基于周期截断数据矩阵奇异值分解的干扰抑制技术

针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。     

基于Sinkhorn距离特征缩放的多约束非负矩阵分解算法

为了减少原始特征对非负矩阵分解(NMF)算法的共适应性干扰,并提高NMF的子空间学习能力与聚类性能,该文提出一种基于Sinkhorn距离特征缩放的多约束半监督非负矩阵分解算法。首先该算法通过Sinkhorn距离对原始输入矩阵进行特征缩放,提高空间内同类数据特征之间的关联性,然后结合样本标签信息的双图流形结构与范数稀疏约束作为双正则项,使分解后的基矩阵具有稀疏特性和较强的空间表达能力,最后,通过KKT条件对所提算法目标函数的进行优化推导,得到有效的乘法更新规则。通过在多个图像数据集以及平移噪声数据上的聚类实验结果对比分析,该文所提算法具有较强的子空间学习能力,且对平移噪声有更强的鲁棒性。     

融合用户信任度的概率矩阵分解群组推荐算法

利用推荐系统进行群组推荐时,群组成员之间的交互关系对推荐结果有很大影响,但传统的群组推荐算法较少考虑用户信任度的重要性,致使社交关系信息不能得到充分利用。在群组融合时考虑群组内用户间的交互关系,提出一种基于用户信任度和概率矩阵的群组推荐算法。在获取用户信任度数据后,使用概率矩阵分解（PMF）算法补全信任度矩阵并进行归一化处理,得到相似度矩阵,同时在后验概率计算过程中加入用户间的信任度因素,通过极大化后验概率获得预测评分。在此基础上,对群组中用户的权重进行归一化处理,使用基于用户交互关系的权重策略融合群组成员偏好,得到最终的推荐结果。在Epinions和FilmTrust数据集上的实验结果表明,该算法可使融合结果更具群组特性,同时提高推荐结果的可靠性和可解释性,且均方根误差和命中率均优于PMF、NeuMF、RippleNet等对比算法。     

一种优化初始点与自适应半径的密度聚类算法

传统DBSCAN算法不能正确聚类密度不均匀的数据集,聚类结果受邻域阈值和密度阈值参数的影响较大。提出一种新的优化初始点和自适应半径的密度聚类算法。利用反向最近邻和相似度矩阵发现当前全局密度最大的数据样本,分析该样本周围密度的分布情况,采用自适应的方法计算当前簇的邻域阈值,并利用DBSCAN算法进行聚类。在人工数据集和UCI数据集上进行测试的结果表明,与经典的DBSCAN、OPTICS、RNN-DBSCAN算法相比,优化初始点和自适应半径的密度聚类算法在ARI、NMI、Homogeneity、Completeness和V-measure 5个评价指标上整体取得最优值,其中在Compound、Jain等数据集上达到1.0,具有较高的聚类效率和准确度。     

一种深度回声状态网络的输入尺度自适应算法

深度回声状态网络是回声状态网络与深度学习思想的结合,合理选取不同谱半径的内部状态矩阵和弱积分参数能有效增强深度回声状态网络的多尺度时域特性。利用数据可视化分析输出矩阵在不同网络层中的分布关系,发现高层网络中部分神经元处于饱和工作状态且该状态抑制了网络动态预测能力。提出一种深度回声状态网络的输入矩阵自适应算法,在对网络内部状态的均值和方差进行递推估计的基础上判断神经元饱和状态,通过自适应调整各层输入权重的值来增强神经元动态性。数值计算结果表明,基于输入尺度自适应算法的深度回声状态网络相对同等规模的单层回声状态网络对于动态系统的预测精度有成倍提升。     

蜂窝层合板结构的隔声特性研究

通过理论建模,着重分析了蜂窝层合板的结构参数对隔声性能的影响。考虑简谐声波垂直入射,基于波传递理论和传递矩阵,引入蜂窝特性阻抗建立蜂窝传声理论模型。通过对理论模型的精度分析,研究了蜂窝层合板结构的芯层厚度、面板厚度、等效杨氏模量等参数对层合板传声特性的影响。由数值分析可知,与传统的理论模型相比,该理论模型相对较简洁,而且精度能满足一般工程要求;其次,芯层厚度、面板厚度以及面板密度对蜂窝层合板结构的传声损失影响较大。     

硫系玻璃磁光性能的研究进展

硫系玻璃因其Verdet常数与温度无关,容易制备成光纤、光波导等优点而成为磁光材料的研究热点。对硫系玻璃的磁光性能研究情况进行了综述,详细分析了影响硫系玻璃Verdet常数的因素,最后提出了硫系磁光玻璃的进一步发展方向。     

基于TRIZ理论的航空发动机轴承内径测量技术研究

航空发动机轴承是发动机的重要零部件,它的精度对发动机的精度、性能、寿命和可靠性起着决定性的作用。本文针对航空发动机轴承内圈直径测量试验过程,以基于TRIZ理论的发明问题解决模型为指导,将因果分析、功能分析、技术矛盾等工具应用于测量过程中,为精密测量工作提供了新的方案。     

不同载荷识别的结构振动传递路径分析方法研究

为提高传递路径分析(Transfer Path Analysis,TPA)方法在结构振动传递特性分析中的有效性和工程实用性,提出不受振源存在或移除影响的逆矩阵法(MIM)识别工作载荷,并与直接测量法、复刚度法(CSM)、参数化模型的动刚度法在载荷识别时的适用范围、性能特点进行比较分析。由此建立相应的三种TPA方法,并结合振动模型算例,系统深入地分析三种TPA方法的性能以及结构特性参数对TPA方法性能的影响。分析结果表明给出的MIM-TPA方法在结构振动传递特性分析时具有更佳的精度和稳定性,并最终确定不同TPA方法的计算精度、效率及适应范围,极具工程应用价值。     

基于直推式学习的网络故障诊断算法

网络故障的及时诊断能够保证日常工作、学习和生活能够正常进行,传统的基于监督式学习的诊断方法依赖于大量具有鉴别意义的样本,这在实际情况中通常难以得到满足;针对上述问题,提出了一种基于直推式学习的诊断算法;针对大规模的网络管理的特征数据,该算法利用主成分分析对特征进行降维,并利用新的度量下的特征数据来构建拉普拉斯矩阵;该矩阵能够很好地描述带检测样本和训练样本之间的关系;在此基础上,设计了基于直推式学习的目标函数,并利用拉格朗日乘子法完成了优化;实验部分证明了本算法能够在有限数目的带标签的样本的前提下获得精确的分类结果,能够显著提高网络故障诊断的检测率。