边界检测在入侵模式分类与特征提取中的应用

在检验知识较少的情况下,为有效提取网络数据特征,实现快速入侵检测,运用边界检测算法建立有限样本下自学习的理论框架和通用方法,通过特征提取来剔除对其后的入侵检测不具有鉴别信息的部分。实验数据分析表明,有效聚类的数量随着原始样本量的增加而缓慢增加,并趋于稳定。理论分析和仿真实验证明了该算法的有效性。     

基于特征分布校准的小样本分类改进算法

针对基于特征分布校准的小样本分类算法无法准确揭示新类特征分布的问题,提出一种融合隐空间变换和密度聚类的改进算法,以解决N way-K shot任务模式下的小样本图像分类问题.首先,通过广度残差神经网络提取基类和新类图像的深度特征;其次,采用隐空间变换方法约束新类特征分布,使其更接近正态分布;再次,利用密度聚类方法为新类选取合适基类,将基类统计信息迁移到新类,并通过多元正态分布矩阵实现样本扩充;最后,构建基于集成学习的分类器,完成小样本图像分类任务.实验结果表明,相比于传统特征分布校准方法,该算法的分类准确率更高.     

基于卫星云图的DBSCAN聚类云团分类方法

针对云分类问题提出一种新的云团分类方法.该方法先利用风云二号静止气象卫星实时云图图像资料建立多种云和地表类型的样本库,提取分析已知样本的光谱特征和纹理特征;再使用中值滤波器对云图进行预处理,并采用具有噪声的基于密度的聚类算法对云区聚类;最后对聚类得到的云团光谱特征和纹理特征进行匹配,确定云团所属的云类别.实验结果表明,该方法以云团为单位进行划分,易实现云团分类自动化.     

基于模糊聚类-模糊模式识别的复合材料高温机械性能评价

将模糊聚类和模糊模式识别相结合的识别方法应用于具有多模糊特征变量的复合材料高温机械性能的识别中.对给定特征的复合材料进行模糊分类,建立群体模式.通过模糊模式识别在模式库中对检验样本进行匹配,实现对未知材料的聚类识别.结果表明:对于多因子相关的复合材料性能,两种方法的结合是有效可行的,可以满足经济性和准确性的要求.     

采用聚类特征的基本概率分配生成方法及应用

针对在识别框架不确定时基本概率分配(BBA)生成困难的问题,提出一种基于聚类特征的基本概率分配生成方法,以减弱对样本长度的依赖性,并分析2种情况下的BBA生成。在框架未知时,通过聚类分析获得各个类别的聚类特征,建立样本属性的聚类特征区间模型;在框架已知时,获取聚类特征,建立样本属性的聚类特征区间模型;然后用各个区间模型之间的距离表示样本属性之间的差异,在此基础上建立了一种相似度的度量方法;最后对相似度进行归一化得到BBA。采用Iris数据集和Wine数据集的实验结果表明:所提方法对样本长度敏感程度低,对Wine数据集的一个类的分类结果达到100%。将该方法应用于某煤化工企业压缩机组子系统状态监测信息数据集,实现了监测信息状态的识别。     

基于支持向量域描述的多故障诊断动态模型

为了提高多故障诊断中对新故障类别和新故障数据的适应性，提出了一种新的多故障诊断动态模型．该模型采用支持向量域描述算法（SVDD）对多类故障进行单独训练，建立独立而封闭的特征空间，满足故障类别的动态增加需要，并采用样本与各特征空间的相对距离进行了多故障的混合识别．应用在线SVDD算法，在已有的故障特征分布信息基础上，通过更新操作，学习新数据信息，从而实现了故障模式的动态调整．通过仿真和机械故障实例数据的检验，表明该模型能够动态地提取多类故障的特征信息，改善诊断学习过程的适应性．     

基于小波包变换与粗糙集的船舶电机定子故障诊断方法

为在少量的传感器以及无先验故障知识的情况下,实现船舶电机定子故障状态的确定以及故障严重程度的划分,提出了对定子电流进行小波包变换提取故障特征,基于粗糙集理论建立可分辨矩阵,并从中提取故障诊断规则的方法.通过对电流特征信号进行小波包分解,使相应分解子频段能始终覆盖随电机转差率变化的故障特征频率;利用子频段重构系数的均方根值变化率作为特征指标,实现故障特征的提取.采用自组织特征映射网络对特征指标进行聚类,由相邻子频段的均方根值变化率组成一组学习样本的方法,减少了子频段之间混叠问题对于聚类结果的影响.实验室条件下进行了电机定子故障的实验,通过对故障数据的应用,验证了该方法的可行性.     

聚类分析提取PCA变换后的火焰图像颜色特征

炉口火焰颜色特征是判断炼钢终点碳及终点温度的重要特征.为实现实时控制,通常利用PCA变换缩短图像特征提取时间,由于PCA变换存在误差,难以在变换后的图像中提取独立颜色,文中首先在原始火焰图像中选取各类颜色样本,计算颜色变换前后的类内距和类间距,发现图像变换前后颜色的聚类性能具有一致性,然后利用聚类方法确定变换后的颜色窗口大小,通过颜色窗口提取序列图像颜色像元数量随时间变换特征,采用A,B两炉冶炼同一型号钢种图像数据进行实验,实验结果表明:通过聚类分析的方法所提取的颜色特征能较好地反映转炉炼钢物理化学过程.     

基于学习行为时间序列相似性模型的研究

以学习者学习行为为研究对象,提取了学习行为特征,构建了一组学习行为时间序列数据,提出了一种学习行为时间序列相似性模型;通过学习行为相似性模式的表示、度量和聚类,验证模型的有效性;结果表明,能够很好地对学习行为进行分类,对无效样本有效检验。     

多光谱卫星云图降水区域与强度估计的模糊推理模型

在卫星云图降水分析中,针对降水天气和降水强度具有明显的"模糊"特性,提出了云图降水的模糊推理模型.从不同云类降水的经验知识和降水天气的卫星云图样本中,提取出若干云类降水规则.在此基础上,引入模糊推理方法,建立了卫星云图降水分布和降水强度估计的模糊推理模型.实际应用中,对卫星云图进行云分类,根据云分类结果,去除不可能产生降水的云类区域.对可能产生降水的云类区域,通过提取多光谱云图的灰度等特征进行推理判别,进而得出该区域是否降水以及降水强度和降水分布的估算.试验结果表明,该方法在客观性、定量性和自动化程度方面优于传统的降水估计方法,且建模所需的样本少,可适用于多种类型的气象卫星云图.     

基于数据特征的加热炉钢温预报模型

针对加热炉工业过程具有复杂、非线性、时滞性的特点和钢坯出炉温度预报问题,提出了一种基于数据特征的改进主元回归(PCR)加热炉钢温预报模型的建立方法.首先通过对原始数据进行同步化处理来解决各数据变量间存在的时间滞后问题;然后提取生产过程中各批次钢坯的统计特征和熵特征,并依据一定顺序将这些特征排列组合,构造等长的数据特征向量;最后通过PCR方法建立过程变量的数据特征和钢坯出炉温度之间的回归预报模型.本文以某钢厂加热炉工业过程为背景进行实验仿真,采用实际生产数据求取建模参数,并对钢坯出炉温度预报进行了测试.实验的校验与误差分析表明,该方法在预测钢坯出炉温度方面具有更好的性能,且预测误差满足工业应用的精度要求.     

一种适于高维时间序列的特征提取方法

为了获得更多的信息,越来越多的数据利用多路传感器进行采集,由此产生了大量的超高维时间序列。特征的提取在处理和传输这些数据中起到至关重要的作用。为此,提出一种最优鉴别平面(ODP)技术以消除数据冗余。该平面由两个在Fisher准则基础上建立起来的相互垂直的矢量组成,将模式样本投影到ODP上可得到二维特征矢量。为了衡量特征的有效性,分别用二次判别函数分类器和阈值矢量分类器对特征进行分类测试。同时,以心电信号为例对ODP方法进行测试,结果表明,该方法应用于超高维数据的特征提取是行之有效的。     

大油气田统计特征

对世界 373个大油气田、中国 39个大油气田以及世界 5个典型含油气盆地中 2 2 2 7个油气田的基础地质特征资料进行了统计分析 ,并建立了数据库。通过概率统计、单因素回归及多元逐步回归等方法 ,分别统计了油气最终可采储量与源岩、储层、盖层及圈闭等多项地质特征参数的关系 ,总结了大油气田的地质特征 ,探讨了大油气田形成与分布的主控因素。研究认为 ,丰度高、分布面积大、生烃转化率高的有效烃源岩是控制大油气田形成与分布的最关键因素 ;圈闭容积也是一个重要影响因素 ,与储量相关性非常好 ,大油气田应具有相当规模的圈闭。影响大油气田的决定因素是储集空间的大小 ,而储层厚度、孔隙度等与储量并无线性相关性。此外 ,由于不同类型盆地的演化规律不同 ,控制大油气田形成与分布的主要因素也不同     

基于高斯受限玻尔兹曼机的非线性过程故障检测

针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.     

复杂系统全过程的可靠性Bayes变动统计分析

复杂系统由若干个子系统构成,在复杂系统的全寿命过程中,从每个子系统到整个复杂系统,都与系统的可靠性密切相关.可靠性分析就显得极为重要,在复杂系统可靠性分析中,不可避免地遇到两类可靠性分析数据:失效或部分失效数据与很少或无失效数据,可概括为具有一定样本信息和少量或无样本信息两类数据.就两类可靠性分析数据信息,提出处理相应数据的可靠性统计分析方法:Bayes方法.Bayes方法是在小样本或无样本信息的前提下能较好得到参数估计的一种方法,它的基本出发点是:有效利用假定可得的待估参数的历史资料或先验知识,而不是基于样本数据的假定,这切合了复杂系统全过程中无失效数据的可靠性分析.     

基于ADO的楼宇设备数据管理系统的设计实现

针对现代楼宇机电设备多、监控分散而不能整体调度的情况,以北京西站为例,在实现设备集中监测的基础上,提出了利用VC的ADO数据库访问技术开发楼宇设备数据管理系统的方法.系统实现了各楼宇设备的总体运行分析、数据检索编辑、运行曲线分析、数据统计分析及报表打印等设备运行分析功能,同时采用统计数据库与历史数据库分开管理、统一表字段格式,有效解决了因系统设备多、数据量大而带来的数据管理与统计难题.     

基于PCA与ICA的人脸识别算法研究

ICA是一种基于数据高阶统计信息的有效的数据独立特征提取技术,它能够更好地表示人脸的局部特征,ICA是PCA从二阶统计分析向高阶统计分析的拓展.本文提出了一种加权融合这两种技术的人脸特征提取算法,并结合不同的相似性度量进行了人脸识别实验.结果表明,该方法比用一种单独的特征提取方式识别率要高.     

多参数综合方法判别沉积微相

根据研究区的沉积特征和测井曲线模式 ,在取心井的单井相划分的基础上 ,建立各微相的样本库 ;然后根据取心井的测井资料 ,运用统计学结合计算机编程 ,统计各个样本井段上储层参数分布特征 ,建立不同微相上各参数分布模式 ;最后根据各微相上参数分布模式建立判别方程 ,利用其判别其他测井井段的沉积微相类型 .这种方法通过计算机编程将已知沉积微相的认识模式化去认识未知目标沉积微相 .在大港枣南油田研究中 ,综合运用泥质含量、单砂体厚度、砂体含泥量等参数 ,快速而准确地判别了 32 1口井 13个小层沉积微相 .实践证明 ,多参数综合方法融合了传统方法和统计学方法识别沉积微相的优点 ,用于油田是可行的     

利用信号场作深圳宝安机场的雷暴分类研究

利用深圳宝安机场2001～2010年雷暴观测资料和NCEP/NCAR再分析资料,运用统计方法研究近10年来雷暴发生的气候特征。利用主成分分析方法提取宝安机场夏季雷暴日500hPa高度信号场共同特征,并根据主成分分析前3个模态归纳出3种易出现雷暴的天气类型:台风型,高空槽、切变线型和副热带高压型;其中近10年来副热带高压型在夏季出现的频次最高。从年际变化来看,高空槽、切变型和台风型都是呈减少趋势,而副热带高压型无明显变化趋势。     

用于DNA序列结构分析的特征抽取方法

人类基因组计划中的DNA序列图谱是生命科学和基因工程中的伟大成就,要解译隐藏在基因组中的生物信息还有一段很长的路要走,这是因为DNA序列的结构很难分析和识别．作者提出一种用于DNA序列结构分析的特征抽取方法．这种方法采用DNA序列码序的共生概率来抽取高维特征．然后采用相关法和／或贝叶斯分类器来分类结构模式．一些仿真试验的结果表明这种方法适合于DNA序列的结构分析。