改进均值漂移算法的焊缝特征点识别分析

对于线结构光视觉传感的焊缝跟踪系统,快速、精准地识别和提取焊缝特征点是关键.根据结构光条纹线在焊缝处的变形导致的条纹不连续现象,对不锈钢平板对接焊缝和搭接焊缝进行了跟踪试验,提出以改进的均值漂移算法提取焊缝特征点的算法.与传统算法不同,所提算法免去了提取条纹中心线与拟合条纹线过程,直接通过漂移识别焊缝特征点;通过限制漂移算法的搜索方向,防止搜索"回漂"现象;引入漂移加速因子,提高算法执行效率.试验结果表明,利用改进均值漂移算法能够有效地识别焊缝特征点,显著地提高焊缝跟踪的准确度和实时性能.     

均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。     

基于模糊均值的细菌群体趋药性复杂网络社团结构发现

复杂网络的社团发现问题是网络数据挖掘中的重要问题之一.利用基于模糊C均值的细菌群体趋药性算法最大化网络的模块度,算法中模糊C均值的初始值由群体细菌取药性算法获得.模糊C均值算法在此基础上发现复杂网络的社团结构.其创新点在于最佳模块度的寻找.实验结果表明:该算法具有对现实世界网络社团划分的可行性和有效性.     

计算Lyapunov指数的模糊C均值聚类小数据量法

根据小数据量法的思想提出了一个新的算法:模糊C均值聚类小数据量法.将模糊C均值聚类算法用于小数据量法线性区域的选择,提高了算法的计算精度,最后用数值算例验证了该算法的有效性.     

关于L-函数一类特殊二次均值的计算问题

研究模q Dirichlet L-函数一类二次均值的计算问题。利用解析方法及Dedekind和的互反公式以及M?bius反转公式,给出其二次均值■的一个精确的计算公式,其中■表示对模q的所有偶特征求和,χ_6为模6的非主特(6,q)=1且。结论促进了Dirichlet L-函数的研究。     

具有现实约束的均值-VaR投资组合绩效评价

考虑交易成本、借款约束、上下界约束和基数约束等实际约束条件，提出了均值-VaR投资组合优化模型；该投资组合优化模型非常复杂，难以获得真实前沿面的解析解，给投资组合理论的应用带来了很大的困难，因此，进一步提出了具有实际约束的均值-VaR投资组合DEA绩效评价模型，通过构建DEA模型的前沿面来逼近真实前沿面，从而对构建的投资组合绩效评价模型进行效率评价；最后，运用上海证券市场的股票周交易数据进行实证研究.研究结果表明:随着样本数据量的增大，DEA前沿面逐渐接近于真实前沿面.     

截尾三段线性函数均值上界的估计

分别对给定的随机变量X∈[-a,+∞),a≥0和X∈[-a,M-a],a≥0以及在一阶矩、二阶矩EX=m1,EX2=m2也给定的条件下,对三段线性函数H(x)=max(0,x,mx-z)的均值上界进行了探讨,其中m 1,z 0.通过构造控制函数,得出临界条件,综合分析得出了三段线性函数的上界,三段线性函数的研究又得到了推广,对实际应用提供了很强的理论依据.     

Doubling Fock空间之间的正Toeplitz算子

设F~p(φ)为复平面C上的加权Fock空间,其中φ为次调和函数,ΔφdA为doubling测度.本文利用均值函数与t-Berezin变换刻画了F~p(φ)(0p∞)与F~∞(φ)之间具有正测度符号的Toeplitz算子T_μ的有界性和紧性,拓展了已有结果.     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.