基于配点型无网格法的金属挤压过程数值模拟

阐述了配点型无网格法的基本原理,及其用于求解偏微分方程的步骤和方法,对Al在挤压成形过程中的塑性变形情况进行了三维无网格法模拟。该方法避免了有限元法因网格畸变需要重新划分网格的问题,同时解决了伽辽金型无网格法计算效率低的问题。计算实例表明,配点型无网格法可以利用初始节点完成全部计算,得到与有限元法相吻合的结果,是模拟金属塑性变形过程的一种有效的新方法。     

CAS wavelet method for solving the fractional integro-differential equation with a weakly singular kernel

In this paper, a computational method for numerical solution of a class of integro-differential equations with a weakly singular kernel of fractional order which is based on Cos and Sin (CAS) wavelets and block pulse functions is introduced. Approximation of the arbitrary order weakly singular integral is also obtained. The fractional integro-differential equations with weakly singular kernel are transformed into a system of algebraic equations by using the operational matrix of fractional integration of CAS wavelets. The error analysis of CAS wavelets is given. Finally, the results of some numerical examples support the validity and applicability of the approach.     

Selecting linear algebra kernel composition using response time prediction

Numerical linear algebra libraries provide many kernels that can be composed to perform complex computations. For a given computation, there is typically a large number of functionally equivalent kernel compositions. Some of these compositions achieve better response times than others for particular data and when executed on a particular computer architecture. Previous research provides methods to enumerate (a subset of) these kernel compositions. In this work, we study the problem of determining the composition that yields the lowest response time. Our approach is based on a response time prediction for each candidate combination. While this prediction could in principle be obtained using analytical and/or empirical performance models, developing accurate such models is known to be challenging. Instead, we define a feature space that captures salient properties of kernel combinations and predict response time using supervised machine learning. We experiment with a standard set of machine learning algorithms and identify an effective algorithm for our kernel composition selection problem. Using this algorithm, our approach widely outperforms the strategy that would consist in always using the simplest kernel composition and is often close to the fastest kernel compositions among those evaluated. We quantify the potential benefit of our approach if it were to be implemented as part of an interactive computational tool. We find that although the potential benefit is substantial, a limiting factor is the kernel composition enumeration overhead. Copyright © 2014 John Wiley & Sons, Ltd.     

基于遗传优化加权相关向量机的网络热点预测模型

为了提高网络热点事件的预测精度,提出一种基于遗传优化加权相关向量机的网络热点事件预测模型(GA-WRVM)。首先对每个样本数据的噪声方差加上一个权值系数得到加权相关向量机,然后用组合核函数代替相关向量机的单一核函数,并采用遗传算法对核参数进行优化建立预测模型,最后利用网络热点数据进行仿真实验分析。结果表明,相对于神经网络和支持向量机,GA-WRVM降低了网络热点事件的预测误差,获得了更高的网络热点预测精度,具有更强的泛化能力。     

稀疏标签传播:一种鲁棒的领域适应学习方法

稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的稀疏标签传播领域适应学习(sparse label propagation domain adaptation learning,简称SLPDAL)算法.SLPDAL通过将目标领域数据进行稀疏重构,以实现源领域数据标签向目标领域平滑传播.具体来讲,SLPDAL算法分为3步:首先,基于领域间数据分布均值差最小化准则寻求一个优化的核空间,并将领域数据嵌入到该核空间;然后,在该嵌入核空间,基于l₁-范最小化准则计算各领域数据的核稀疏重构系数;最后,通过保留领域数据间核稀疏重构系数约束,实现源领域数据标签向目标领域的传播.最后,将SLPDAL算法推广到多核学习框架,提出一个SLPDAL多核学习模型.在鲁棒人脸识别、视频概念检测和文本分类等领域适应学习任务上进行比较实验,所提出的方法取得了优于或可比较的学习性能.     

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ISE 的核密度估计和随机置换的单一或协同特征的选择方法

针对数据的特征存在单一和协同特征的选择问题,基于平方误差标准核密度估计和随机置换理论,首先提出一种针对单一特征的特征选择方法(FSKDE-RP);然后,针对协同特征的情况,通过拓展随机置换理论,提出多维协同特征选择算法(SFSKDE-MRP),并利用核神经网络(KNN)分类器的分类精度选择最优特征子集.在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.     

运动模糊图像复原算法研究

运动模糊主要是由于成像系统与目标物之间产生了相对运动而成的。在运动模糊图像复原的研究中,运动模糊的点扩散函数(PSF)和复原方法是近年来图像复原中的热点问题。针对含有噪声的运动模糊图像的退化模型和恢复过程进行了研究,叙述了运动模糊图像基本原理,并提出了一种基于变分法求极值的方法并应用了模糊图像限制核函数法的方法解决了变分模型中大多数应用场定义域的有限性,最后根据方法得出实验结果。     

核的正交完备鉴别局部保持投影

针对完备鉴别局部保持投影算法所求得的最优判别矢量间存在信息冗余问题,提出了核的正交完备鉴别局部保持投影算法。通过将核函数技术与正交性原理融合,采用高斯核函数将原始样本映射到高维特征空间,在高维特征空间的局部总体散度矩阵中计算最优判别矢量,只需在整个范围内对值域空间进行特征值分解,去除局部零空间达到样本降维目的。该算法分别在 UMIST 人脸库和 JAFFE 人脸表情库上进行实验,实验结果表明算法的识别率高达95．59％。     

基于多尺度核函数的铆接件腐蚀疲劳预测

目前腐蚀疲劳破坏预测方法精度不高.提出基于小波多分辨分析法(MRA),在再生核希尔伯特空间构建一种多尺度核函数的最小二乘支持向量机(multi-scale kernel LSSVM,MSK_LSSVM)预测算法.根据Mercer平移不变核定理,构造了多尺度复Gaussian小波核函数.由于多尺度核函数能够通过平移生成L2(R2)子空间的一组完备基,因此MSK_LSSVM可以任意逼近目标函数,更具灵活性.经仿真实验验证,与BP神经网络方法、标准支持向量机、灰色系统预测模型方法对比,机械结构中铆接件腐蚀变化的趋势通过MSK_LSSVM预测,准确率高、时间短.