基于局部熵双子空间的多模态过程故障检测

为了提高非高斯工业过程的检测性能, 提出局部熵双子空间(LEDS)的多模态过程故障检测方法. 运用局部 概率密度估计构建数据的局部熵矩阵, 消除数据的多模态特性. 用Kolmogorov-Smirnov (KS)检验局部熵数据中变 量的正态分布特性, 对高斯分布和非高斯分布的数据分别建立基于PCA的高斯子空间和ICA的非高斯子空间故障 检测模型. 利用Bayesian决策将检测结果转化成发生故障概率的形式, 将检测结果组合成最终的统计信息, 进行故 障检测. 将该方法应用于数值例子和田纳西–伊斯曼多模态过程, 仿真结果表明, 该方法在误报率较低的情况下, 故 障检测率最高, 优于PCA、局部熵PCA(LEPCA)和局部熵ICA(LEICA)方法.     

基于概率密度PCA的多模态过程故障检测

为了提高故障检测和分类能力,提出基于概率密度PCA的多模态过程故障检测算法。对各模态的训练数据建立PCA模型,计算各个模型的控制限和匹配系数。根据匹配系数计算各模态统一的控制限。对新来的数据,运用概率密度确定其模态。新来数据向对应模态的模型上投影并计算统一的统计量,比较统计量与控制限进行多模态过程故障检测。把该方法应用到数值例子和半导体过程中,仿真结果表明,该算法在分类及多模态过程故障检测方面具有很高的准确性。     

基于LNS-DEWKECA算法的多模态工业过程故障检测

受市场需求主导,工业过程需要在多种工作模态下切换,数据往往呈现多模态复杂分布特性,研究多模态的故障检测技术对于保障工业过程的安全运行具有重要意义.为此,提出一种基于局部近邻标准化(LNS)和方向熵加权核熵成分分析(DEWKECA)的故障检测算法.利用LNS实现多模态数据的标准化,相比于全局标准化,LNS可以有效消除多模态特性;考虑到故障样本与正常样本在变化趋势上的差异,定义样本变化方向的信息熵为方向熵,用来衡量样本变化方向的无序程度,从而利用DEWKECA实现数据降维,可以更有效提取数据变化方向特征;考虑到多模态数据往往服从非高斯分布,采用局部离群因子(LOF)算法建立监控统计量,根据核密度估计确定其控制限.最后,通过数值例子及TE过程仿真验证所提出算法的有效性.     

基于GMM的多模态过程模态识别与过程监测

多模态复杂过程的多变量、多工序、变量时变性以及模态转换时间不确定等多种原因, 导致面向多模态生产过程的监测问题十分复杂. 对此, 基于高斯混合模型的监测方法, 结合定性知识和定量知识, 解决了多模态过程监测中离线数据模态划分、稳定模态和过渡模态的监测模型建立以及在线数据的模态识别等关键问题, 最终实现了对多模态过程的监测.     

多模态过程中新模态过程建模方法

多模态过程中新出现的模态过程短期内无法获得充足的建模数据,且传统统计控制方法无法有效地估计过程特性.鉴于此,提出一种基于历史模型数据相关特性建立初步模型的方法,充分利用已有多模态历史数据的相关特性,从历史数据中寻找与当前数据特征相似的数据进行补充,建立初始模型,并利用新积累的数据迭代初步模型,逐步实现准确描述过程特性的算法.通过在田纳西-伊斯曼过程中的大量仿真,表明了所提出方法的可行性和有效性.     

基于统计差分LPP的多模态间歇过程故障检测

针对工业过程数据存在的非高斯和多模态特性,提出一种基于统计差分LPP的多模态间歇过程故障检测方法。首先将统计模量分析的方法应用到间歇过程训练数据集中,计算统计过程变量的均值和方差,将不等长的批次变成等长的统计量,保证统计模量近似服从高斯分布;然后运用差分算法使多模态变为单模态,最后运用LPP算法进行降维和特征提取,计算样本的T2统计量,并利用核密度估计确定控制限。对于新来的测试样本数据统计差分处理后,向LPP模型上进行投影,计算新数据的T2统计量并与控制限比较进行故障检测。最后通过半导体过程数据的仿真结果表明,该算法的故障检测效果最好,验证了所提方法的有效性。     

基于改进偏最小二乘法的多模态过程故障检测方法

针对传统的数据驱动方法偏最小二乘法（PLS）中存在的多模态数据故障检测效果不佳的问题,提出了一种新的故障检测方法——基于局部近邻标准化（LNS）的PLS（LNS-PLS）。首先,利用LNS方法对原始数据进行高斯化处理,在此基础上建立PLS的监控模型,确定T²和平方预测误差（SPE）的控制限;其次,对测试数据同样进行LNS标准化处理,再计算出测试数据的PLS监控指标来进行过程监视及故障检测,解决了PLS中无法处理多模态的问题。将所提方法应用于数值例子和青霉素生产过程,并将其测试结果与主成分分析（PCA）、K最近邻（KNN）、PLS等方法进行对比分析。实验结果表明,所提方法的故障检测效果优于PLS、KNN、PCA,该方法在分类及多模态过程故障检测方面有较高的准确性。     

基于LBP和Fisherfaces的多模态人脸识别

提出一种结合局部二值模式（LBP）和Fisherfaces的多模态人脸识别方法。用LBP算子提取人脸灰度图像和深度图像的区域LBP直方图序列（LBPHS）,再采用Fisherfaces分别构建相应的线性子空间,用余弦相似度作为投影向量的相似度量,用加权求和规则进行信息融合。在FRGC数据库上的实验结果表明,该方法要明显优于LBPHS与直方图交及Fisherfaces与余弦相似度的融合,等错误率仅为0．33％。     

基于TSNS-RAE的多模态过程故障检测

根据多模态工业生产过程的数据特点,提出基于时空近邻标准化和鲁棒自编码器(TSNS-RAE)的故障检测方法;TSNS处理数据时同时考虑了样本的时间近邻和空间近邻,可以消除数据动态性和多模态特征;相比于普通的自编码器,鲁棒自编码器提升了模型的抗噪性和鲁棒性,具有更好的提取非线性特征的能力;TSNS-RAE模型将原始数据空间分成模型空间和残差空间两部分,选择残差空间的SPE统计量作为监控统计量,通过数值案例和青霉素实验来验证TSNS-RAE的可行性。     

多模态深度学习综述

在多模态深度学习发展前期总结当前多模态深度学习,发现在不同多模态组合和学习目标下,多模态深度学习实现过程中的共有问题,并对共有问题进行分类,叙述解决各类问题的方法。具体来说,从涉及自然语言、视觉、听觉的多模态学习中考虑了语言翻译、事件探测、信息描述、情绪识别、声音识别和合成以及多媒体检索等方面研究,将多模态深度学习实现过程中的共有问题分为模态表示、模态传译、模态融合和模态对齐四类,并对各类问题进行子分类和论述,同时列举了为解决各类问题产生的神经网络模型。最后论述了实际多模态系统、多模态深度学习研究中常用的数据集和评判标准,并展望了多模态深度学习的发展趋势。     

基于软件开发过程数据的可视化产品质量监控工具

软件产品的不断演化常常导致其质量的退化,从而增加后续维护和测试的难度。软件开发过程中实时的数据(比如,代码度量值以及bug数量等)反映了软件产品的状态变化趋势,通过这些数据可以了解软件质量的变化。然而,这些数据本身太过细节(比如,每个文件的某个代码度量值),仅仅反映这些细节数据并不能满足项目管理人员把握产品宏观变化趋势的要求。因此,提出一个基于软件开发过程数据的可视化质量监控工具,该工具不但能够基于版本库和bug库来计算每个版本的度量值以反映一个产品质量的实时变化趋势,同时,还建立缺陷预测模型,并提供数据间多维度的整合、关联、对比,来方便项目管理人员宏观地认识软件变化的各个方面。通过对一个大型开源项目的案例研究,验证了工具的有效性。结果表明,可视化产品质量监控工具能够有效地帮助项目管理人员及时发现潜在的隐患并定位问题原因。     

基于深度神经网络的多模态信息检索

为了提高大数据中多模态信息的检索效果,提出一种基于深度神经网络的多模态信息检索算法.设计深度自编码器,将不同模态的数据投影到一个相同的广义子空间内;利用稀疏编码技术降低共同特征向量的维度,过滤冗余特征和噪声特征;通过去卷积操作和上采样操作对数据进行重建.基于公开模态识别数据集的实验结果表明,该算法能够有效地学习和泛化多...     

基于软件重用的焊接过程监测系统分析与设计

焊接过程监测系统对于提高劳动生产率,确保焊接产品的质量具有重要意义.而要开发出实用的监测软件系统面临着诸如:开发周期长、成本高,系统通用性差、集成难度大等困难.软件重用技术能够为解决上述困难提供一条行之有效的途径.事实上,在目前焊接过程监测软件开发领域中,软件重用意识不高,可重用构件和架构还很缺乏.于是,尝试运用软件重用技术对焊接过程监测系统的架构和构件进行分析和设计.实验室中的系统开发实践表明,运用软件重用技术建立领域架构和构件库并使之逐步完善,可以使得焊接过程监测系统的研制和开发更加高效.     

基于改进萤火虫算法的多模函数优化

为了提高萤火虫算法GSO(Glowworm Swarm Optimization algorithm)多模函数优化性能,针对GSO峰值发现率低、收敛速度慢和求解精度不高的缺点,提出萤火虫个体可自适应搜索峰值且移动步长可变的改进萤火虫算法IGSO(Improved Glowworm Swarm Optimization algorithm)。IGSO引入尝试性移动策略以增强算法的搜索能力,同时,以邻域平均距离为参考,对个体移动步长进行调整。采用典型多模函数进行测试,实验结果表明,IGSO峰值发现率高,收敛速度快且求解精度高,比GSO具有更优的多模函数优化性能。     

基于多模态信息挖掘融合的视频检索技术

基于内容的多媒体检索特别是视频检索,由于多媒体数据本身具有复杂的语义,所以极大地提高了检索的难度.算法着眼于视频本身挖掘出充分的资源信息并且将这些信息加以融合来提高视频检索的性能.基于这种思想,提出一种多模态视频检索模型以及相应的手动式搜索和交互式搜索的算法方案.搜索策略在TRECVID视频检索比赛中取得了不错的成绩.     

一种基于非线性主成分回归的过程监测及故障诊断方法

近年来，统计过程监测方法在多变量过程监测领域得到广泛应用，但对于存在显著 非线性的过程，这类方法的性能往往不尽人意，而神经网络在处理非线性问题上具有卓越的 优势．本文将多变量投影方法和径向基神经网络良好的逼近能力结合起来，提出了一种基于 嵌入径向基网络的非线性主成分回归算法的过程监测及故障诊断方法．在三水箱实验装置上 进行的实验结果说明该方法确实能够有效地实现过程监测、快速地检测并诊断出故障状态．     

一种基于多通道信息融合的教师运动跟踪方法

提出一种基于多通道信息融合的教师运动跟踪方法。该方法改进了传统的运动人像检测算法,能进行多目标的识别与跟踪。并结合智能教室的上下文环境信息,提出一个多通道信息融合推理算法,解决了单纯利用运动人像跟踪算法所带来的误检问题。实验表明该方法是有效的。     

基于改进的多模态神经网络图像描述方法

图像描述是一项融合了自然语言处理和计算机视觉的综合任务,现有方法不仅存在描述性能不佳、缺失语义信息等问题,还存在模型结构与图像特征之间语义信息关联性不足的问题.针对这些问题,提出一种使用门控循环单元和卷积注意力模块进行优化的基于多模态神经网络的图像描述方法.为了验证方法的有效性,在MSCOCO2014数据集上进行实验对...     

基于SNMP的ARP欺骗监控研究

针对目前频频发生的ARP(Address Resolution Protocol)欺骗,介绍了该攻击对客户机信息安全及网络运行造成的破坏性.从理论上对ARP欺骗原理进行深入剖析,介绍常用防范ARP欺骗的方法,并给出这些方法的安全评估.最后,着重提出利用SNMP技术监控ARP欺骗的方法,及其在校园网中的实施方案.实际测试表明该方法是可行有效的.     

基于安卓手机客户端与服务器的污水处理监控通信系统研究

针对偏远地区工业污水处理实时远程监控和供电问题,基于安卓系统提出一种客户端/服务器的实时监控通信系统。系统以现场级的总线系统为基础,客户端的远程实时访问为目的,小型光伏发电系统为供电系统,解决了厂区边远地区的供电问题,并通过建模仿真验证了供电的可靠性。通过程序设计的安卓手机客户端,即可实时监控污水处理设备状态及工艺参数,实现了偏远地区污水处理工艺的实时监控,并保证了该系统的可靠运行。