改进的灵敏度剪枝极限学习机

针对极限学习机(ELM) 网络结构优化问题, 提出一种改进的灵敏度剪枝ELM(ImSAP-ELM). ImSAP-ELM 将??₂ 正则化因子引入SAP-ELM 中, 采用留一准则确定最优隐节点数. 推导基于奇异值分解的输出权重计算公式, 避免矩阵奇异导致求解无效的问题. 将ImSAP-ELM 用于故障预测, 利用多组同类型故障数据建立多个ImSAP-ELM 模型, 基于加权思想融合不同ImSAP-ELM 的预测值. 某型无人机发射机实例表明, 相比于ELM、OP-ELM (最优剪枝ELM) 和SAP-ELM, ImSAP-ELM 耗时最高, 但是ImSAP-ELM 的预测误差小于其他3 种方法.

     

一种结合上下文语义的短文本聚类算法

短文本因具有特征信息不足且高维稀疏等特点,使得传统文本聚类算法应用于短文本聚类任务时性能有限。针对上述情况,提出一种结合上下文语义的短文本聚类算法。首先借鉴社会网络分析领域的中心性和权威性思想设计了一种结合上下文语义的特征词权重计算方法,在此基础上构建词条-文本矩阵;然后对该矩阵进行奇异值分解,进一步将原始特征词空间映射到低维的潜在语义空间;最后通过改进的K-means聚类算法在低维潜在语义空间完成短文本聚类。实验结果表明,与传统的基于词频及逆向文档频权重的文本聚类算法相比,该算法能有效改善短文本特征不足及高维稀疏性,提高了短文的本聚类效果。     

WSN中基于压缩感知的高能效数据收集方案

可靠高效的数据收集是无线传感器网络（Wireless sensor networks,WSN）应用中的关键问题.然而,由于无线通信链路的高失效率、节点资源受限以及环境恶劣等原因,网络容易发生丢包问题,使得现有的数据收集方法无法同时满足高精度和低能耗的要求.为此,本文提出了一种基于压缩感知的高能效数据收集方案.该方案主要分为节点上的数据处理和数据收集路径优化两个步骤.首先设计了基于指数核函数的稀疏矩阵来对感知数据进行稀疏化处理,然后综合考虑了数据的传输能耗和可靠性等因素,采用分块矩阵的思路,将单位矩阵和准循环低密度奇偶校验（Low density parity check,LDPC）码的校验矩阵相结合构造了测量矩阵,并证明了它与稀疏矩阵之间满足限制等距性质（Restricted isometry property,RIP）.最后,将数据收集路径优化问题建模为哈密尔顿回路问题,并提出了基于树分解的路径优化算法进行求解.仿真结果表明,在网络存在丢包的情况下,本文方案仍然能够保证数据收集的高精确度,相比于其他数据收集方案而言,本文方案在数据重构误差和能耗方面的性能更优.     

A new robust double-talk detector based on the Stockwell transform for acoustic echo cancellation

Despite great developments in the field of acoustic echo cancellation (AEC), the presence of double-talk remains difficult problem. The main role of double-talk detection (DTD) is to control adaptation of the filter coefficients by halting their update in double-talk situations. In this paper, we propose a new method of DTD based on a time–frequency analysis that uses the Stockwell transform (ST).The ST is a time–frequency spectral localization method that combines the characteristics of the short-time Fourier transform and the wavelet transform. This method provides better time–frequency resolution, especially for non-stationary signals. In the experimental tests, the normalized least mean squares (NLMS) algorithm is used to update the filter coefficients along with speech signals taken from the TIMIT database. The obtained results show better performance compared to existing methods in terms of misalignment convergence and speech intelligibility enhancement.     

Prediction of landslide displacement with controlling factors using extreme learning adaptive neuro-fuzzy inference system (ELANFIS)

Landslide is a major geo-environmental hazard which imparts serious threat to lives and properties. The slope failures are due to adverse inherent geological conditions triggered by an external factor. This paper proposes a new method for the prediction of displacement of step-like landslides, by accounting the controlling factors, using recently proposed extreme learning adaptive neuro-fuzzy inference system (ELANFIS) with empirical mode decomposition (EMD) technique. ELANFIS reduces the computational complexity of conventional ANFIS by incorporating the theoretical idea of extreme learning machines (ELM). The rainfall data and reservoir level elevation data are also integrated into the study. The nonlinear original landslide displacement series, rainfall data, and reservoir level elevation data are first converted into a limited number of intrinsic mode functions (IMF) and one residue. Then decomposed displacement data are predicted by using appropriate ELANFIS model. Final prediction is obtained by the summation of outputs of all ELANFIS sub models. The performance of proposed the technique is tested for the prediction Baishuihe and Shiliushubao landslides. The results show that ELANFIS with EMD model outperforms other methods in terms of generalization performance.     

基于无线传感器网络的坡面异常信号检测方法研究

提出了一种适用于硬件资源受限的传感器节点的坡面异常信号检测方法,数据的采集和异常检测在节点前端完成,能提高监测实时性,降低数据传输的通信能耗.传感器节点采集坡面加速度数据,通过对训练数据进行经验模态分解得到本征模函数的上包络,并对该包络数据进行高斯建模自适应学习确定检测阈值.对监测数据经验模态分解得到上包络数据,运用3α原则与检测阈值进行比较实现异常信号判别.通过算法仿真和实际部署测试得到该方法检测精度为98%,具有一定的实用价值.     

基于轮心六分力的载荷分解方法

用Adams建立车辆虚拟样机,根据获取的真实道路轮心六分力结果,使车辆虚拟模型的载荷结果逼近真实道路情况,实现虚拟样机重现实际道路的过程,进而获取车身及其零部件的道路谱疲劳载荷,并为疲劳分析提供载荷输入.     

EZW算法中小波分解层数及扫描次数对图像压缩性能的影响

嵌入式零树小波编码方法(EZW)是目前公认的效率最高的小波图像编码方法之一。 EZW算法中,不同的小波分解层数能够影响小波变换的时频分辨率和小波系数的变化范围,从而影响最终的编码效率;扫描次数的多少直接关系到能被编码的有效小波系数,从而影响最终的编码增益。讨论了 EZW 算法中小波分解层数和小波系数的扫描次数对图像压缩性能的影响,为基于EZW算法的小波图像压缩中的选择合适的小波分解层数及扫描次数提供了参考。通过仿真实验可以看出,在相同的扫描次数下,随着小波分解层数的增加,压缩比增大,而峰值信噪比随之下降;而在相同小波分解层数下,随着扫描次数的增加,峰值信噪比显著提升,而压缩比明显下降。