基于多源信息融合的行驶工况识别及其在整车转矩分配中的应用

传统的行驶工况判别方法多采用单参数或者双参数进行判别,为提高工况识别精度,针对混合动力汽车双动力源的特点,提出一种多源信息融合的汽车行驶工况识别方法,基于Daubechies小波对多传感器采集到的时间序列进行分解,利用单支小波重构的方法获得每个传感器不同频段下分解信号的数据特征信息,然后基于变属性权重的模糊C-均值聚类方法将不同传感器不同频段的数据特征信息进行一次聚类识别;最后对不同频段下同一工况的隶属度值加权,采用SOM自组织映射网络进行二次聚类融合实现最终的行驶工况识别。将本文所提方法应用于混合动力汽车整车转矩分配中,不同工况下调用不同的转矩分配三层前馈神经网络模型,以提高整车的经济性能。试验结果验证了本文所提方法的有效性。     

Websom for Textual Data Mining

New methods that are user-friendly and efficient are needed for guidanceamong the masses of textual information available in the Internet and theWorld Wide Web. We have developed a method and a tool called the WEBSOMwhich utilizes the self-organizing map algorithm (SOM) for organizing largecollections of text documents onto visual document maps. The approach toprocessing text is statistically oriented, computationally feasible, andscalable – over a million text documents have been ordered on a single map.In the article we consider different kinds of information needs and tasksregarding organizing, visualizing, searching, categorizing and filteringtextual data. Furthermore, we discuss and illustrate with examples howdocument maps can aid in these situations. An example is presented wherea document map is utilized as a tool for visualizing and filtering a stream ofincoming electronic mail messages.     

采用SOM算法的软体机械臂三维形状实时感知

为实现软体机械臂精确的三维形状实时估计,奠定变形控制与应用的基础性工作,针对三段式软体机械臂,提出了一种基于自组织映射(Self-organizing map, SOM)算法的三维空间形状实时感知方法。首先,对ZED双目相机捕捉到的左、右图像帧进行图像预处理,得到左、右二值图像,并实时提取软体机械臂的二维轮廓数据。然后,采用SOM算法对轮廓数据进行聚类,有序得到软体机械臂二维中心线的多个骨干点,并与K均值,高斯混合模型以及细化3种中心线提取算法进行了对比研究,进一步表明SOM算法更适用于解决软体机械臂复杂形状的中心线辨识。最后,通过基于双目视差的三角测距模型完成软体机械臂的三维形状重构。该算法还采用数据降采样、SOM参数优化等方法,提高算法框架的实时性能。针对软体机械臂连续形变过程,进行了实时形状传感实验和对比验证实验。实验结果表明,该算法具有较高的形状感知精度和较好的实时跟踪效果。不仅如此,与其他文献中提出的形状检测算法相比,该算法也具有较好的性能。     

自组织神经网络实现基于内容的图片识别

本文总结了一种实现基于内容的图片识别（CBIR）的方法,这种识别方法可以基于图片本身的内容进行图片的查找。为了实现图片的聚类及相关图片的查找,本文采用了Kohonen自组织神经网络。     

干扰条件下基于改进SOM故障诊断研究

针对机载电子设备在噪声干扰条件下故障诊断效果不佳的问题，基于自组织特征映射网络（SOM），提出了改进的SOM的网络算法，该算法在标准SOM网络的基础上引入了滤波算法进行初级降噪处理，然后进行阈值学习，重新定义了邻域函数和学习率，最后以故障评价指标为基准进行故障的隔离定位。在高斯白噪声条件下以某型飞机前端接收机的故障数据为例建立诊断模型。通过聚类和网络训练等仿真测试实验得到了故障模式的分类和隔离。同时通过与其他方法的性能比较验证了SOM神经网络在高斯白噪声干扰条件下故障诊断中的有效性、准确性和鲁棒性。     

Material Articulation: Computing and Constructing Continuous Differentiation

Free-form geometric designs make use of continuously differentiated components that exist within a multidimensional envelope of material performance, fabrication capabilities, logistics and cost. In this article, Cristiano Ceccato explains how geometric form-rationalisation and analysis of constructability at the functional as well as the computational level form the basis for achieving advanced designs in terms of articulation of material through mass-customised industrial production. Taking examples from the current work of Zaha Hadid Architects (ZHA), he presents a necessarily evolving framework of computational design and associated practice of architecture that is attempting to close the gaps between computational design, digitally controlled manufacturing and evolving mechanisms of contemporary construction and project delivery. Copyright © 2012 John Wiley & Sons, Ltd.     

淮河流域河流水环境可恢复性评价

针对水环境可持续利用中存在的水环境特征识别问题,开展水环境可恢复性研究。基于水环境可恢复性的定义及水环境可恢复性评价指标体系,选取其中12个指标,采用淮河流域2000-2009年10年数据资料,利用主成分分析法（ PCA ）得到影响淮河流域水环境可恢复性的主要成分和各年的综合主成分值随时间变化情况;将水环境系统可恢复性分为弱、一般、强3个等级,利用自组织映射（ SOM）神经网络法对归一化的正向样本数据进行分析,得到各年水环境系统可恢复性的强弱等级情况。结果表明,由PCA法得到的结果与SOM 神经网络法的结果相一致,淮河流域从2000-2009年水环境可恢复性整体上呈现逐年增强的趋势,同时表明PCA和SOM神经网络法对水环境可恢复性评价是可行的。