动机数控系统传感器故障数字仿真试验表明,所设计的方法对范数有界的不确定量可以实现干扰解耦,抑制干扰对故障检测的影响,改善检测算法的鲁棒性,提高检测结果的准确性,同时满足在线运算的实时性要求。提高了航空发动机的可靠性,保证了安全飞行。     

矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

基于改进的SKPCA三维模型检索方法

本文提出了改进的SKPCA降维方法。在特征向量稀疏化表达的基础上,实现了一阶降维、二阶降维与非线性降维。在增强特征向量表达能力的同时最大限度去除了冗余信息。实验证明利用改进的SKPCA降维方法获得的特征向量,检索效果优于SPCA方法。     

粗集理论及其在旋转机械故障诊断中的应用 (二)旋转机械故障诊断知识库的形成

旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理 ;在所有的机械故障信号中 ,振动诊断技术是故障诊断的常用手段 ,对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换(FFT)和小波理论。通过对实验的观察 ,建立转子故障特征向量和故障类型之间对应关系的数据库 ,为基于粗集理论故障诊断的决策表的形成提供了原始的知识库     

基于Gabor小波变换多特征向量的人脸识别鲁棒性研究

传统的Gabor小波变换人脸识别技术在曲线奇异性的表达上存在着不足,难以识别包含表情的人脸信息,针对该问题,提出了结合Gabor小波变换和多特征向量的人脸识别算法。算法首先利用Gabor小波变换的频率及方向选择性来提取出人脸的多尺度、多方向上的Gabor特征,并组成联合稀疏模型,通过计算可以得到各个方向和尺度上Gabor特征的共同特征和表情特征,利用这两个特征向量可以精确重构测试图像的特征向量。仿真实验结果表明,所提出的方法能够有效提高带表情人脸图像的正确匹配率,改善识别效果。     

基于矩阵边缘特征向量比较法的碎纸片拼接复原

对于采用纵横切割,边缘几何特征几乎相同的碎片,我们采用矩阵边缘列向量的相似性来进行两两匹配,在出现无法正确匹配时进行必要的人工干预,最终实现碎片的拼接复原.由于平时的切割不可能全部都是纵向切割,所以将横纵切割的单面和双面的碎片转换成纵向切割进行拼接.     

一种基于特征向量的高效虚拟现实辐射度算法

辐射度技术对于具有真实感的图像的合成十分重要。提出了一种基于特征向量的虚拟现实环境中辐射度计算的新方法。该方法采用了并行计算方法计算形状因子矩阵的特征值和特征向量,进而实现对虚拟现实环境中的辐射度进行高效的计算。其性能总体评价结果显示该方法显著降低了复杂环境中集群计算机系统的有效计算时间,提高了计算效率和加速比。其成果可广泛应用在图像处理、人机交互、可视化、虚拟现实等领域。     

Bergman空间上的加权复合算子

文章首先给出了Bergman空间La^2上加权复合算子,通过研究该空间上酉加权复合算子和紧自伴加权复合算子的谱、特征向量以及特征子空间,进一步完善了Bergman空间La^2上加权复合算子的理论。     

基于PCA和SVM的遥感影像水体提取方法及验证

针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明：PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。