基于SKPCA的卫星整流罩空调系统传感器故障检测研究

针对卫星整流罩空调系统对传感器故障检测的高可靠性的要求,在分析常见故障模式的基础上,采用了基于统计量核主元分析（ SKPCA）的故障检测方法,建立整流罩空调系统传感器故障检测模型,对整流罩空调系统传感器容易出现的偏置故障进行了验证实验。实验结果验证了SKPCA方法在整流罩空调系统传感器故障检测中的正确性和有效性。     

基于特征保持的三维模型四面体化及优化

三维模型四面体化是一种重要的有限元网格生成技术.介绍了一种特征保持的四面体网格生成及优化算法.首先使用三维模型主成分分析进行预处理,然后用体心立方构建初始四面体,接着通过拉普拉斯坐标改变模型边界切点的移动方式保持模型的局部特征,最后构造改进的密度能量误差函数优化四面体网格质量.实验结果表明,该方法可行、有效,且能很好地保持模型特征.     

一种基于群组判断离差的偏好集结方法

针对群决策偏好集结中违反Pareto 最优性的情况, 设计一种基于群组判断几何离差的同质性集结方法. 该方法在集结前进行几何离差测试, 以确定个体决策信息的离差水平. 离差较小时, 可基于几何平均集结; 对于离差较大且修正复杂度较高的决策信息, 采用主成分分析(PCA) 从高维决策信息中提取大多数相关信息, 在不依赖主观分析的情况下进行加权集结. 仿真实验表明, 所提出的方法能够在不违背Pareto 最优性的基础上集结离差较大的群决策信息.

     

基于主元分析的径向基神经网络预测模型研究

结合主元分析(PCA)和径向基函数(RBF)神经网络,建立了地下水动态模拟与软测量预测模型。通过主元分析法提取主要成分,实现数据预处理;将选取的主要成分作为RBF神经网络的输入;采用k均值聚类算法确定RBF网络隐含层参数,并用递进最小二乘法确定输出层权值。仿真结果表明,该模型优化了网络结构,提高了预测精度。     

改进的模块PCA人脸识别新算法

由于传统的PCA要求训练样本符合高斯分布,而现实中得到的图片往往由于光照、表情、姿态的不同,不符合高斯分布。为了使PCA不再局限于高斯分布,并且不影响其识别率,提出一种改进的模块PCA人脸识别新算法。一方面,新算法采取了分块方式,将具有同一姿态的图片划分进同一矩阵,以使训练样本更接近于高斯分布。另一方面,新算法对传统PCA算法中前三个主分量加小于1的权重系数,可以减少光照变化对识别率的影响。利用分块和权重系数的共同作用使得PCA不再局限于高斯分布,同时提高识别率。最后在ORL人脸库上进行实验,结果表明新算法优于传统的PCA算法。     

一种基于信噪比确定主元个数的方法

多段主元分析(MPCA)是针对间歇进行故障诊断一种行之有效的方法.在MPCA中主元个数的确定是模型的关键,关系到主元模型的可靠性、准确性、完备性.传统的累积方差贡献率(CPV)方法确定主元个数主观性较大并且没有考虑故障因素.为了提高检测性能,有效的提取主元,文中提出一种信噪比(SNR)与MPCA相结合选取间歇过程主元个数的方法,SNR表明的是故障诊断的灵敏度和主元个数的影响关系,在确保主元信息充分描述数据的基础上,该方法考虑了故障的信息对主元个数的影响来选取主元.将此方法应用于青霉素间歇发酵过程故障诊断中,仿真结果表明T2统计量和SPE统计量的响应曲线对故障更加敏感,有效地提高了故障诊断的准确率.     

特征主成分算法再探

对作者之前设计的求语言特征主成分的“距离法”做了深度解析,指出了“距离法”在应用过程中,切分成两个集合的“断点”会影响计算结果的精度。借助聚类分析的思想重新设计了语言特征主成分算法——“聚类法”来弥补“距离法”的缺陷。最后指出两个方法的缺陷可以相互弥补,在实际应用中应结合使用。     

结构健康监测系统的数据异常识别

结合机器学习方法对结构健康监测系统采集的原始数据进行初步的自动化分析,以达到降低进一步分析的计算量、提高分析子系统精度的目的.以上海中心和兰州西站监测系统为背景,利用机器学习方法研究数据异常识别问题,优化数据分析预警子系统.使用单变量特征选择提取利于识别的特征向量, 对比分析在结构健康监测中各类支持向量机（Support Vector Machine,SVM）的优劣,组合利用不同SVM的优势减少异常数据的漏报和误报.该方法已被应用于上海中心和兰州西站的结构健康监测系统中.     

鲁棒主成分分析的运动目标检测综述

目的 运动目标检测在许多计算机视觉任务中发挥了重要的作用。背景建模是运动目标检测中传统而又常用的方法。然而,许多背景建模方法是基于像素点的,对背景方面的考虑过于简单,难于处理真实视频。最近,将基于低秩和稀疏分解的鲁棒主成分分析应用于运动目标检测成为计算机视觉领域内的研究热点。为使更多国内外运动目标检测的研究者对鲁棒主成分分析方法进行探索和应用,本文对其进行系统综述。方法 融入最新研究进展,基于误差抑制、贝叶斯理论、时间和空间信息、多特征和多因素耦合,对各种国内外的鲁棒主成分分析模型进行归纳,并理论分析其优缺点。结果 本文采用变化检测数据集（change detection dataset）中不同场景的视频序列来对不同算法进行对比实验。从实验结果可知,属于第3类方法的DECOLOR 的检测效果优于其他算法,在均值对比中得到的召回率、精确率和F-measure分别为0.7、0.706和0.66。总体来说,当前改进算法都能有效地弥补最初鲁棒主成分分析方法的缺陷,提高了运动目标检测的精度。结论 鲁棒主成分分析在运动目标检测上取得了较多的研究与应用成果,在智能视频监控应用领域拥有广阔的应用前景。但是,其仍需针对鲁棒主成分分析存在的一些局限性进行深入的研究。融入前景运动目标在视频中的先验知识是基于鲁棒主成分分析的运动目标检测的发展趋势。     

基于主应力删除准则的ESO法及其应用

为促进渐进结构优化（Evolutionary Structure Optimization,ESO）法在桥梁找型方面的应用,阐述基于主应力删除准则ESO法的基本原理,研究不同M值对优化结果的影响,并建议在应用该法进行拓扑优化时取M≥10.应用基于拉应力占优删除准则的ESO法分析高跨比对缆索支承桥形式的影响,结果表明：当高跨比大于等于1/7时缆索支承桥的最优形式为斜拉桥;当高跨比低于1/7时最优形式为悬索桥.