平面状态下的力磁关系及实验分析

从磁性、弹性基本理论出发,根据最小能原理推导出应力张量磁化率关系表达式,提出张量磁化率Molar圆概念,得出主磁化率表达式以及主磁化率方向夹角,进一步得出应力σ-磁化率△xnσ变化量的关系表达式。设计出磁化率检测装置,测量了受单向应力状态下的机械钢板不同取向上的磁化率。实验结果表明理论值与实验值符合的很好。从而为改善磁测技术提供了理论依据和潜在方法。     

各向异性滤波算法在地震曲率属性中的应用

在曲率属性计算之前需要对图像进行去噪预处理,传统的图像滤波方法在去除噪声的同时会破坏边缘、线条、纹理等图像特征,而基于偏微分方程的P-M模型在平滑过程中会出现块效应.针对这些问题,提出了一种基于张量扩散的各向异性滤波的预处理方法.通过定义散布矩阵来获得丰富的图像局部结构信息,然后利用这些结构来控制扩散过程,以便实现图像的更好滤波.理论分析和实验结果表明,相较于一些常规的图像滤波算法,各向异性滤波得到的曲率属性效果更清晰、质量更高.     

基于Fortran6.6的应力空间内主应力计算

在塑性力学中,主应力是表征材料应力状态的量。在应力张量主值三角函数解的基础上,推导了应力空间内主应力的通用解析式表达式,运用Fortran编写计算算例,与调用Fortran中IMSL函数库计算结果进行对比分析表明:所推导的公式及运用For-tran语言进行编译过程是正确的,这为研究材料的应力状态和本构开发提供一定的参考。     

非负张量分解的快速算法*

作为非负矩阵分解的多线性推广,非负张量分解已被成功地应用在信号处理、计算机视觉、数据挖掘和神经科学等领域中.提出了非负张量分解的一种快速算法.首先,将大的张量数据视做多元连续函数的离散化,对其进行采样得到一个小张量;其次,对小张量执行非负分解,可得到它的重构张量;然后,对于采样后的重构张量,使用二维线性插值方法对原始张量进行重构;最后,实验结果表明快速张量分解算法的有效性.     

深度学习的MPCANet火灾图像识别模型设计

针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析（Multilinear Principal Component Analysis,MPCA）深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。     

基于调和函数的张量数据维数约简

实际应用中的许多数据,如图像,视频,通常具有张量性和高维性特征,张量数据的维数约简便成为近期的研究热点。现有的张量维数约简方法大都是监督的,它们不能有效利用未标签样本数据的信息。基于调和函数的张量数据维数约简方法综合了传统半监督方法和张量方法的优点,能够在有效利用未标签样本信息的同时,保持数据天然的张量结构特征。仿真实验和真实数据上的结果都验证了其有效性。     

基于张量链分解的低秩张量补全研究

为了进一步提高低秩张量补全性能,针对基于传统张量分解方法的张量补全问题研究中的计算复杂问题,根据张量链分解能够将高阶张量分解成一组三阶核心张量进行有效降维的特点,本文基于张量链分解的核心张量模型,采用核范数最小化方法求解,对缺失张量的低秩补全问题进行了研究,并且分别在实际图像以及合成数据上进行了算法对比实验,实验结果证明了本文方法的有效性,与目前流行的方法相比,运行速度更快、收敛性更好、补全结果也较优。     

基于快速在线支持张量机的柴油机智能诊断方法

柴油机状态监测信号众多且多为非平稳信号,相互干扰较大且具有非线性和复杂耦合的特征,导致基于向量模式的故障诊断方法难以准确诊断其工作状态。提出一种张量模式下的柴油机智能诊断方法。首先,结合线性支持高阶张量机的学习框架和在线随机梯度下降法的思想,设计带核函数的快速在线支持张量机算法。然后,构建“信号类别×曲轴转角×转速”的三阶张量形式的柴油机状态样本,分别以在线支持向量机、线性支持高阶张量机和快速在线支持张量机三种算法,对某柴油机的失火样本进行故障诊断,以“测试精度”“学习时间”“存储空间”作为评价指标对三种算法进行对比分析。分析结果表明,所设计的快速在线支持张量机算法测试精度较高,学习时间显著降低,所需存储空间很小,解决了超大样本、非线性和高维数据的分类问题,满足了柴油机智能故障诊断的工程应用要求。     

一种基于张量和洛仑兹几何的降维方法

统的基于向量的降维算法,将大小为m×n的灰度图像,作为Rm×n中的向量进行处理.但这种表示方法往往造成图像像素空间局部信息的丢失,因此不能很好地描述图像的结构信息.本质上,灰度图像可以看成是一个二阶张量,而图像的各种特征(如Gabor和LBP特征等)往往需要用更高阶的张量来描述.本文从图像特征的张量表示出发,将新近提出的洛仑兹投影判别法(Lorentziandiscriminant projection, LDP)推广到张量空间中,提出张量LDP.对于灰度图像,该方法直接利用图像的灰度矩阵(二阶张量)进行运算,从而很好地保持了图像像素的局部结构信息.另外,该方法还可以自然地推广到高维张量空间来处理更复杂的图像特征,如Gabor和LBP特征等.经人脸和纹理识别实验的验证,该算法效率高且能达到较高的识别率.     

一种基于N-modeSVD的HRTF个人化近似方法

本文提出了一种基于N-mode SVD的HRTF个人化近似方法。HRTF(Head-Related Transfer Function),即头相关传输函数,描述了声波从声源方位到耳道口的传输特性,反映了头部、躯干和外耳等身体结构对不同方向声音信号的滤波效果。本文给出的多重近似方法基于传统独立主元分析的张量扩展[1]。使用该方法只需测量不同个体的部分生理参数即可得到该个体的个人化HRTF。