基于支持向量机的隐含语意特征选择方法

隐含语意索引(LSI)是一个能有效捕获文档中词的隐含语意特征的方法。然而,用该方法选择的特征空间对文本分类来说可能不是最适合的,因为这种方法按照词的变化排序特征,而没有考虑到分类能力。支持向量机(SVM)高度的泛化能力使它特别适用于高维数据例如文档的分类。为此提出基于支持向量机的特征提取方法用于选择适于分类的LSI特征。该方法利用SVM高度泛化的分类能力, 通过使用在每一个规则下训练的分类器的参数对第k个特征对反向平方分解面的贡献w2k的值进行估计。实验表明当需要比LSI更少的训练和测试时间时,该方法能够以更为紧凑的表示方式提高分类性能。     

基于表情子空间多分类器集成的非特定人人脸表情识别

针对非特定人人脸表情平均识别率普遍不高（约65%）的问题,提出了一种基于表情子空间和多分类器集成的人脸表情识别新方法。通过局部二进制模式(LBP)与高阶奇异值分解(HOSVD)方法对训练集1中的人脸图像的全脸、眼睛（包括眉毛）和嘴巴三个区域进行特征提取与分解,建立相应的表情子空间;利用支持向量机(SVM)方法对训练集2中的人脸图像在表情子空间训练,得到模糊系统参数;最后结合表情子空间与多分类器集成,对测试集中的图像进行表情分类识别。在JAFFE人脸表情库中实验,获得了71.43%的平均识别率。实验结果表明,该方法有效地减少了人脸外观特征和表情表现方式所带来的影响,具有更好的识别效果。     

油压机盖板结构设计及优化分析

基于力学模型初步确定盖板结构几何参数,建立三维模型导入有限元软件HYPERMESH进行静载荷应力分析。对于结构应力集中处引发的应力奇异问题,结合弹性理论分析应力奇异产生的原因,提出减小圆环压板厚度、设置肋板圆角过渡及增加撑脚等措施来优化分析模型。优化结果显示应力集中程度减弱,最大等效应力减小,压力传递均匀,整体重量降低9.5%。实际使用过程中满足要求,验证了理论分析的正确性,为肋板焊接类结构设计及分析提供参考。     

基于小波奇异熵和SOM神经网络的微电网系统故障诊断

针对微电网系统运行方式灵活、拓扑结构多样的特点,基于对小波变换、奇异值分解和泛化信息熵基本理论的分析,揭示了小波奇异熵能够对故障信号给出确定的量度,将小波奇异熵与自组织特征映射(self-organizing feature map, SOM)神经网络相结合,提出一种能够适应微电网系统拓扑结构变化情况的故障诊断方法。 利用PSCAD4.2建立了微电网故障仿真系统,进行故障诊断仿真试验。 试验结果表明:该方法不受故障位置、故障时刻等因素的影响,在微电网系统拓扑结构发生变化的情况下,能实现有效的故障诊断。     

一种六自由度机械手奇异回避算法

针对传统机械手奇异回避算法存在的计算量大、实时性差的问题,提出了基于“奇异分离+指数级阻尼倒数”的奇异回避算法。首先,在对机械手运动学建模分析的基础上,通过Jacobian矩阵计算将导致奇异的参数分离出来;然后,介绍了指数级阻尼倒数算法的原理,并对采用指数级阻尼倒数进行奇异回避导致的误差进行了研究。仿真与实验结果表明,该算法可实现关节角速度在奇异域的平稳光滑过渡,且仅牺牲了机械臂末端在部分方向上的精度,由此算法的有效性和实用性得到验证。     

传热结构摄动敏度分析及动态拓扑优化

针对传热强化拓扑优化过程中新形成的孔洞边界对拓扑优化影响的问题,研究了考虑孔洞影响的拓扑导数分析技术,并提出了优化过程中对新形成孔洞边界进行处理的自适应动态边界处理方法。应用Lebesgue微分理论,基于域摄动敏度分析和局部极限定律,推导了Poisson方程控制系统在三类边界条件下不同目标函数的拓扑导数计算公式;最后通过数值分析实例验证了采用该方法直接设计高效换热器的可行性和有效性。     

基于数据驱动字典和稀疏表示的语音增强

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。      

一种基于混沌映射和奇异值分解的数字图像水印算法

为了保证数字图像水印的安全性、透明性和鲁棒性,本文提出了一种基于混沌映射和奇异值分解的数字图像水印算法。混沌映射具有初值敏感性,以映射初值为私钥,利用混沌映射将二值水印图像进行双混沌置乱,这样可以提高水印嵌入的安全性。利用奇异值分解特性来嵌入水印,把U矩阵中第一列系数作为研究对象,采用保持相邻系数之间差值关系的方法来表示嵌入的水印比特,这种系数差值关系在经过信号处理后能够得到保持。通过仿真实验,表明嵌入水印后的图像具有良好的透明性,同时还具有抵抗图像信号处理的鲁棒性。此外,当含水印图像的内容遭到篡改时,提取出的水印仍易于辨认,并且能对篡改进行检测和定位。      

计及季度趋势变时间步长风速仿真模型及应用

为提高风电并网系统充裕度评估精度,提出计及季度趋势的变时间步长风速仿真模型。该模型应用奇异谱分析从风速样本中提取季度趋势和随机波动分量,应用线性插值和奥恩斯坦-乌伦贝克过程对两分量建模,产生任意时间步长的仿真风速样本。将该模型嵌入蒙特卡罗模拟法,提出风电并网系统的季度充裕度评估方法。应用该模型仿真某观测站风速样本,评估风电并网IEEE-RTS发电系统的季度充裕度,结果表明,该模型可产生与实测风速样本统计指标等特征接近的任意时间步长仿真风速样本,且季度充裕度评估精度较高。     

认知无线电中基于SVD分解的频谱感知新算法

为了解决认知无线电中能量检测法在低信噪比下检测概率低的问题,本文提出了一种基于SVD分解的频谱感知算法。首先利用接收信号构造Hankel矩阵,通过SVD分解,将矩阵分离成信号空间与噪声空间,再将较小的奇异值置零,然后重构矩阵,从而提高接收信号的信噪比（SNR）。其次,将SVD系统输出信号功率对噪声功率进行归一化,把降低噪声功率转化成提高主用户信号功率。最后进行能量检测,以此来提高检测概率。理论分析和计算机仿真表明,在相同条件下,基于SVD分解的频谱感知算法与传统的能量检测法相比,检测概率显著提高;要达到相同的检测概率,对信噪比的要求也显著降低。