中国大陆GPS连续站时间序列噪声分析

GPS位置时间序列中不仅存在白噪声,还存在大量的闪烁噪声。如果只使用纯白噪声的协方差矩阵来估计速度,速度的不确定性会被严重低估。利用频谱分析和极大似然估计的方法对中国大陆地壳运动观测网络的264个GPS连续站长达20 a的GPS坐标时间序列进行了噪声分析,并计算出每个测站速度的不确定性。结果表明东、北及垂直方向上呈现了不同的噪声特性。频谱分析估计的光谱指数高于极大似然估计的指数,但均在−1附近,表明主要的噪声模型是白噪声加闪烁噪声。使用不同的噪声模型计算的速度不确定性存在较大差异,在东、北及垂直方向上,最优噪声模型计算的速度不确定性分别是只使用白噪声模型的(11.5±2.1)倍、(12.9±2.9)倍和(14.8±3.7)倍。利用极大似然估计方法与FOGMEx方法所计算的速度差距不大,在东、北及垂直方向上,利用极大似然估计方法所计算的速度不确定性分别是FOGMEx方法的(2.8±1.5)倍、(1.5±0.7)倍和(3.5±2.8)倍。     

基于分段聚合时间弯曲距离的时间序列挖掘

针对时间序列的相似性度量问题,提出基于分段聚合时间弯曲距离的时间序列挖掘方法。首先运用经典分段聚合近似方法来对时间序列进行数据变换,实现时间序列的特征提取和数据降维,然后利用动态时间弯曲距离进行距离计算,最后将其应用于时间序列聚类和分类的数值实验中。新方法不仅过程简单、易于实现,而且实验结果表明其平均分类错误率与传统分段时间弯曲相比,几乎降低了50%。同时,新方法在运行时间和聚类挖掘结果上都具有一定的优势。     

结合降维与LBP特征的癌细胞识别研究

活检过程中,有资质的医生需要根据细胞形态结构对数千活检玻片分析判读,耗时长、误诊率高。针对乳腺癌细胞,采用LBP(Local Binary Patterns)描述乳腺癌细胞特征,并且利用MDS(Multidimensional Scaling),LLE(Locally Linear Embedding)等矩阵降维,以BP神经网络算法实现癌细胞辅助判读。实验结果表明,采用LBP-LLE-BP结合的方法,数据规模降维至5×252时,准确率高达89.61%,可为医生诊断提供重要参考。     

机场噪声的环境影响及防治

近年来,我国民航和空军运输事业快速发展,机场噪声污染逐渐受到人们的广泛关注,机场噪声治理也成为了当代环境保护的重点内容。机场噪声不仅对于周围的自然生态环境有着严重的影响,而且严重影响机场周围居民的日常生活,因此要深入分析机场噪声的环境影响,积极采取相应的防治措施,最大程度地减少机场噪声的影响。本文简要介绍了机场噪声的环境影响评价方法,分析了机场噪声环境影响评价的重要问题,阐述了机场噪声的环境影响防治措施。     

GNSS站坐标时间序列噪声估计方法探讨

为了研究GNSS站坐标时间序列噪声估计方法的差异,比较极大似然估计法、两种方差分量估计法(最小二乘方差分量估计法、最小范数二次无偏估计法)对不同时间长度GNSS站坐标时间序列噪声模型的估计效果,确定噪声模型估计的适宜长度为15 a,最佳估计方法为方差分量估计法,并选择最小二乘方差分量估计进行时间序列的噪声模型估计。中国区域15个GNSS站坐标时间序列的噪声模型估计结果表明,闪烁噪声是中国区域GNSS站坐标的主要噪声,且竖直方向的噪声强度远大于水平方向的。在此基础上,利用线性回归法分析水平方向和竖直方向噪声方差的相关性,指出水平方向的噪声能够引起竖直方向32%以上的噪声。     

基于单边自相关序列的抗噪声语音识别特征提取算法

基于单边自相关序列和频率规整的线性预测算法，提出了一种抗噪声的语音识别的新特征，它既符合入耳的听觉特性又具有良好抗噪性。通过汉语数字语音识别实验证明，新特征参数提高了语音识别系统的鲁棒性，优于传统的LPC倒谱系数。     

适用于水下目标识别的快速降维卷积模型

针对传统卷积神经网络在相对较小的数据集上训练容易过拟合的问题,本文提出一个适用于水下目标识别的快速降维卷积网络模型(FRD-CMA)。该模型基于卷积核与特征图对应关系描述模型在数据集上的注意力,并以此进行快速降维,从而降低模型在小数据集上应用时存在的过拟合风险。FRD-CMA模型支持水下目标辐射噪声的端到端处理,通过提取辐射噪声的声音特征并依照水听器的时序关系进行矢量化处理,可以保持模型源输入特征不被破坏。试验结果表明:相较于之前的水下目标识别任务,FRD-CMA模型识别率提高5%,且模型训练时间缩短30%。     

关于机场安全管理体系建设中的危险源识别工作探讨

本文简述了危险源的概念及分类以及简述了机场危险源的识别过程。     

用时间序列分析方法识别废弃河道

时间序列分析方法是随机数学的一个重要分支,应用到识别废弃河道沉积微相中,将地层垂向测井序列看做是沉积事件在测井相上的反映,每一个测井点都是沉积历史中相应沉积事件的反应,提出用时间序列分析方法中的自回归模型对垂向测井序列进行描述.利用最小二乘的辨识方法对模型进行辨识,用辨识的模型对相邻井相同层段的测井曲线进行预测.将这种方法运用到大庆油田的三次加密井的废弃河道沉积微相的识别中,结果表明:对于位于同一河道砂体的测井曲线,其预测结果和实际值的误差较小;对于废弃河道上的砂体的测井曲线,其砂体上部的预测结果和实际值的误差较大,由此可以识别废弃河道砂体实现.实验结果显示出这种方法能很好地区分废弃河道砂体和河道砂体.     

模型参数优化中的降维计算方法及其在相平衡计算中的应用

本文提出了模型参数优化的降维计算方法的基本思想。它通过构造参向量空间某个子空间某个子空间族的极小化点集,使一个高维优化问题转化成等价的低维优化问题。降维法的应用常常可以有效地避免高维优化问题中的发散和伪收敛。由于降维法具有很强的收敛性和很宽的收敛初值范围,因此对许多函数性态较差,参数之间相关程度较大的优化问题,一般的通用方法较难给出理想的结果,而降维法的应用却可以使收敛情况大为改观。本文结合相平衡中的一些实例阐明了降维法的基本思想和极小化点集的构造技巧。     

PAD三维情感空间中的语音情感识别

离散情感描述模型将人类情感标注为离散的形容词标签,该类模型只能表示有限种类的、单一明确的情感类型,而维度情感模型从情感的多个维度量化了复杂情感的隐含状态.另外,常用的语音情感特征梅尔频率倒谱系数(MFCC)存在因分帧处理引起相邻帧谱特征之间相关性被忽略问题,容易丢失很多有用信息.为此本文提出改进方法,从语谱图中提取时间点火序列特征、点火位置信息特征对MFCC进行补充,将这三种特征分别用于语音情感识别,根据识别结果从PAD维度情感模型的三个维度(Pleasure-displeasure愉悦度、Arousal-nonarousal激活度、Dominance-submissiveness优势度)进行相关性分析得到特征的权重系数,加权融合后获得情感语音的最终PAD值,将其映射至PAD三维情感空间中.实验表明,增加的时间点火序列、点火位置信息不但能探测说话人的情感状态,同时考虑了相邻频谱间的互相关信息,与MFCC特征形成互补,在提升基本情感类型离散识别效果的基础上,将识别结果表示为PAD三维情感空间中的坐标点,采用量化的方法揭示情感空间中各种情感的定位与联系,展示出情感语音中糅杂的情感内容,为后续复杂的语音情感分类识别奠定研究基础.     

月降雨量时间序列中的混沌现象

降雨是水文水资源系统的输入，研究它的演变特性，对于水文水资源系统的预报、模拟是十分重要的。以四川省6个水文站的月降雨量时间序列为例，通过混沌理论分析方法，探讨降雨系统的混沌特性。研究表明，降水系统中混沌现象是可能存在的。     

时间序列数据挖掘中的聚类研究综述

鉴于时间序列数据的高维性和复杂性给数据挖掘带来的困扰以及聚类分析在时间序列数据挖掘领域中的重要性,对目前该领域国内外相关时间序列数据聚类研究的状况进行综述。时间序列聚类总体上可分为整体时间序列聚类、子序列聚类和时间点聚类3种,分别从特征表示、相似性度量、聚类算法和簇原型等方面来研究,同时也结合了具体的应用分析。根据时间序列数据挖掘中聚类存在的主要问题,提出了部分未来值得关注和研究的内容和方向,以便更好地促进时间序列数据聚类分析的研究与发展。     

基于融合云模型分析的时间序列概念划分方法

为有效提取时间序列概念特征,提出了一种基于云模型的时间序列概念划分方法。该方法将时间序列转化为二维数据,综合考虑序列本身及序列变化趋势,通过二维高斯混合模型对序列高斯分布进行分解,并利用云模型变换算法实现序列概念软划分。实验结果表明,该方法能够有效地对时间序列概念进行聚类分析,为时间序列评价提供依据。     

机器学习中的PCA降维方法研究及其应用

机器学习中涉及大量以图像处理为代表的高维数据,PCA作为有效的数据降维方法常被用于数据预处理阶段。讨论了PCA的K-L数据转换原理、具体降维处理过程、高维样本协方差矩阵的求解技巧、维数选择方法,并在ORL人脸图样库上给出了基于PCA的人脸识别准确度分析。     

昆明年降雨量时间序列的混沌分析

降雨对水文水资源系统的预报预测是极其重要的.应用重构相空间技术和混沌理论对昆明1951-2010年降雨时间序列的特性进行了分析,通过研究嵌入相空间维数和关联维数之间的变化关系得到了饱和关联维.结果表明,昆明年降水系统中的混沌现象是存在的.这一研究结果为利用混沌理论建立预测模型提供了较为科学的依据.     

一种适于高维时间序列的特征提取方法

为了获得更多的信息，越来越多的数据利用多路传感器进行采集，由此产生了大量的超高维时间序列。特征的提取在处理和传输这些数据中起到至关重要的作用。为此，提出一种最优鉴别平面（ODP）技术以消除数据冗余。该平面由两个在Fisher准则基础上建立起来的相互垂直的矢量组成，将模式样本投影到ODP上可得到二维特征矢量。为了衡量特征的有效性，分别用二次判别函数分类器和阈值矢量分类器对特征进行分类测试。同时，以心电信号为例对ODP方法进行测试，结果表明，该方法应用于超高维数据的特征提取是行之有效的。     

基于词典特征优化和依存关系的中文时间表达式识别

提出一种基于词典特征优化和依存关系的时间表达式识别方法。首先针对中文文本时间表达式边界定位不准确及长距离依赖的问题,优化了传统时间词典特征,将时间词典分为时间词词典和时间单位词典;其次针对传统基于机器学习的时间表达式识别方法忽视时间表达式本身结构特点的问题,在优化后的词典特征的基础上提取依存特征,挖掘时间表达式的结构信息;最后综合时间表达式的基本特征、词典特征和依存特征,在条件随机场模型上完成时间表达式识别。在中文语料上进行实验,时间表达式识别达到较好效果。