HS主曲线定义的一种改进

针对HS主曲线的不唯一,提出一种改进方法.比较研究了自相合和最小距离两个条件,发现两者不等价,提出在HS主曲线的定义中附加最小距离的条件.实例分析表明,改进后的定义满足主曲线研究的原始动机.     

论向量量化器与自相合随机向量的关系

通过比较向量量化器和自相合随机向量，发现取欧氏距离时，构造局部最优向量量化器问题可转化为求自相合随机向量问题，从而可借助向量量化理论研究主曲线．     

相对伪主内射模

作为相对主内射模以及相对伪内射模的共同推广,给出了相对伪主内射模的定义,并对这一新的模类进行了研究.证明了相对主内射模以及相对伪内射模的部分性质对于相对伪主内射模仍然成立,并给出了相对伪主内射模的一些其他相关性质.主要给出了以下结论:N是M伪主内射模当且仅当对任意的s∈S=EndR(M),HomR(M,N)s{f∈HomR(M,N)|Ker(f)=Ker(s)};设M是自生成子右R模,且S=EndR(M),那么N是M伪主内射模当且仅当HomR(M,N)是伪主内射右S模;拟伪主内射模M满足C2条件.     

一种用于高维大数据的协方差无关的主成分分析迭代算法(英文)

主成分分析是一种大家熟知的用于维数压缩的方法.主方向是协方差矩阵的最大特征值对应的特征向量.协方差矩阵的阶数等于数据的维数.当样本维数很高时,可以用阶数等于样本数的替换矩阵来计算主方向.然而,当样本的维数与样本数都非常大(即高维大数据)的情况下,主方向的计算就变得非常困难.提出了一个协方差无关的迭代主成分分析(CIPCA)算法,用于计算高维大数据情形下的主方向.证明了该算法以指数速度单调收敛到主方向的精确值.并在高维大数据集(图像数据集)上对CIPCA算法的性能进行了验证,实验结果显示使用CIPCA算法主方向的收敛速度非常快.     

一种安全的主密钥保护方案

指出了主密钥安全保护的重要地位.由于传统的方法对此无能为力,提出了一种入侵容忍技术和基于椭圆曲线密码体制的组零知识证明方法有机结合的主密钥合成算法,通过影子服务器的影子安全地保护了主密钥、无信息泄露地验证了主密钥,而且在受攻击后仍能继续工作.利用数学方法严格地证明了它的正确性,通过安全性分析得此策略有效地解决了主密钥的安全保护问题.     

桩锤同步振动系统的机电耦合特性及同步控制

控制同步是实现多锤联动的有效方式之一.针对目前存在的两台桩锤控制同步时出现的机电耦合现象,建立了打桩过程中的"锤-桩-土"系统的动力学数学模型,并构建了两桩锤同步振动系统的机电耦合模型,在此基础上进行了数值仿真分析,发现机电耦合的结果是在一定的条件下出现自同步现象.对机电耦合下的同步控制策略与算法进行了研究,确立了"虚拟主令+比例-积分-微分算法(PID)"的控制方式,最后通过试验验证了机电耦合规律的正确性及同步控制策略与算法的有效性,控制同步的精度可以满足工程应用.     

一种基于群体智能聚类的设备性能横向比较算法

提出了一种基于群体智能的设备性能横向比较算法,该算法将设备模式投影于二维平面上,然后依据群体智能聚类,实现设备性能的自组织聚类分析.为了提高群体智能聚类算法的运行效率,提出了利用主成分分析改善模式投影时的随机性.此外,为了减小参数选取对算法的影响,提出了一种更简单的相似度衡量公式.将改进后的算法与原算法进行比较,结果显示,改进算法的运行效率更高.利用改进算法对某中央空调的数据进行分析,验证了算法能满足设备性能自组织聚类的要求.     

5Cr-0.5Mo耐热钢寿命预测中主曲线非参数统计分析

利用非参数统计方法,对5Cr-0.5Mo耐热钢寿命预测中的主曲线进行分析,提出新的主曲线形式(双指数形式),给出5Cr-0.5Mo耐热钢主曲线表达式。与传统的多项式主曲线以及近来提出的主曲线相比,双指数形式主曲线有很好的统计推断特性。利用5Cr-0.5Mo耐热钢的长时蠕变断裂数据对仅利用其短时蠕变断裂数据建立的主曲线进行外推特性检验,检验结果显示,双指数主曲线的外推具有较强的稳健性。     

变频调速技术在主扇风机上的应用

矿井主扇风机的实际工况，取决于主扇风机的性能曲线和矿井的管网特性曲线。在矿井的服务年限内，矿井的管网特性曲线是变化的，即矿井的通风阻力随矿井的延伸而增大；矿井需要的风量也随着矿井的生产能力和其它条件的变化而变化，不是一个固定不变的量。从理论上说，这就要及时对主扇风机的工况进行调整，以满足矿井安全生产的需要。调整主扇风机的工况的方法较多，但如何做到使扇风机的工况的调整既能满足矿井安全生产的需要，又能节约电力消耗，[第一段]     

三维欧氏空间中主法线曲面的结构函数

在三维欧氏空间中,主法线曲面作为特殊的非可展直纹面具有良好的代数和几何性质.运用微分几何的方法研究主法线曲面的结构函数.根据三维欧氏空间中不可展直纹面的定义和标准方程,给出曲线的主法线曲面的定义和标准方程.从主法线曲面的定义和标准方程出发,得到主法线曲面的结构函数之间满足的关系,以及曲线的主法线曲面的结构函数、准线和腰曲线三者之间的联系.讨论Mannheim曲线和一般螺线的主法线曲面,得到Mannheim曲线的主法线曲面是其侣线的副法线曲面,一般螺线的主法线曲面是正螺面.     

一种适用于处理中药指纹图谱数据的主成分正交分解算法

中药指纹图谱数据具有变量数很大而样本数较小的特点，本文中采用拉格朗日求极值的方法得到一种新的适合用于处理这类数据的主成分正交分解算法．结果表明：所得到新的算法，在处理中药指纹图谱数据时，与传统的主成分分析算法比较，节省存储单元，计算量小，计算速度快，因而计算效率高.     

纸质地图的地图特征曲线提取

描述了一种通用的在复杂特征图像中检测主曲线的新算法．基于曲线最短路径和方向偏移判据,主曲线检测的所有运算都在图形表达中进行．在图形网络搜寻中,采用了深度优先搜索方法．其应用背景是从地理测绘图中检测道路边界和房屋轮廓,采用自动方法生成数字地图．由于测绘图中的文字、符号常常与有意义的图像特征重叠,主曲线检测旨在从原始测绘图中获得“洁净”的特征图像．大量的实际图像实验表明,本算法效率高、鲁棒性强．除了地理测绘图外,该方法还可以用于文本处理中的其他领域,如在文字识别中,将字符与之相重叠的其他无用图像分离．     

基于主成分分析法的电潜泵故障诊断

电潜泵（Electric Submersible Pump,ESP）举升技术在非自喷高产井和高含水井中应用广泛,ESP在生产过程易发生故障,进而导致作业中断,造成严重经济损失。如何有效利用传感器、数据采集系统,SCADA系统实时采集的ESP系统生产数据,对ESP的工作状态进行提前预估至关重要。采用主成分分析法（PCA）对泵实时生产数据进行研究分析,根据电潜泵生产数据之间线性组合进行特征提取,降低生产数据的维度,创造新的主元空间,用很少的主元重新评估ESP生产系统,得出ESP井故障原因并预估ESP剩余使用寿命。主成分分析采用霍特林平方统计算法和平方误差分析算法建立诊断模型,该模型可以预估ESP剩余作业时间并确定泵出现故障的主因。以渤海油田为例,对ESP井实时数据进行主成分建模,预测泵故障的主因及故障时间,对比ESP实际生产作业时间,验证PCA进行故障诊断的可行性。证明PCA作为模式识别的一种方法可以有效监测ESP健康状况,预测ESP故障的主因。     

一种新的票据自动识别系统

设计了一种基于主曲线和粗糙集方法相结合的新颖的票据自动识别系统．首先提出一种高效的数字框定位技术、边框处理方法，并用于从票据中提取待识别数字串；然后建立有效的数字串分割算法来分割数字串；最后利用主曲线和知识约简算法进行数字特征提取和分类器设计．实验结果表明，该方法在实践中是可行的，为各种票据自动识别提供了一条新途径．     

基于遗传神经网络的苹果气味识别方法研究

提出一种根据苹果气味对苹果进行无损检测的新方法，介绍一套适合苹果气味检测的电子鼻系统，阐述该系统识别苹果气味的过程．对超市所购的好坏苹果各50个进行了检测，在获得传感器阵列数据的基础上，从每个传感器曲线中提取了5个特征参数，该参数作为模式识别的输入向量．用主成分分析法和遗传神经网络对所测的样本进行分析，主成分分析的结果是能较好地区分好坏苹果，遗传神经网络对训练集的回判正确率和对测试集的测试正确率分别为100％和96，4％，试验证明该方法和电子鼻装置对苹果质量进行评定是有效的，同时也可以用于其他水果的检测，     

基于模糊点数据的主成分分析

主成分分析是数据压缩和特征提取的非常有效的统计方法.在经典的主成分分析中,每个训练数据在构建主成分时的作用是相同的.然而,在许多实际问题中,每个训练数据的意义和作用是不同的,对于重要的数据我们应给予充分的重视,而对于不可信数据(可能是异常数据)应限制其作用.文中给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的主成分分析.数值实验表明,该方法能够有效控制异常点对主成分的影响,同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

一种扩展的关联规则挖掘算法

提出一种扩展的关联规则挖掘算法, 该算法扩展了传统 算法都是针对二元数据矩阵的缺点, 引入了挖掘量化的关联规则, 通过试验发现, 该算法同样适用于传统的布尔矩阵. 该算法主要是基于主成分分析法发现数据中特征向量的思想来挖掘数据中的量化关联, 同时定义了比例项目集. 该算法在时空复杂性上也取得了较好的效果     

基于图像特征的卷积核初始化方法

针对当前卷积核初始化方法易导致网络不稳定及主成分分析算法对网络结构限制的问题, 提出一种基于图像特征的卷积核初始化方法. 该方法先结合模糊处理技术和边缘处理技术对图像进行采样, 再将采样后的数据随机分组, 使用主成分分析算法提取各组数据的主成分, 初始化卷积核. 将该方法应用于数据集Cifar-10和Corel-1000, 并与Gauss初始化方法和He初始化方法进行对比测试, 实验结果表明, 该方法性能优于其他卷积核初始化方法.     

智能数据预处理在浮选过程中的应用

针对反浮选过程的被控对象复杂、数学模型不确定以及控制要求高等特点，提出一种基于主元分析和模糊聚类的数据预处理算法。采用模糊C均值聚类算法得到聚类中心，进行线形回归从而对过程变量数据进行了预处理。主元分析法则用采进行辅助变量的选取和输入高维向量的降维简化．针对主元变量采用径向基函数网络建立了系统经济技术指标的预测模型。根据工业实际生产数据进行的模型校验和误差分析表明，能够满足浮选过程控制的精度要求。     

三维模型轴向体积分布特征提取及比较算法

在分析网格数据结构的基础上,提出一种提取任意三维网格模型体积分布特征的算法.该算法首先应用主元分析法确定模型的主轴方向,再以一组等距的平行平面从三个坐标轴方向对模型进行剖分处理,通过计算截面面积求得模型沿三个主轴方向的体积分布特征.模型在三个坐标轴向上的体积分布描述了模型的几何特征,通过体积分布特征数据得到不同模型间的相似性度量.实验表明,该算法程序运行稳定、快速,可用于提取具有任意几何和拓扑复杂性的各类网格模型的体积分布特征.