一种改进的最小二乘回归子空间分割方法

最小二乘回归(LSR)算法是一种常见的子空间分割方法，由于LSR具有解析解，因此它的聚类性能较高。然而LSR算法是应用谱聚类方法聚类数据，谱聚类方法初始化聚类中心是随机的，会影响后面的聚类效果。针对这一问题，提出一种基于聚类中心局部密度和距离这2个特点的改进的LSR算法（LSR-DC）。在Extended Yale B数据集上进行实验，结果表明，该算法有较高的聚类精度，具有一定的鲁棒性，优于现有LSR等子空间分割方法。     

Analysis of operating limits and combustion state regulation for low-calorific value gases in industrial burners

The effective and efficient utilization of low-calorific value (LCV) gases has gained increasing attention in scientific research and industrial fields. In this study, the combustion characteristics of three LCV gases in practical devices are analyzed by using a nonadiabatic perfectly stirred reactor model. The complete steady-state solution in the temperature-residence time parameter space is obtained with arc-length continuation. The stable operation region is quantified by the eigenvalue analysis. The transition of solution curves is quantified with heat loss coefficient. Five key system parameters are systematically investigated on their effects on stability limits. With the combustion performance being quantified by a combustion state index, a combustion state regulation method is proposed to find the optimal regulation path of system parameters. Active subspace method is further applied to shorten the regulation step by identifying the active direction. The proposed method and findings are useful for optimal regulation of burning LCV gases in industrial burners.     

基于随机子空间结合稳定图的拱桥模态参数识别方法

为了避免目前常用的结构模态参数识别方法容易出现虚假模态等缺陷,提出了一种将随机子空间法与稳定图法相结合的模态参数识别方法。通过随机子空间法有效地从环境激励的结构响应中获取模态参数,通过稳定图方法确定系统阶次。通过对稳定图方法的改进,避免了虚假模态的出现,进而提高了随机子空间方法的识别精度,并在一钢管混凝土拱桥上对这种新方法进行了验证。结果表明,该方法具有良好的识别效果。     

桥梁风洞试验模态参数识别的随机子空间方法

模态参数识别是桥梁风洞试验中的一项重要内容,发展了基于参考点、无需输出协方差估计的识别振动系统模态参数的随机子空间方法,其识别精度和可靠性通过数值算例验证。对状态空间理论中的稳定图作了全面的阐释。根据苏通大桥和苏拉马都大桥主梁三自由度节段模型风洞试验采集到的位移信号,采用随机子空间方法识别了侧弯、竖弯和扭转模态频率和阻尼比,并且与随机搜索方法识别结果进行对比。分析结果表明,随机子空间方法和随机搜索方法识别结果非常吻合,本文发展的随机子空间方法是识别风洞试验桥梁模态参数的一种有效和实用方法。     

基于双协方差随机子空间识别的类噪声数据低频振荡辨识

低频振荡可能会给电力系统的安全稳定带来极大危害,因此在线监测和分析低频振荡参数十分重要。为了有效地从类噪声数据中获取低频振荡模态参数,基于双协方差随机子空间识别(stochastic subspace identification,SSI)算法提出了一种低频振荡模态辨识的新方法。在传统SSI算法的基础上,引入双协方差SSI算法和系统聚类算法对物理模态自动拾取、自动定阶,实现低频振荡参数的有效精确辨识。分别应用传递函数和IEEE WSCC 3机9节点系统模型产生的仿真数据进行了测试,结果表明该方法能够实现自动定阶,得到的稳定图较传统SSI算法更清晰,识别结果中不会出现虚假模态,能高精度估计低频振荡模态参数,且抗噪性能良好。     

抑制局部放电信号中周期性窄带干扰的子空间重构方法

为有效提取局部放电信号,提出一种基于子空间重构的窄带干扰抑制方法。对局部放电信号数据形成的HANKEL矩阵进行奇异值分解,将信号划分为窄带干扰子空间和局部放电信号子空间。利用子空间数据重构窄带干扰波形,然后与原始数据相减,得到抑制干扰后的局部放电信号。该方法能在保证局部放电信号失真较小的同时有效去除窄带干扰,抗随机干扰能力较强。仿真和实测信号的处理结果验证了其有效性。     

高斯背景中一类新的自适应阵列检测器

针对现有文献对自适应阵列检测问题的研究相对比较少的问题,构建高斯背景中一类新的自适应阵列检测器。从新的视角理解高斯背景中自适应阵列检测器的原理,分析了信号子空间建模目的,以及结构化与无结构化检测器、解耦与不解耦检测器之间的性能差异,并提出了调节因子的概念,构造并分析了一类新的结构化检测器。仿真结果表明：从计算负担和检测能力2方面考虑,Hyung Soo Kim的解耦结构化Kelly检测器,Yow-Ling Gau的降秩检测器,以及构造的解耦结构化Kalson检测器都具有比其他检测器更好的综合性能。该研究可为寻找非高斯背景中自适应阵列检测器的构造方法提供参考。     

基于稀疏正则约束的子空间视觉跟踪

针对子空间表示跟踪算法处理遮挡问题的能力不足,以及稀疏表示跟踪算法无法满足跟踪实时性要求等问题,本文提出一种稀疏正则约束的子空间视觉跟踪算法。该算法结合了子空间表示与稀疏表示的优势,提升了对于遮挡问题的处理能力,并且降低了算法的计算复杂度。首先,该算法利用PCA子空间基向量集、子空间均值以及表示残差对目标进行表示,同时算法采用L2范数作为表示系数以及表示残差的稀疏约束函数。其次,算法采用了一种分步循环迭代的方法求解表示模型的系数与残差。然后,为了保证子空间基向量与空间均值能够持续准确的描述目标在跟踪过程中出现的变化,算法根据经过开运算处理后的表示残差中非零元素的不同比率构建不同的更新模板,并结合增量主成分分析方法在线学习新的基向量与均值。最后,在实验部分,本文将提出算法在10个实验序列上的跟踪结果与8个现今主流跟踪算法进行对比,同时从定性与定量两个方面对实验结果进行分析。本文算法在全部10个实验序列上的平均中心误差为5.3pixel,平均覆盖率为77%,相比于其他算法,本文算法取得了较高的跟踪精度。本文算法具有更好的鲁棒性,并且满足更多场景下的跟踪需求。     

基于多模态子空间学习的语义标签生成方法

基于已有的视觉空间和文本空间上标签相关性建模方法,提出一种多模态子空间学习的语义标签生成方法。通过建立视觉特征相似图,以非线性方式重构“图像-标签”相关性,进而将图像的视觉模态表示和标签的文本模态表示统一到多模态子空间中,并保证空间变换前后具备结构保持。在该空间中,标签的文本模态与图像的视觉内容模态信息彼此互补,语义相关的图像和标签映射到空间中相近的样本点,进而将语义标签生成问题转换为子空间内图像的近邻标签搜索问题。结果表明,该方法在FLICKR-25K数据集上,性能达到36.88%,在NUS-WIDE数据集上,性能达到44.17%,多模态子空间学习的语义标签生成方法可以大幅度提升标签生成的准确性。