基于替代数据法的齿轮信号的混沌识别

替代数据法是准确判定时间序列是否具有混沌特征的一种有效方法,该方法不仅能很好地重构原始时间序列的特性,而且能避免直接识别混沌方法的局限性.应用替代数据法,以关联维数作为混沌判据,对故障齿轮信号进行了混沌特性判别.结果表明,齿轮故障信号存在混沌特征,替代数据法能对其进行准确识别.     

基于SVM的刻蚀工艺失效状态识别

针对反应离子刻蚀工艺,研究其状态监测与识别.采用主元分析(PCA)方法对原始数据进行降维,提取出有效的特征子集,再应用SVM建立失效状态的诊断识别模型,分析模型参数对失效状态的分类识别效果.采用主元分析法进行数据降维,从多监控量中提取影响最大的特征子集,再基于支持向量机(SVM)算法建立了失效状态的诊断识别模型,并分析了模型参数对失效状态的分类识别效果.研究结果验证了基于SVM方法的有效性,表明该模型具有高效的模式识别能力,可应用于存在小样本问题的其他半导体工艺状态分类和识别中.     

基于混沌不变量和关联向量机的人体行为识别

提出了一种基于混沌不变量特征和关联向量机（RVM）的人体行为识别方法.提取人体关节点运动产生的轨迹代表人体动作行为的非线性系统,利用 C-C方法估计时延并且得到由每条运动轨迹重构的相空间维数,并从重构的相空间提取代表人体行为的混沌不变量,利用RVM算法识别人体行为.在KTH,Weizmann及ballet 数据库中进行测试,实验结果表明,使用该方法平均正确率达92.1%.     

序列数据关联维的计算及意义

用混沌动力学研究所提出的方法，可以从观测数据重建系统的演变规则。该文采用时序数据重建复杂系统动力学特征的方法，运用关联维的概念，求取了位移时序资料的分维，对关联维的意义进行了探讨，定量揭示了盆地演化过程中表现出的混沌动力学特征。通过对等距离序列数据关联维的分析，表明非线性动力学方法可以广泛应用于地质问题的研究之中。     

关联维估计在舰船辐射噪声特征提取中的应用

为有效利用舰船辐射噪声的混沌特性,提取其混沌特征来对目标进行分类识别,采用了一种集相空间重构技术和关联维数拟合估计为一体的系统的特征提取方案,并成功应用于对舰船辐射噪声的特征提取.首先采用平均互信法和虚假最近邻点比例确定混沌时间序列相空间重构两个重要参数,给出了关联维数的计算方法,并提出用最小二乘曲线拟合,准确估计出关联维数结果.通过不同类别一定样本数量的实测数据计算它们的关联维特征参数,仿真结果表明该方法提取的特征参量具有很好的可分性,为下一步对舰船目标的分类识别打下基础.     

低维动力系统混沌指标研究

混沌(Chaos)是确定系统中的一种随机行为,主要讨论低维动力系统混沌识别算法.在二维系统中,庞加莱截面方法直观地反映了轨道的有序和混沌特征.三维体系中,快速Lyapunov指标有效地揭示了相临近轨道的动力学性质变化,且该指标可以广泛应用于更高维动力系统.     

一种新的混沌识别方法（I）

为了识别混沌信号和随机信号，针对Ｇ－Ｐ算法及其改进算法的不足，提出了一种新的改进算法，该算法不仅能简化无标度区的确定过程，而且能客观地判断系统的关联维数是否饱和，仿真结果表明，新的改进算法对于混沌信号的识别是有效的。     

一种新的混沌识别方法(Ⅰ)

为了识别混沌信号和随机信号，针对G-P算法及其改进算法的不足，提出了一种新的改进算法．该算法不仅能简化无标度区的确定过程，而且能客观地判断系统的关联维数是否饱和．仿真结果表明，新的改进算法对于混沌信号的识别是有效的．     

风电场风速时间序列的复杂动力学特性分析

利用混沌理论对风电场风速数据进行了相空间重构,首先由C-C方法计算出嵌入维数和延迟时间,然后采用G-P算法计算出吸引子关联维数,最后用小数据量改进算法得出风速时间序列的最大Lyapunov指数,由计算结果发现风电场风速时间序列具有混沌特性,为利用混沌预测方法进一步提高风速预测精度提供参考.     

基于相空间重构和PSO-K-means的球磨机负荷状态识别方法

针对球磨机振动信号具有强随机性、非平稳性和非线性等内在特性导致负荷状态难以识别的问题,提出一种基于相空间重构和PSO-K-means的球磨机负荷状态识别方法。首先,利用改进前后的自相关系数算法对Lorenz与Rossler两种混沌时间序列进行数值模拟,得出延迟时间和嵌入维数精准有效的计算方法;其次,验证出球磨机筒体振动信号具有混沌特性后对其时间序列进行相空间重构,恢复出等价的混沌吸引子;接着,针对3种不同负荷状态下的相空间吸引子进行特征提取,分析了关联维数特征量的变化规律;最后,将关联维数作为特征向量输入PSO-K-means聚类模型中对球磨机负荷状态进行分类与识别。结果表明,PSO-K-means聚类模型在负荷状态识别时有较高的精准性,欠负荷、正常负荷、过负荷下识别精度分别为94.2%、96.3%、94.8%。以上结果证实了该方法能够实现对球磨机负荷状态的有效识别。     

基于混沌理论的高速公路交通流预测研究

对衡枣高速公路短时交通流进行了混沌识别,结果表明其具备混沌特性,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌理论的高速公路交通流神经网络模型,实际数据验证了该方法对短时交通流预测的有效性.     

不同维的混沌系统的自适应函数投影同步

本文对维数不同并且参数未知的两个不同的混沌系统,通过增补维数的方法研究了两个系统的自适应函数混沌同步和参数识别问题.基于Lyapunov稳定性理论和自适应同步法,为系统设计了合适的自适应同步控制器和未知参数的辨识规则,实现了系统的混沌同步和未知参数的辨识.数值仿真验证了所设计的控制器和参数辨识规则的有效性.     

一种新的混沌识别方法(Ⅱ)

针对G－P算法及其改进算法的不足，提出了一种新的改进算法．应用该算法不仅能简化无标度区的确定过程，而且能客观地判断系统的关联维数是否饱和，从而对随机信号和混沌信号加以识别．对新的G－P改进算法进一步分析表明：新的G－P改进算法适用范围广泛，对于混沌信号的识别很有效．     

一个新的四维超混沌系统及其电路仿真

为产生复杂的超混沌吸引子,基于一个三维混沌系统构造了一个新的四维超混沌系统.分析了该系统平衡点的稳定性、吸引子的相图、系统的分岔图和Lyapunov指数谱等基本动力学特性.结果表明,新的四维超混沌系统随着新引入的参数变化呈现周期、混沌及超混沌动力学行为.最后设计了一个模拟电路,通过实验结果进一步验证了与数值仿真的一致性.     

一种新的混沌识别方法（II）

针对Ｇ－Ｐ算法及其改进算法的不足，提出了一种新的改进算法，应用该算法不仅能简化无标度区的确定过程，而且能客观地判断系统的关联维数是否饱和，从而对随机信号和混沌信号加以识别，对新的Ｇ－Ｐ改进算法进一步分析表明，新的Ｇ－Ｐ改进算法适用范围广泛，对于混沌信号的识别很有效。     

混沌特性时间序列线性变换理论方法及其应用

通过对时间序列的相空间的重构,用G-算法、Wolf算法证明了混沌时间序列经过线性变换后其关联维数、Lyapunov指数以及Kolmogorov熵大小不变,从而得出了线性变换后混沌时间序列的混沌特性保持不变的结论.同时将这一理论和热力学中的相似实验相结合,验证了实验模型系统进入混沌则实际系统必也能够在相应时刻进入混沌状态.该结论被成功应用到对汽包水位晃荡幅值的测量当中,验证了汽包水位的晃荡幅值具有混沌特性,并成功地对该时间序列进行了预测.     

分形理论下基于时间序列的音乐识别研究

将分形理论和时间序列(混沌序)运用与音乐信号识别,为音乐领域的智能发展提供实验依据.首先对分形理论进行质性分析,并且提出关联维数算法,判断音乐分形程度.接着提出音乐中混沌现象的特征.最后进行实际音乐的实验分析,以钢琴曲目《致爱丽丝》、流行音乐《Disco-theque》和哀乐为例,对3种曲目进行材料性质分析,分析不同曲...     

Rayleigh-Benard对流温度信号的混沌特性分析

为了揭示Rayleigh-Benard湍流存在的混沌特征,通过对Rayleigh-Benard对流温度信号的时间序列分析,研究了混沌特性随测量点变化的规律.采用G-P算法和小数据法分别得到了描述序列混沌特性的关联维、最大Lyapunov指数及Kolmogorov熵特征参数,证实了高Ra数下Rayleigh-Benard...     

基于EMD的数字图像混沌加密算法

高维混沌系统是一种重要的数字图像加密技术,但是其维数越高,算法就越复杂.为了克服高维混沌系统的这类缺点,提出了一种基于经验模态分解(EMD)的图像加密算法.应用EMD算法将数字图像分解为若干数字矩阵,破坏了相邻像素之间的相关性,经预处理得到相应的数字图像.利用混沌系统对所得的数字图像进行加密.每幅图像可采用具有不同初值的同一混沌系统,或采用不同混沌系统进行加密.最后,验证了所给算法的加密效果.     

基于隐性标识符的零权限Android智能终端识别

针对现有Android智能终端识别直接利用IMEI,Android_ID等显性标识符存在依赖敏感权限和易失效的问题,提出了一种基于隐性标识符组合的零权限设备识别方法.通过调用系统API并执行Linux Shell命令,从物理层、应用层以及用户层3个层次上获取设备型号、屏幕信息、内核编译信息、User Agent、系统语言、字体大小、字体列表、用户安装程序列表等8个隐性标识符,并将其组合形成设备指纹.然后,提出了指纹精确匹配算法和变化指纹关联匹配算法,用于仅1个隐性标识符发生变化且变化前后相似程度大于0.85时的设备关联识别.通过采集真实用户数据进行实验验证,结果表明所提算法的设备识别准确率达到94.52%.