基于相关熵和流形正则化的图像聚类

近年来,聚类作为机器学习、数据挖掘等领域的基本问题受到广泛的关注及研究,然而数据中普遍存在的噪声和异常值严重影响聚类结果.提出一个基于相关熵和流形正则化的聚类框架CRNMF(Correntropy and Manifold Regularization Non-Negative Matrix Factorization).首先,采用基于相关熵的非负矩阵分解（Non-Negative Matrix Factorization,NMF）作为损失函数来抑制非高斯噪声和异常值的影响;其次,充分考虑数据的结构信息,采用流形正则化学习数据的局部结构,并通过l2,1-范数对非负矩阵进行稀疏约束;最后,利用半二次优化技术（Half-Quadratic Optimization Technique,HQ）进行优化,并分析了收敛性和计算复杂度.在五个图像数据集上进行测试,实验结果表明,提出的框架在图像聚类任务中具有较好的有效性和鲁棒性.     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform,IEWT)及堆栈自编码器(stacked auto-encoder,SAE)算法的故障诊断新方法. 首先,利用顺序统计滤波包络法来改进经验小波变换完成对振动信号的分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量. 然后,选取K-L散度值低的经验小波分量作为SAE的输入数据进行特征的自适应提取,再用Softmax分类器完成故障诊断,并在堆栈自编码器训练过程中引入樽海鞘群算法实现参数寻优. 最后,在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试. 实验结果表明,所提方法的分类精度达99.5%,在识别准确率、诊断时间上均优于对比方法.     

基于改进潜能模型的养老机构空间可达性——以上海市奉贤区为例

空间可达性是判定各类设施布局是否合理的重要参考指标.科学评价服务设施空间可达性则是判断区域服务差异性以及优化资源空间配置的重要基础.在基本潜能模型的基础上,引入需求方阈值,按照养老机构规模设计了3级服务半径,加入地区优先匹配原则,并以上海市奉贤区为例,基于供需点之间的实际驾车时间、ArcGIS空间分析技术,对区域内部养老机构空间可达性进行分析.研究表明:考虑优先原则的奉贤区养老机构空间可达性分布不均程度加剧,其中南桥镇、庄行镇、金汇镇部分区域养老机构空间可达性显著较高;可达性呈现较为明显地从中心城区到外围逐渐降低的趋势;中部区域一些乡镇存在养老机构密集,养老资源相对集中的现象.改进的潜能模型进一步考虑了养老机构服务能力强弱、老年人需求等因素的影响,能更合理地评价机构的空间可达性.研究结果可为养老机构的科学规划提供参考与建议.     

基于改进CRITIC-G1法组合赋权云模型的高阶段充填体稳定性分析

针对高阶段充填体稳定性风险评估过程中存在模糊性与随机性的特点,引入云模型理论,建立了高阶段充填体稳定性评判模型。以安庆铜矿等国内4座深井矿山为研究对象,选取坍落度、侧向暴露面积、充填料浆坡度、充填接顶效果等16项影响因素作为风险评估指标,借助云理论计算隶属于不同风险等级的各指标云模型参数,同时基于改进CRITIC-G1法,综合考虑指标之间的相关性与专家的理性判断,将主客观权重进行优化组合,最终根据评估指标的云数字特征和组合权重确定4座矿山充填体稳定性等级。研究结果表明,安庆铜矿、李楼铁矿、冬瓜山铜矿、司家营铁矿风险等级分别为Ⅳ级、Ⅳ级、Ⅲ级、Ⅱ级,司家营铁矿充填体相对更稳定。与其他数学模型相比,该模型在保证结果准确的同时,利用云数字表征模糊性与随机性从而获得不同评估指标耦合作用下的充填体稳定性等级,实现了等级的可视化,具有一定的可靠性,为高阶段充填体稳定性风险评估提供了一种新方法。     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

基于排序学习的连续兴趣点推荐

针对位置社交网络中连续兴趣点推荐系统面临的个性化偏好、数据稀疏性和签到行为的隐式反馈属性等挑战,提出一种基于排序学习的连续兴趣点推荐模型。本文使用三阶张量模型对用户的连续签到行为进行建模,并利用LBSNs中的地理信息定义用户访问兴趣点的地理距离偏好,最后使用基于排序学习的优化标准优化求解模型参数。在两个真实的LBSNs数据集上的实验结果表明,本文提出的模型在推荐性能上优于当前流行的兴趣点推荐算法。     

精益5S现场管理对提升员工生产效率问题的研究

丰田精益生产模式对企业生产效率的提升产生了显著的正面影响。作为丰田现场管理的核心精益工具,5S改进活动被视为实现精益生产不可或缺的步骤。本研究以员工认知负载为视角对5S改进活动进行建模,发现其能够有效降低员工认知负载,减少生产决策时间,从而促进员工生产效率。同时,研究强调了在5S改进中持续改善和及时维护生产环境的重要性,为企业管理者在实施5S现场管理提供了有益的管理启示。     

基于卷积神经网络的海面目标全极化高分辨距离像识别技术

针对雷达目标全极化高分辨距离像(high resolution range profile, HRRP)提取可分性特征时, 利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题, 在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度。在此基础上, 提出基于Pauli分解, H、α、A、α₁分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取, 并将提取得到的特征与基于卷积神经网络(convolutional neural network, CNN)的舰船目标HRRP识别方法结合, 利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别。实验结果表明, 所提方法能够保留目标全极化HRRP更多特征, 提高目标识别的准确率。     

基于多分辨率动态模态分解的电磁信号时频-能量分析

针对电磁信号时-频-空间-能量分析不兼容的问题, 提出一种基于分解时空域电磁辐射信号的数据驱动方法来分析复杂电磁环境。首先, 使用多分辨率动态模态分解方法将复杂电磁信号以不同的分辨率分离为不同时空尺度的模态分量。然后,利用时频分布对各模态瞬时频率和能量特征进行采集。这种动态的分解分析方式能快速侦测电路和电子系统的多方面电磁环境状态, 具有不需要先验数据训练, 不受时频分辨率限制, 可以实时分析和降低数据维数等优点,且提取的动态模式及其频谱分别在空间域和时域具有明确的物理意义。仿真实验显示, 重组信号和原信号的平均误差在-18 dB以下, 证明了所提方法的可行性和优势。     

Zr基金属有机框架材料光催化分解水的研究进展

随着全球工业化的不断发展,化石燃料的消耗总量在不断攀升,随之带来的能源短缺与环境污染问题成为人们面临的重大挑战.氢能是一种绿色、低碳、高效的清洁能源,利用可持续再生的太阳能,通过光催化分解水制备氢气,被认为是解决上述问题的有效途径.金属有机框架具有结构可修饰、性能易调控、孔道结构丰富及比表面积较大的特性,被广泛应用于光...