UIDK-means:多维不确定性测量数据聚类算法

在网络化测试测量信息体系的不确定性测量数据聚类方法研究中,普遍假定测量数据的概率密度函数或者概率分布函数等信息是已知的,这与实际应用系统中这些信息难以获取的情况是相悖的,鉴于此,利用区间数的方法,结合测量数据的统计值来合理地表示多维不确定性测试测量数据,并采用低计算复杂度的不确定性数据距离计算方法,提出一种基于区间数的...     

储备池计算概述

针对传统递归神经网络存在训练困难的问题,一种新的递归神经网络的训练方法——储备池计算被提出,这种方法的核心思想是只训练网络部分连接权,其余连接权一经产生就不再改变,网络的训练一般只需要通过求解线性回归问题.广义地说,储备池可以作为一种时序相关的核函数使用,从而完全拓展了其应用领域,使之不再仅仅是递归神经网络训练算法的一...     

基于区间数聚类的无线传感器网络定位方法

在基于接收信号强度指示(Received signal strength indicator, RSSI) 测距的无线传感器网络(Wireless sensor network, WSN)定位方法应用过程中, 信号强度与对应通信距离的对数成线性关系的假设在实际无线通信环境下几乎不能满足, 从而导致定位误差较大. 针对此问题, 本文首先利用区间数表示方法结合实际定位环境中RSSI数据的统计信息表示RSSI的分布区域, 并采用区间数聚类方法实现距离估计, 以减小由于RSSI值不确定性引起的距离估计误差, 然后利用这些距离估计值实现基于测距的WSN定位方法. 采用三种实际通信环境下RSSI测量数据完成的定位实验结果表明, 本文提出的基于区间数聚类RSSI-通信距离(RSSI-D)估计的定位方法可有效地提高定位精度.     

基于遗传排序的测试集优化

测试集优化是数字电路测试的一个基本问题.本文提出了一种基于遗传排序的测试集优化方法,采用遗传算法对测试集的"矢量-故障"矩阵的行向量排列顺序进行优化,并采用行列消去法作为适应度评估方法.实验结果表明,基于遗传排序的测试集优化方法有效地减少了测试矢量的数目,而且保证了所得的测试集中不包含冗余测试矢量.     

基于小波包能量熵和DBN的轴承故障诊断

轴承是旋转机械设备的关键部件,目前已有很多轴承故障诊断方法,但其中一些方法只能针对特定的轴承故障进行诊断,可能不适用于其他轴承故障问题,而且大部分方法的诊断准确率还可以进一步提高。提出小波包能量熵与深度置信网络(DBN)相结合的方法进行轴承故障诊断。首先对轴承振动信号进行小波包变换,然后以能量熵的形式构建特征向量,这些特征向量含有不同频段内的振动能量大小,可以用于区分各种轴承故障。最后利用基于DBN的深度模型对能量熵特征向量进行故障识别。使用两类轴承数据集进行验证,分别获得100%和99.5%的故障识别准确率。实验结果表明,该诊断方法具有较好的通用性,而且可以达到很高的诊断准确率。     

一种基于代理机制的组件组合方法

为了实现快捷有效的组件组合,提出了一种基于代理机制的免编程组件组合方法.应用继承的方法统一了组件接口,利用代理组件作为客户端与被组合组件交互的中间件,实现外部消息的分析、决策、组织与协调.详细介绍了组件规范化、信息存储以及消息传递的方法与原理.航电系统仿真界面的开发实例证明该方法可行.     

一种解线性最小二乘问题的FPGA计算方法

针对基于FPGA实现解线性最小二乘问题存在的计算并行性差和计算延迟大的问题,提出基于改进Cholseky分解解线性最小二乘问题的FPGA计算方法。该方法将最小二乘问题转换为矩阵分解和三角阵求解两部分实现,在每个部分通过最大化PE单元数量提高运算的并行性。在矩阵分解部分采用改进的Cholesky分解方法规避开方运算,并将除法运算转换为乘法,减小计算延迟。同时,在三角阵求解部分通过计算结构复用实现正三角和倒三角线性方程组的求解,提高资源利用率。在Xinlinx Virtex XC5VFX130T平台上的实验结果表明,在单精度条件下,相对于PC平台,该方法能够实现8倍以上的效率提升。     

网络化测试体系中不确定性数据处理方法浅析

随着以LXI和无线传感器网络为代表的新一代网络化测试信息采集体系技术的迅速发展,不确定性数据问题将成为其应用过程中所必需面对的测试信息处理技术的挑战.鉴于此,本文首先介绍了网络化测试体系结构下不确定性数据的概念和来源,并分析了其特点以及对常规数据挖掘方法的挑战.然后,重点分析国内外研究现状、主流的不确定性数据挖掘方法和研究工作.在此基础上,剖析网络化测试体系中不确定性数据挖掘研究工作应关注的主要问题和重点研究内容.     

基于残差预测修正的局部在线时间序列预测方法

 对于复杂的非线性和非平稳时间序列预测,基本的支持向量回归(Support Vecotr Regression,SVR)在线算法无法有效兼顾执行效率和预测精度.本文首先采用局部SVR进行时间序列建模预测,同步计算在线更新序列数据预测的残差,并采用Online SVR对残差序列进行混沌时间序列预测,将预测残差值实时补偿到局部SVR模型预测输出.实验结果表明,新方法在执行效率和预测精度方面较单一Online SVR均显著提高.     

基于Zynq的NAND Flash存储系统研制

基于NAND Flash数据采集存储系统缺乏有效的存储管理方法,对数据的存取灵活性较差.针对该缺点,设计了一款基于Zynq的大容量存储系统.该存储系统一方面采用Zynq内的PL实现对NAND Flash芯片时序控制及坏块管理;另一方面采用Zynq的PS将FAST算法和FAT文件系统有机结合,实现了对NAND Flash存储数据的灵活管理.此外,实现了AXI DMA高速传输通道,解决了PL和PS间高速数据传输的瓶颈问题.系统测试结果表明,设计的NAND Flash储存系统速度较高,性能稳定,能实现对NAND Flash存储的高效管理.