高频谱峰群在轴承故障诊断中的意义

论证了轴承信号中高频谱峰群的存在,指出了高频谱峰群中含有轴承元件疲劳剥落缺陷的重要信息,对轴承的故障诊断具有重要意义．     

基于小波和模式匹配的变压器色谱倾斜峰辨识方法

把小波和模式匹配技术引入了电力变压器色谱倾斜峰辨识领域;该方法为:先用小波技术提取色谱曲线大致的基线,然后扣除基线,消除由于基线漂移引起的色谱峰倾斜,再用基于模式匹配的色谱峰辨识方法查找色谱峰位;对该方法进行了实验研究,结果表明:该方法能辨识由于色谱基线漂移引起的倾斜峰的峰位。     

用于超分辨率重建的深度网络递进学习方法

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题,本文根据网络模型在各个训练子集上的拟合情况,实时调整当前训练样本在各个子集上的概率分布,从而实现快速收敛,并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练,实验结果表明超分辨率网络收敛速度得到提升,同时网络对复杂纹理等细节较多的图像也获得了较好的视觉恢复效果,峰值信噪比则平均获得0.158 dB、0.18 dB、0.092 dB的提升.     

Modeling of Energy Consumption and Effluent Quality Using Density Peaks-based Adaptive Fuzzy Neural Network

Modeling of energy consumption (EC) and effluent quality (EQ) are very essential problems that need to be solved for the multiobjective optimal control in the wastewater treatment process (WWTP). To address this issue, a density peaks-based adaptive fuzzy neural network (DP-AFNN) is proposed in this study. To obtain suitable fuzzy rules, a DP-based clustering method is applied to fit the cluster centers to process nonlinearity. The parameters of the extracted fuzzy rules are fine-tuned based on the improved Levenberg-Marquardt algorithm during the training process. Furthermore, the analysis of convergence is performed to guarantee the successful application of the DPAFNN. Finally, the proposed DP-AFNN is utilized to develop the models of EC and EQ in the WWTP. The experimental results show that the proposed DP-AFNN can achieve fast convergence speed and high prediction accuracy in comparison with some existing methods.      

基于非参数核密度估计的密度峰值聚类算法*

针对密度峰值聚类算法CFSFDP(Clustering by fast search and find of density peaks)计算密度时人为判断截断距离和人工截取簇类中心的缺陷,提出了一种基于非参数核密度估计的密度峰值的聚类算法。首先,应用非参数核密度估计方法计算数据点的局部密度;其次,根据排序图采用簇中心点自动选择策略确定潜在簇类中心点,将其余数据点归并到相应的簇类中心;最后,依据簇类间的合并准则,对邻近相似子簇进行合并,并根据边界密度识别噪声点,得到聚类结果。在人工测试数据集和UCI真实数据集上的实验表明,新算法较之原CFSFDP算法,不仅有效避免了人为判断截断距离和截取簇类中心的主观因素,而且可以取得更高的准确度。     

[K]近邻相似度优化的密度峰聚类

针对密度峰聚类分配时,仅考虑样本点与指向点（密度比它大的最近点）之间的距离,不适用于流形聚类（如Circleblock数据集、Lineblobs数据集等）的问题,提出了[K]近邻相似度优化的密度峰聚类算法。在计算每个点的密度与指向点后,通过相似度函数,找出每个点的[K]近邻,然后根据[K]近邻信息判断样本点的指向点是否正确,对于指向错误的点重新寻找正确的指向点,可以有效减少错误分配。在人工数据集和UCI数据集上的实验表明,新算法具有更高的准确率。     

基于双树复小波的色谱重叠峰分解方法研究

针对色谱分析中重叠峰的分解问题,提出一种基于双树复小波变换的色谱重叠峰分解方法。首先深入研究了双树复小波变换相较于离散小波变换的优越性;然后利用双树复小波变换分解与重构模拟色谱信号,计算分离度、峰位和峰面积,与离散小波变换的结果对比,并对噪声信号进行测试;最后利用双树复小波变换分解与重构实验所测得的色谱信号。实验结果表明,双树复小波分解色谱重叠峰比一般的实数小波准确,能够有效地分离重叠峰,分解后峰形平滑对称未发生畸变,峰位相对误差与峰面积相对误差较小,适合定性定量分析。     

快速搜索与发现密度峰值聚类算法的优化研究

CFSFDP是基于密度的新聚类算法,可聚类非球形数据集,具有聚类速度快实现简单等优点。CFSFDP需人工尝试确定密度阈值dc且对一个类中存在多密度峰值的数据无法进行准确聚类,为解决该缺点,本文提出基于近邻距离曲线和类合并优化CFSFDP（简称 NM-CFSFDP）的聚类算法。首先,算法用近邻距离曲线变化情况自动确定密度阈值dc;然后,用本文提出自动确定dc的CFSFDP对数据聚类;最后用本文计算dc值的方法指导类的合并,引入内聚程度衡量参数解决了类合并后不能撤销的难题,从而实现对多密度峰值数据的正确聚类。通过实验对比,NM-CFSFDP算法确实比CFSFDP算法具有更加精确的聚类效果。     

逐步校正迭代算法及其在两组分包埋色谱峰解析中的应用

在残差双线性分解算法的基础上,提出了一种新的用于解析两组分包埋色谱体系的方法,即逐步校正式迭代算法.此算法基于以下2个基本假设:(1)必须存在相应于大色谱峰对应组分的选择性区域;(2)二维数据矩阵必须满足双线性.基于选择性离子,本文同时提出了一种的简单易行的对解析结果的可靠性进行验证的方法.将此法用于2个模拟分析体系和2个气质联用数据的解析,得到了令人满意的结果.     

Short—range structural change in indium melt by Gaussian peaks decomposing of RDF

Liquid indium‘s structure was studied at 280,390,550,650,and 750℃ respectively by suing an elevated temperature Xray diffractometer,and its radial distribution function(RDF)at different temperatures was decomposed into 4 Gaussian peaks in the range of 0.2-0.6nm.postitons of the decomposed Gaussian peaks were compared with the nearest and the second nearest neighbor atomic distances,respectively.It is shown that the position of the first decomposed gaussian peak is similar to the nearest neighbor atomic distance in liquid In at the corresponding temperature,and that of the thuird decomposed Gaussian peak is similar to the second nearest neighbor atomic distance.Morevoer,the first and the third Gaussian peaks correspond to the first and the second atom shells of liqud In at the corresponding temperatures,respectively.Therefore,the position and the area of Gaussian peaks can represent the postion and atom number of corresponding shells,Based on this result.short-range structural change in liquid In was studied.It was found that the first and the second shells are close to the referred atom.and the atom number at the shells decreases with the inreasing temperature from 280 to 750℃.In different ranges of temperature,structural Changes in the first and the second shells show diferent features.