基于增量Nystrom方法的动态学习

在许多应用中,都牵涉到对Kernel矩阵进行特征分解,同时矩阵分解的时间复杂度与矩阵的维数成正比。而在许多应用中,被分解的Kernel矩阵始终保持有低秩特性,因此基于Nystrom低秩逼近分解算法求取非线性子空间的算法通常被用来加速分解过程。提出一种增量Nystrom算法用于动态学习并将其应用动态跟踪问题。     

基于数据融合和“能量-损伤”的结构多损伤模式识别

基于一致性数据融合算法和"能量-损伤"结构特征提取原理,提出一种结构多损伤模式识别方法,能够充分利用结构不同位置的不同状态信息,更好地对结构损伤做出判断。对一致性数据融合算法进行改进,使得改进后的算法能够克服一致性算法中两传感器在测量精度不同时置信距离不同的缺点,并对支持矩阵进行模糊化处理,避免人为定义阈值而产生的主观误差。利用"能量-损伤"特征提取技术,构造融合后多传感器测量数据的特征向量,以ART2神经网络作为模式识别工具进行结构多损伤识别。五层框架结构数值计算结果表明,提出的方法能够用于结构多损伤识别,且具有较强的鲁棒性、稳定性和适应性。     

基于虚拟现实技术的测量数据可视化方法

在从数据可视化的角度对测量数据进行分类的基础上,对两种重要类型的测量数据给出了三维建模方法。然后利用CAVE技术和3D技术,结合以映射、绘制为主线的数据可视化基本流程,提出了一种具有沉浸感和立体感的通用型测量数据可视化方案。技术方案以建立三维模型为基础,以对视图的控制为核心,以场景设置为辅助,实现并验证了测量数据可视化。     

基于Python的数据可视化

可视化是借助图形化的方法,清晰有效的将数据展示出来.在大数据快速发展的今天,使用正确有效的工具来实现数据可视化变得至关重要.Python其丰富的第三方库和工具包在文件处理、科学计算及数据可视化领域越来越凸显其地位及价值.本文叙述了如何选择合适的数据可视化类型,Python数据可视化的常用第三方库及重点讲解pyechar...     

基于粗集和最大熵的模式识别方法

用基于属性约简的粗集理论找出条件属性的最小属性集．对属性间为不确定因果关系的模式，计算在最大熵情况下发生的概率，通过比较概率来进行模式识别．实例分析和结论部分说明这种方法是有效的．     

基于模糊数据融合的健康评价方法

研究基于多传感器信号的船舶用柴油机冷却系统的健康状况评价问题, 提出了船舶用柴油机冷却系统健康状况的定量综合评价指标--健康度, 将基于模糊集的数据融合方法用于健康度的计算, 该方法利用层次分析法来确定各个传感器监测参数的重要程度系数, 利用模糊综合评判对多传感器数据进行融合计算得到系统的健康度, 以此为基础, 建立了船舶用柴油机冷却系统的健康评价体系, 给出了系统的健康状况等级. 实验结果表明该方法能够对其健康状况进行定量的、合理的评价.     

基于数据融合的传感器优化布置方法

传感器优化布置是结构健康监测研究的重要内容,传感器数量和位置的选择直接关系到模态参数识别的效果及模型修正的结果等。为了达到布置在结构上的有限传感器能够测量并得到用于模态参数识别的最佳信息的目标,提出了基于数据融合的传感器优化布置方法。该方法以距离测度作为数据融合的融合度,首先通过对距离测度矩阵、支持度矩阵的计算,得到待选测点的综合支持度;其次,根据待选测点的综合支持度大小来确定传感器优化布置的位置;最后,以网架结构的传感器优化布置为例,运用峰值法进行自振频率识别,通过已选测点与未选测点识别效果的对比,验证了该方法的有效性。     

基于增量学习的数控机床故障诊断系统

针对数控机床中主轴轴承和刀具同时出现故障或机床主轴转速改变时的故障诊断问题,提出了基于增量学习的深度卷积诊断模型。首先,将常用转速下的主轴轴承和刀具振动数据集,输入结合了批量归一化算法的一维卷积神经网络,实现单一转速下故障诊断;然后,人工判断跨转速诊断时的未知故障类型,对其打标签后重新输入网络,通过增量学习实现知识迁移并使模型学习新数据特征;最后模型在跨转速故障诊断领域的准确率为76.49%~86.09%,且与Fine Tuning和Joint Training两种经典跨领域算法相比,基于增量学习的深度卷积诊断模型提高了准确率,缩短了训练用时。     

模糊中心聚类的模式识别学习方法

基于一个约束条件下的非线性规划问题的优化计算思想，把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题，证明了模糊中心聚类方法，取一个适当的属函数，其聚类中心vi为模糊聚类中心价值函数的极小值，推导出了基于模糊中心聚类的模式识别的无导师递推学习方法，提出了模糊中心聚类模式分类神经网络结构，该网络可以实现并行数据处理和模式分类的软划分和硬划分。     

基于事件驱动的制造过程数据融合处理方法研究

为了解决物联网车间现场多源采集系统存在的延迟、缺失、冗余或语义模糊等数据质量问题,引入事件概念和D-S证据理论,依据"符号模式匹配+不确定性计算"的推理模式,提出基于事件驱动(Event-Driven Architecture,EDA)的制造数据融合方法.该方法利用制造物联场景下的业务约束和时序约束,定制了复杂事件处理(Complex Event Process,CEP)匹配模式,结合证据理论,对业务对象的状态置位过程给予量化评价,解决可能发生的数据质量问题,从而为离散制造车间有效合理地解决制造过程数据的实时采集、融合处理等问题提供了新的思路.     

基于灰色关联度的多传感器数据融合方法研究

针对多个传感器对某一特性指标多次测量的数据融合问题,提出一种基于灰色关联度的多传感器数据融合新方法。该方法将各传感器测得的数据视为一个行为序列,利用灰色关联度对不同传感器测得数据之间的接近程度进行度量,并通过灰色关联矩阵全面衡量数据间的综合接近程度,然后根据非负对称矩阵的性质求得各传感器测得数据在数据融合表达式中的权重,从而实现多传感器数据的融合。仿真结果表明应用所提出方法对雷达数据进行处理,可有效降低跟踪误差,提高测量精度。     

水下TMA的数据融合方法

提出了一种新的水下目标运动分析(TMA)的数据融合方法.针对来自同一声源的不同数据测量组合后所得到的TMA估计,在EKF组合滤波器中进行数据融合,得到最终的更精确的TMA估计.仿真结果表明数据融合后的参数估计误差曲线收敛更好,估计精度明显提高.该方法能够融合所观测的多种测量数据,充分利用来自不方面的观测信息,从而得到精度更高的目标运动参数估计结果.     

基于粗集理论和神经网络的数据融合

提出了一种基于粗集理论和神经网络结合的数据融合方法。利用粗集对输入信息进行约简，剔除冗余信息，简化了神经网络模型，提高了训练速度，进而提高整个融合系统的速度。并通过仿真实验证明了它的可行性。     

基于双声道的低压超声气体流量计数据融合方法

针对双声道的超声流量测量计测量低压中小管径流量时,超声波信号在低压气体中衰减大、信噪比低,导致某一声道的测量数据产生较大误差或错误,从而降低超声气体流量计测量的准确性和稳定性的问题,提出了一种时差法的双声道超声流量计数据融合方法.该方法首先对单一声道的时差数据进行粗大误差剔除和流量计算后,然后对数据进行预估处理获得流量...     

基于HTML5的3D数据可视化

经过几乎8年的艰辛努力,HTML5标准规范终于制定完成了,伴随着大量基于浏览器的应用也日趋庞大,HTML5的出现为数据可视化提供了新的实现方法。本文对HTML5的数据可视化在浏览器的应用进行研究实践,并利用HTML5中新生API实现动态数据3D可视化展示。     

基于K近邻的下肢动作模式识别方法

目前肌电信号识别技术存在数据量少、识别率低的问题。该文以下肢动作为对象,采集平地行走、上楼、下楼、坐下和起立5种动作的表面肌电信号（Surface electromyography,sEMG）,在提取sEMG特征的基础上,提出一种基于K近邻（K-nearest neighbors, KNN）的下肢动作模式识别方法。同时对比其他传统机器学习识别方法,通过试验可知,该文所提方法识别率更高,可为康复医疗机器人、助力机器人等设备改善下肢运动功能提供理论支撑。     

基于SRC模式识别方法的柴油机故障诊断研究

测量了五种柴油机常见故障时的缸盖表面振动信号,并利用S变换对其中燃烧激励的响应信号进行时频分析.基于SRC方法找出最能表征各种故障特征的时频域,根据时频域的频率范围,设计FIR带通滤波器,并对不同故障下燃烧激励的响应信号进行滤波,滤波后的信号作为该故障的故障模板.进行故障识别时,首先用滤波器对燃烧激励的响应信号进行滤波,将滤波后的信号与故障模板进行相关分析,根据相关系数的大小来判别故障.典型故障的模拟试验表明,SRC方法具有较高的故障分辨能力.     

基于统计模式识别的彩色图象分割方法

根据岩芯铸体薄片图象特点,提出了用颜色空间作为特征空间,利用统计模式识别的监督分类方法,最小距法则来对彩色图象进行真彩色二值化分割。实际结果证明该方法具有快,有效和准确的特点,对于彩色岩芯图象的分割处理十分有效。     

基于用户体验的数据可视化模型研究

目的证明基于人类认知特点的数据可视化符合人类认知的特性和习惯,能有效揭示数据特征。方法分析了人类认知的特点与原理,诠释了感知设计在认知过程中的优势,提出了基于用户体验的可视化模型,该模型主要包含4个层次,即战略层、范围层、结构层与表现层。结论通过案例验证表明,该用户体验模型方法可以应用于相关数据的可视化,并实现思维认知与数据可视化之间的映射。     

基于声成像模式识别的故障诊断方法研究

利用非接触式声学故障诊断技术的工作优点,发展了基于支持向量机的声成像模式识别技术,并引入到故障诊断领域。针对某种机械故障特点,在利用波束形成算法得到声像进行噪声源识别与定位的基础上,对声像进行图像处理,提取声像的纹理特征和奇异值特征,采用支持向量机进行训练分类,进而用于机械工作状态的诊断。通过仿真及实验,得到了较好的诊断效果,表明基于声像的图像特征提取技术在结合支持向量机后可应用于机械故障诊断,为声成像方法在故障诊断领域的应用提供参考。