基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。     

雷达目标极化散射特征提取的研究进展

极化雷达可以直接测量出雷达目标的2×2散射矩阵信息，与传统雷达相比，极化雷达的突出优点在于测量数据包含的信息量远大于传统雷达，因而在很多领域都获得了重要应用.本文将对目标极化散射特征提取的发展概况进行综述，包括基于矩阵分解的目标特征参数提取以及直接提取目标极化散射特征的方法等，并对其中存在的问题进行评论，对未来的发展进行展望.     

矿用电动机振动信号早期故障特征提取方法

针对现有矿用电动机振动信号故障特征提取方法存在依赖参数设置、频率混叠、信号失真等问题,提出了一种基于双树复小波变换的矿用电动机振动信号早期故障特征提取方法。利用双树复小波变换对采集的矿用电动机振动信号进行分解,得到各层双树复小波系数,并采用软阈值滤波对各层双树复小波系数进行滤波处理,滤波处理后的双树复小波系数经双树复小波变换重构获得去噪信号。应用结果表明,该方法能有效去除电动机振动信号中噪声,提取的早期故障特征能很好地反映电动机实际运行工况,为电动机早期故障诊断提供了有效依据。     

一种基于深度强化学习的电网潮流特征提取方法

为了解决现有特征提取方法存在特征辨识度低的问题，基于深度强化学习设计电网潮流特征提取方法，为了提升潮流特征的辨识度，利用点估计法计算电网潮流，以此为基础，通过模拟退火算法生成电网潮流图，并灰度处理电网潮流图，以灰度处理后的电网潮流图为依据，利用深度强化学习方法提取电网潮流特征，实现了电网潮流特征的提取。实验结果表明：与现有的电网潮流特征提取方法相比，文中电网潮流特征提取方法极大地提升了特征辨识度，证明了基于深度强化学习的电网潮流特征提取方法具备更好的特征提取性能。     

MOMEDA结合数学形态滤波的齿轮故障特征提取

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。