基于统计空间映射的自学习模式识别方法

针对生产工况实测数据不能覆盖整个数据空间的现象，提出了一种基于统计空间映射的自学习模式识别方法．通过实测数据的仿真实验验证了该方法的有效性．     

GANs与GRBFNN在空间插值中的对比分析

为了进一步提高空间插值的精度,搭建生成对抗网络(GANs)、最小二乘生成对抗网络(LSGANs)及Gauss径向基神经网络(GRBFNN)。使用国家气象科学数据网1960—2013年619个气象站点数据的平均值,将上述3种深度学习模型对降水量和平均气温的插值结果与普通Kriging(OK)及反向距离加权(IDW)的插值结果进行对比分析,并进行交叉验证。结果表明:全国气象站点降水量和平均气温数据的空间插值中,IDW法优于OK法。当训练样本较多时,LSGANs模型空间插值表现最好;当训练样本数量较少时,GRBFNN的插值精度最高。高程对平均气温的插值精度影响较大,对降水量的插值精度影响较小。LSGANs和GRBFNN深度学习模型有助于拓展空间插值的思路和应用范围,具有很好的前景。     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

基于信息扩散的稀疏数据插值算法

为了解决实际海洋观测资料中存在的零散、稀疏问题,提出了一种基于信息扩散思想的插值方法——正态扩散插值模型。该方法基于模糊映射思想,通过对稀疏数据点的信息进行模糊扩散和插值映射,进而实现有限数据点信息向其邻近区域点的概率插值。运用该算法思想和途径,建立了信息扩散插值正态模型。通过对海温资料的插值试验和对比分析,验证了该方法的合理性和有效性,可为海洋观测资料的客观分析和标准化处理应用提供实用方法和技术参考。     

基于PCA-BLS的三相整流装置故障诊断

针对三相整流装置突发故障时,检测复杂及诊断困难的问题,以三相桥式全控整流电路为研究对象,提出一种基于主元分析和宽度学习系统的故障诊断方法.提取负载输出电压为特征向量,经主元分析,对特征矩阵降维,消除数据相关性,保留数据基本特征;选择合适的初始参数,输入到宽度学习系统的网络中,构建故障诊断模型,对故障进行诊断.对比实验表...     

深度学习与一致性表示空间学习的跨媒体检索

提出一种基于深度学习与一致性表示空间学习的方法,针对图像与文本2种模态,分别采用卷积神经网络模型和潜在狄利克雷分布算法学习图像的深度特征和文档的主题概率分布;通过一个概率模型将两个高度异构的向量空间非线性映射到一个一致性表示空间;采用中心相关性算法计算不同模态信息在此空间的距离.在Wikipedia Dataset上的实验结果表明:在单模态输入检索中,文中方法的平均准确率为38.43%,相比于其他方法有明显提高.     

基于动态系统稳定估计器的机器人变刚度轨迹规划

针对现有基于动态系统稳定估计器(SEDS)的机械臂轨迹规划中无法兼顾运动精度和能量消耗的问题,提出变刚度轨迹规划的方法.首先,采用SEDS对示教轨迹进行拟合,得到从空间任一起点到终点的收敛轨迹.然后,基于人体上肢刚度模型,通过实验得到肌电信号与上肢末端刚度的映射关系,并使用高斯混合模型GMM和高斯混合回归GMR学习示教...     

免疫遗传算法学习贝叶斯网等价类

针对遗传算法学习贝叶斯网存在的问题, 提出一种基于骨架搜索的免疫遗传算法学习贝叶斯网等价类, 该方法综合了基于约束和打分搜索的方法, 可以在遗传过程中避免产生非法结构, 并从骨架空间映射到等价类空间进行搜索. 实验数据表明, 免疫算子的使用可有效缩小搜索空间规模, 加快收敛速度, 提高执行效率.     

基于流形学习的纤维丛模型研究

针对数据的高维性,维数约简成为了热点的研究方向,各种流形学习算法都试图发现高维数据的内在结构与规律,然而都是基于小邻域的学习,如何将全局和局部的数据学习结合起来是一个尚未解决的问题.纤维丛是微分流形中的重要理论,比如线性空间中每个子空间都可以看成是一个纤维,它们的集合是纤维丛.本文在流形学习基础上引入纤维丛,给出纤维丛模型,并提出基于切丛局部主方向的向量空间降维算法,该算法用k-均值划分数据集并在各块上求主成分,由第一主方向组成的切丛截面,在截面流形上进行利用等度规映射（ISOMAP）降维,最后在模拟数据和人脸数据上进行实验说明了算法的有效性.     

高维数据流形的低维嵌入问题研究

Isomap是基于流形理论提出的一种非线性降维方法,用于恢复潜藏于高维空间低维子流形中数据的低维参数。Isomap方法的一个重要前提是假设数据空间与参数空间之间存在等距映射。通过流形学习和对Isomap方法的分析,证明了高维数据空间与参数空间之间存在一般意义下的等距映射,并引用一个基于Isomap的实例说明Isomap算法的有效性。     

基于GIS的空间插值方法研究

对地理信息系统空间数据分析中的空间数据插值方法从广义的角度分为点的插值和面的插值进行了论述，讨论了点与面的各种插值方法的理论基础、算法以及应用方式，并对空间插值的应用与推广及相关的问题进行了阐述．指出在运用空间插值方法时，要得到理想的空间插值效果，必须针对不同研究区的实际情况，对实测数据样本点进行充分分析，反复试验比较，以选择最佳的方法，并在运用一般插值方法的基础上，依据自身需要及学科的特点，对插值方法进行改进，进而提出适合各学科研究的更优的空间插值方法．     

山东省多年气象要素空间插值方法比较研究

针对山东省境内气象站点分布比较稀疏的情况,以1990～2001年山东省17个气象站点的年平均降水和温度为基础数据,分别建立了平均降水和温度与海拔、经纬度和植被指数(NDVI)之间的回归方程;在此基础上建立模拟站点以增加气象数据的信息量。分别采用反距离加权法(IDW)、径向基函数法(RBF)和普通克里格法(OK)3种插值方法进行比较插值分析。结果表明:模拟站点的加入大大提高了插值的精度;采用的3种插值方法中,普通克里格法比反距离加权法和径向基函数法具有更为理想的插值效果。     

多级空间数据插值及其应用方法

分析了海量空间数据信息所面临的数据质量问题,对普通的空间插值方法进行了总结,提出了多级空间插值方法,并给出详细的算法流程.结合三维地质体建模进行了相关实验研究,结果表明多级插值可以保留三维地质模型的更多模型细节.     

基于深度学习的气象资料迹线识别

气象历史资料数字化是中国气象局“气候变化应对工程”的重要建设内容之一。气象历史资料数字化主要内容是完成珍贵纸质气象资料中字符和迹线信息的数字化处理，建立历史长序列气象资料数据集。气象自记纸记录的迹线信息是气象历史资料的重要内容，气象资料迹线信息的准确跟踪和提取是实现气象历史资料数字化的重要环节。然而，由于纸质气象资料存放时间长，气象迹线识别面临迹线记录模糊或迹线晕染等问题。传统的图像分割和迹线提取算法依赖局部或单一的图像特征，无法有效识别复杂背景中的气象迹线信息，特别是变化的、模糊的、晕染的迹线。为了解决上述问题，本文提出了一种基于深度学习模型的气象资料迹线自动识别方法。该方法结合传统算法和U-network (U-net)语义分割网络自动提取不同尺度的光谱和空间特征，实现气象迹线的高精度识别。本文以达因型风自记纸为例，以《地面气象观测规范》为依据，对不同台站、不同年份的3200多张达因风自记纸进行迹线识别验证，风向迹线平均识别正确率达95%，风速迹线平均识别正确率达95.5%。 结果表明该方法能够准确识别迹线，高度还原了气象迹线信息。该方法适用于风、气压、温度、湿度等气象资料迹线自动识别业务化处理，能够大大减少工作量和降低人工成本，为气象预报预测业务和科研工作提供基础数据支撑。     

基于定性空间推理的中文文本空间关系识别

基于定性空间推理对空间关系给出一个通用特征集合, 并结合网络爬虫、 文本挖掘、 空间数据库和机器学习方法提出一种针对中文文本的通用空间关系识别框架, 解决了大数据中中文文本的空间关系识别问题. 与传统人工建立的空间关系模型相比, 该方法具有更高的识别率, 适用于处理大数据中中文文本的空间信息.     

复杂山地环境下气候要素的空间插值方法比较研究

复杂山地环境下气候要素的空间插值长期以来是地理科学研究的一大热点和难点问题.该文以中国康滇区为研究区域,以康滇区基准气象站点的分布图和1 km精度的数字高程模型为实验数据,借助传统的普通克里格法和反距离加权法以及将海拔高程引为变量的薄板光顺样条插值方法,对多年月平均温度和降水量进行空间插值方法的比较研究.结果表明,康滇区温度的空间分布呈现出明显的地带差异,而降水量的空间分布没有明显的地带差异;均方根误差等统计指标评价薄板光顺样条插值方法的插值精度最高.与普通克里格法和反距离加权法相比,薄板光顺样条插值方法更适宜用于复杂山地环境下气候要素的空间插值.     

气象远程教育培训效果影响因素研究

开展气象教育远程培训是气象部门实现人才队伍建设与发展的重要途径之一,气象远程教育培训效果直接关系到气象工作者整体素质的提高。本研究主要采用问卷调查等方法,从个人特征因素、培训自身因素和组织特征因素三个维度找出影响气象远程教育培训效果的因素。通过对回收问卷的数据分析,确定了影响气象远程教育培训的主要因素。只有对这些因素进行有效控制,才能有效提高气象远程教育培训的效果。对此,要强化技术支持,进一步改善基层的远程学习环境;要加强制度建设,形成长效机制;要整合气象系统相关的国内外优质资源,实现资源共享。     

机器学习在遥感影像分类中的应用

 概述了机器学习的主要方法及其在遥感影像的主要应用方向，涵盖环境生态遥感中机器学习技术的研究、应用情况及近年来的新进展。通过使用深度学习对FY-3C气象卫星资料进行积雪检测的应用实例，说明深度学习模型可以利用大数据的优势不断提高检测精度，在某些指标中取得了更优于传统机器学习的精度，可解决传统机器学习难以解决的一些问题，从而带动遥感应用模式的创新。     

面向web三维应用的气象雷达矢量剖面生成

气象雷达矢量剖面主要负责监测与研究强对流天气的面向web三维应用的三维结构特征,传统剖面生成无法能够保证空间连续性,不能最大程度保留特征。为此,提出一种新的面向web三维应用的气象雷达矢量剖面生成方法。确定雷达反射率因子垂直剖面基线。在此基础上,由剖线左端某点着手,分别求出剖线上各点的垂直距离与方位角。设定剖面上同剖线点相对应的空间垂直线点,计算其反射率强度,通过径向、方位上的最近邻与垂直线性内插结合的插值方法生成气象雷达矢量剖面图。依据相同高度的雷达数据,研究气象雷达回波信息在一定高度上的水平分布,将其和该高度相邻天气图结合在一起,获取面向三维应用的不同天气的三维结构。实验结果表明,所提方法生成的气象雷达矢量剖面空间位置合理,在水平与竖直方向均有很好的空间连续性,分辨率高,分析值和观测值更加接近。将所提方法应用于气象预测中,能够有效完成预测,应用性强。