基于非线性数据变换的离群点检测算法

为了提高高维数据集合离群数据挖掘效率,在分析了传统的离群数据挖掘算法优点和缺点的基础上,提出了一种离群点检测算法,首先将非线性问题转化为高维特征空间中的线性问题,然后利用非线性数据变换进行维数约减,对所得数据对象每个投影分量逐个判断数据点是否是离群点,通过实验证明该算法不仅可用于线性可分数据集的离群点检测,而且可用于线性不可分数据集的离群点检测,表明了算法的优越性。     

动态增殖流形学习算法在机械故障诊断中的应用

针对现有的批量式流形学习算法无法利用已学习的流形结构实现新增样本的快速约简的缺点,提出增殖正交邻域保持嵌入(Incremental Orthogonal Neighborhood Preserving Embedding,IONPE)流形学习算法。该算法在正交邻域保持嵌入算法基础上利用分块处理思想实现新增样本子集的动态约简。从原始样本中选取部分重叠点合并至新增样本,对重叠点和新增样本子集不依赖原始样本使用正交邻域保持嵌入(ONPE)进行独立约简获取低维嵌入坐标子集,并基于重叠点坐标差值最小化原则,将新增样本低维嵌入坐标通过旋转平移缩放整合到原样本子集中。齿轮箱故障诊断案例证实了IONPE算法具有良好的增量学习能力,在继承ONPE优良聚类特性的同时有效提高了新增样本约简效率。     

基于局部线性嵌入和云神经网络的转子故障诊断方法

提出了一种基于流形学习的汽轮机转子故障诊断方法。利用振动信号构造一个能够表示该信号的矩阵作为流形学习的输入数据,使用局部线性嵌入算法对矩阵进行维数约简,实现了高维数据向低维空间的嵌入,从而有效提取了故障特征。文中使用云神经网络分类器测试LLE算法输出维数大于3时的故障诊断率,并分析了各个参数对诊断率的影响。该方法克服了在样本较少的情况下故障诊断的困难,能在有限的故障数据中发掘故障特征并进行故障诊断。     

基于离群分析的水位异常识别研究

面对海量的地震前兆监测数据流,传统的方式难以实现合理的分析和利用。引入时序数据挖掘的技术对地震前兆数据中的一个重要参数-地下水位进行时序分析和识别水位变化异常。从水位数据的自身特点出发,依据突变系数检测离群点,根据离群点分段,再结合基于距离的离群算法找出水位变化异常模式。实验结果表明,该方法可以比较简单直观地发现水位的异常变化。     

基于期望核密度离群因子的离群点检测算法

针对基于密度的离群点检测方法在不同分布的数据集上检测精度低的问题,提出了一种基于期望核密度离群因子的离群点检测算法。首先,引入k近邻和反向k近邻扩展邻域空间(ENS)代替传统的k邻域范围,更加全面地考虑数据对象的邻域信息;其次,在传统核密度估计(KDE)方法的基础上引入多元高斯函数,在扩展邻域空间内估计数据对象的密度,同时借鉴自适应核带宽的思想,更好地适应不同数据集的数据分布;然后,给出期望距离的概念,进一步区分局部离群点和位于低密度区域的正常点;最后,定义了期望核密度离群因子刻画数据对象离群程度。在人工数据集和真实数据集上对所提算法进行实验验证,并与部分传统算法进行对比,验证了所提算法的有效性。     

邻域自适应增量式PCA-LPP在齿轮箱故障诊断中的应用EI北大核心CSCD

针对流形学习算法的增量处理问题,提出一种邻域自适应增量式PCA-LPP流形学习算法,阐述了算法的基本原理以及增量样本处理方法。对新增样本的引入,首先根据已有样本对协方差矩阵和相似矩阵进行增量更新,而后结合已有样本降维结果对新增样本降维结果进行估计,最后采用子空间迭代法实现新旧样本降维结果的更新。采用齿轮箱故障信号特征向量对邻域自适应增量式PCA-LPP流形学习算法进行检验,结果表明,邻域自适应增量式PCA-LPP流形学习算法降维后特征具有良好的故障分类识别效果。     

邻域自适应增量式PCA-LPP在齿轮箱故障诊断中的应用

针对流形学习算法的增量处理问题,提出一种邻域自适应增量式PCA-LPP流形学习算法,阐述了算法的基本原理以及增量样本处理方法。对新增样本的引入,首先根据已有样本对协方差矩阵和相似矩阵进行增量更新,而后结合已有样本降维结果对新增样本降维结果进行估计,最后采用子空间迭代法实现新旧样本降维结果的更新。采用齿轮箱故障信号特征向量对邻域自适应增量式PCA-LPP流形学习算法进行检验,结果表明,邻域自适应增量式PCA-LPP流形学习算法降维后特征具有良好的故障分类识别效果。     

基于特征选择和子空间搜索的离群点检测算法

为解决高维空间下基于密度的离群点检测的低精度和高计算量的问题,提出基于特征选择和子空间搜索的离群点检测算法。该算法先通过特征选择选择数据的主要属性,然后对这些属性进行子空间搜索,从而有效的降低维数和避免全局搜索。最后通过一个数据集的实验来说明该算法的有效性。     

基于核主元分析的头部姿势估计

现有头部姿势估计方法主要是基于几何分析和基于外现线性变换的方法,计算复杂、通用性不强.提出一种新的利用非线性的核变换算法进行姿势估计的方法,根据流形学习理论,不同姿势的高维人脸图像存在一低维流形结构,提取该流形结构可估计头部姿势.核主元分析是一种非线性降维算法,能够把这种流形结构嵌入到低维空间.利用核主元分析训练姿势估计曲线,然后把新图像投影到姿势曲线上,利用插值方法估计新投影点对应得姿势角度.核主元分析的方法克服了传统线性估计方法的缺点,实验证明该方法估计效果良好,并给出进一步提高估计效果的途径.     

基于LLTSA的转子故障数据集降维方法

特征数据集降维是机械故障智能诊断的关键步骤之一。常见的数据集降维方法难以准确的从高维非线性数据集中获取反映转子运行状态的敏感特征信息,导致故障模式识别精度降低。局部切空间排列算法（LTSA）对部分高维非线性数据集达到较好降维效果。但该算法不适合处理高曲率分布、稀疏不均匀分布等高维数据源。为此,在LTSA算法的基础上结合线性分块思想,提出线性局部切空间排列算法（LLTSA）。该算法充分考虑了数据集的整体与局部结构,将数据样本空间划分为一组最大线性块,使降维后的同类数据具有更好的聚类性。通过高维非线性转子振动数据时域特征数据集对该算法进行验证,结果表明经该算法降维后的数据集具有较好的聚类与分类性能。     

Estimation of Parameters of Universal Distribution of Moments of Failure of Products

A method is proposed for estimating the parameters of a mixture of exponential and Weibull distributions for which the accuracy of preliminary estimates obtained by graphical analysis is refined in accordance with the criterion of maximum likelihood. The efficiency of the proposed method is supported by the results of statistical modeling.     

Analysis of the rate of propagation of the wave of change of boiling modes

An approximate analytical expression is derived for the velocity of the front of the wave of change of boiling modes on a rod and on a plate. The impact of the Thomson effect and of the heater orientation in the gravity field is included. Adequate agreement is demonstrated between the derived relations and experimental data.     

可燃气体检测报警器测量结果的不确定度评定

本文详细介绍了可燃气体检测报警器示值误差测量结果的不确定度评定方法。     

水三相点复现的不确定度评定

水三相点是开尔文热力学温度的唯一基准点，也是ITS-90国际温标重要的定义固定点。因此，水三相点不确定度分析对整个温标的建立、温度量值传递起着至关重要的作用。近3年来，中国计量科学研究院研制出一系列高质量的水三相点容器，加强了水三相点的研究，为不确定度的分析提供了更为可靠的实验依据。同时，不确定度的分析也是客观评价新研制容器性能的一个重要指标。因此，根据实验结果对新研制容器所复现的水三相点进行了不确定度评定。评定结果表明，其扩展不确定度为0．16mK(k=2．69，P=0．99)。     

心电图机电压测量示值误差测量值的不确定度评定

本文介绍了心电图机电压测量示值误差测量值的不确定度评定与表示方法。     

Evaluation of optical properties of highly scattering media by moments of distributions of times of flight of photons

A novel method for the determination of the optical properties of tissue from time-domain measurements is presented. The data analysis is based on the evaluation of the first moment and the second centralized moment, i.e., the mean time of flight and the variance of the measured distribution of times of flight (DTOF) of photons injected by short (picosecond) laser pulses. Analytical expressions are derived for calculation of absorption and of reduced scattering coefficients from these moments by application of diffusion theory for infinite and semi-infinite homogeneous media. The proposed method was tested on experimental data obtained with phantoms, and results for absorption and reduced scattering coefficients obtained by the proposed method are compared with those obtained by fitting of the same data with analytical solutions of the diffusion equation. Furthermore, the accuracy of the moment analysis was investigated for a range of integration limits of the DTOF. The moment analysis may serve as a comparatively fast method for evaluating optical properties with sufficient accuracy and can be used, e.g., for on-line monitoring of optical properties of biological tissue.