基于联合提取特征的粗糙集文本分类技术研究*

重点研究了文本的特征提取,通过对互信息和χ2统计的研究,根据其各自的缺陷,提出了一种新的特征提取算法——联合特征提取算法（CEFA）。通过CEFA可以提取出更具代表性的特征项,利用粗糙集优越的约减性构造文本分类系统,提取决策规则,对文本进行分类。实验表明该方法分类准确度较高。     

考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

非侵入式负荷监测技术可以引导用户合理安排用电时间,从而减少电量消耗.其中,由于状态的连续可变性,连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一.针对Type-Ⅲ型负荷的辨识难题,提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法.首先,根据互信息理论进行负荷特征选择;然后,利用残差神经网络作为深度CNN的基本架构,提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识;最后,为了解决CNN辨识结果中存在的状态断点问题,采用HMM完成负荷辨识结果的连续性优化.在复杂的工商业运行环境中,对具有代表性的Type-Ⅲ型负荷数据进行了算法训练和验证,结果表明所提算法能有效辨识Type-Ⅲ型工商业负荷的运行状态.     

风电机组健康状态预测中异常数据在线清洗

风电机组数据采集与监视控制系统(SCADA)运行数据中含有大量异常数据,对风电机组健康状态预测影响严重,为此针对实测风速-功率、转速-功率数据,提出一种异常数据在线清洗方法.由于机组性能退化过程中数据特征趋于复杂,基于经验Copula-互信息(ECMI)选择关键特征参量作为数据清洗对象,并基于Copula建立置信等效功率区间描述其非线性与不确定性.针对置信边界外的堆积点和离群点,结合其时序特征与密度分布建立Copula数据清洗模型(Copula-TFDD),依次进行在线清洗.最后,基于实际数据与人工模拟数据分析模型的精度、运算效率以及对机组健康状态预测的影响表明,Copula-TFDD能准确并实时地识别各类异常数据,有效提升风电机组健康状态预测的性能.     

基于变分模态分解的光纤电流传感器小波去噪方法

为了提高光纤电流传感器测量信号的信噪比和测量精度,提出一种结合小波分析的变分模态分解去噪方法.该方法利用消除趋势波分析确定变分模态分解层数,并且采用互信息法确定相关模态,筛选出含噪声量较大的不相关模态,对不相关模态用sym8小波变换进行去噪处理,在此基础上进行信号重构,保证信号特征和完整度.在仿真的基础上,对光纤电流传感器的模拟阶跃直流电流和交流谐波电流,分别采用该方法去噪,把方均根误差和信噪比作为衡量去噪效果的指标,并和传统模态分解去噪、经验模态分解去噪和局部均值分解去噪进行比较.仿真结果显示,该方法能有效降低光纤电流传感器输出信号的噪声含量.     

城市生活垃圾热值的特征变量选择方法及预测建模

在垃圾焚烧的过程中,垃圾热值的波动会影响垃圾焚烧的稳定性.为了实现城市生活垃圾热值的实时在线预测以及变化趋势预测,采用模糊神经网络软测量方法,利用焚烧发电厂在线运行数据作为输入,实现垃圾热值的实时预测功能.首先采用互信息方法从若干特征变量中剔除部分无关变量;然后将模糊神经网络和粒子群优化算法结合起来从上述选择出的特征变量中进一步剔除冗余变量,从而确定预测垃圾热值的输入变量,并从中训练出垃圾热值的模糊神经网络预测模型;最后通过采集的样本数据进行性能测试.结果表明该方法有较好的预测准确率和实时性,适用于垃圾热值的在线预测.     

基于分布的中文词表示研究

针对基于分布的中文词表示构造过程中的参数选择问题进行了系统性的研究。选择了六种参数进行对比实验,在中文语义相似度任务上对不同参数设置下得到的中文词表示的质量进行了评估。实验结果表明,通过选择合适的参数,基于分布的词表示在中文语义相似度任务上能够得到较高的性能,而且,这种高维的词分布表示的质量甚至优于目前流行的基于神经网络（Skip-gram）或矩阵分解（GloVe）得到的低维的词表示。     

基于空间加权互信息的非刚性医学图像配准

互信息作为相似性测度标准在医学图像配准领域应用广泛,尤其是在刚性配准研究中,能实现较高配准精度和非常稳健的配准效果。然而由于非线性形变的复杂性,在非刚性配准领域,对基于互信息的配准方法进行深入研究势在必行。提出的方案采用基于B样条的自由变换模型模拟医学图像中解剖结构的非线性形变,同时根据变换模型,考虑空间信息对配准效果的影响,以空间加权的方式对互信息方法进行改进。使用对大规模参数优化效果较好的LBFGS方法对配准参数进行优化,编程实现程序,并通过实验对效果进行验证和分析。实验结果显示,该方案配准精度明显优于传统的互信息方法。     

基于互信息学习贝叶斯网络等价类*

由数据构造贝叶斯网络结构是NP-难问题,根据互信息和条件独立测试,提出了一种构建最优贝叶斯网络结构的新算法。数值实验表明,新算法能较快地确定出与数据匹配程度最高的网络结构,从而能更高效地学习贝叶斯网络结构。     

基于互信息与二次方变换的超声宽景成像

超声宽景成像技术能获取超过正常超声图像显示范围的图像信息。由于超声图像的噪声和图像采集时组织的复杂运动,使用互信息和二次方变换实现宽景成像。对高斯预处理后的图像使用基于互信息的图像配准技术得到运动向量。利用基于角度的校正提高向量精度,通过二次方变换估计图像间的非刚体运动。最后,使用基于非线性方程组的多边形填充融合方法获取宽景图像。实验表明,获得的高质量宽景图信噪比和对比度有明显提高。     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案。该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性。并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务。