采用规范化局部保持投影的轴承故障诊断方法

针对轴承故障检测中特征融合导致的维度高、相关性强等问题,提出一种采用规范化局部保持投影算法(LPP)的轴承故障诊断(En-LPP)方法。首先,采用熵规范化的方法将相似度矩阵结合到传统LPP算法的优化函数中,与投影向量一并求解,得到一种规范化LPP降维算法;然后对原始轴承振动信号进行小波变换和经验模式分解得到10条信号分量,每个分量通过计算平均值、均方根等,提取12维统计特征,经归一化后生成特征向量;然后将特征向量输入到规范化LPP降维算法中进行迭代共同求解,得到满足终止条件的相似度矩阵和投影向量;最后利用降维后的特征集训练极限学习机模型确定轴承最终工作状态以实现故障检测。实验结果表明:与传统LPP方法以及其他降维方法相比,所提出的En-LPP方法对于轴承故障诊断的性能更好;在小波变换72维特征集合以及经验模式分解48维特征集合下的分类精度平均提升了7%以上;在4种不同分类器组合下的分类精度平均提升了17%以上;较好的降维特征区分能力使得En-LPP方法的故障诊断性能在不同条件组合下均具有很好的鲁棒性。     

改进的小波分解、Fisher脸及几何特征相结合的人脸识别方法

 数据降维是提高人脸识别效率的关键.对基于gabor小波变换和LDA降维做了改进,经gabor小波降维后,对数据分别沿着2个不同的方向做处理,方向一：继续按LDA方法对数据分类;方向二：进行PCA降维,再进行一些特征向量的提取,提取4个眼角,鼻尖和2个嘴角的数据,这样又降低了数据的维数.然后根据LDA分类后的数据和提取的几何特征点数据在识别过程中所起的不同作用,分配不同的权值,得出人脸识别的结果.经实验对比,该文的方法有更高的识别率.     

一种基于KNN算法的文本降维方法研究

针对文本向量空间中特征项间的关联性及冗余性,提出了一种KNN算法运用于文本向量空间降维的方法,应用向量聚合理论和特征选择以降低特征空间维数,使得降维后的特征项更具有类别代表性.实验证明,KNN算法运用于文本降维方法中,有效地降低了向量空间的维数,提高了文本分类的精度.     

基于自适应局部保持映射的图像特征降维算法

针对基于颜色特征的图像检索中的图像特征降维问题,提出了自适应局部保持映射(ALPP:Adaptive Locality Preserving Projection)的图像特征降维算法.在考虑了每个特征向量与其近邻关系的基础上,通过研究贝叶斯准则在图像分类中的作用,将聚类引入降维算法中,解决特征空间维数的自适应确定问题.使降维结果既保证了最大化地消除高维向量间的相关性和冗余度,又不破坏原始数据近邻间的拓扑结构.实验结果表明,对Coral图像库,应用HSV直方图特征,在查询返回图像为50幅的情况下,基于ALPP算法图像检索的查准率为67.7%,查全率为57.3%.相对PCA(Principal Component Analysis)算法的查准率(45.8%)和查全率(49.2%),具有较高的检索精度.     

利用非线性降维方法预测膜蛋白类型

将氨基酸的组成含量以及它们之间的相关系数作为膜蛋白序列的特征向量,采用有监督的局部线性映射(SLLE)的方法对该向量进行降维,并使用最简单的欧氏距离分类器来预测膜蛋白类型．利用统计学中Self-consistency,Jackknife和Independent dataset 3种典型方法检验SLLE的降维结果,取得了明显的效果,试验结果表明,SLLE算法能够成功地预测膜蛋白数据类型。     

基于LSA降维的KNN文本分类算法

针对文本自动分类问题,提出了一种基于LSA降维的KNN改进算法.通过对文本特征向量运用LSA理论进行降维处理,可以有效提高KNN算法的运行效率,提高分类精度.实验证明,改进的KNN算法具有很好的性能.     

基于张量的稀疏保持投影降维方法

传统的基于向量的降维算法需要将图像数据进行向量化处理。然而,向量表示难以考虑数据各维度上的变化,容易丢失有效的结构信息和判别信息。为此,从数据的张量表示出发,将新近提出的稀疏保持投影方法（sparsity preserving projections,SPP）推广到张量空间中,提出了基于张量的稀疏保持投影降维方法。该方法可直接将图像数据作为张量目标进行运算,保留了数据的完整性以及数据的原始结构和判别信息。降维的同时保持了原始张量空间中数据样本的稀疏重构信息。人脸数据库的识别实验结果表明,基于张量的稀疏保持投影降维方法能有效地提高识别率。     

一种基于超像素合并的高光谱图像谱-空降维方法

基于超像素技术和流行的主成分分析方法,提出了一种基于超像素合并的高光谱图像谱-空降维方法,所提出的方法利用新定义的局部模块度函数对超像素进行合并,并在合并后的超像素图上进行降维计算.最后,采用支持向量机对降维后的高光谱数据进行分类,验证降维效果.该方法有效减缓了基于超像素降维方法的降维结果严重依赖于超像素分割尺度的问题...     

试论卡诺图的降维

本文首先用逻辑代数的基本理论,对逻辑函数的表达式及卡诺图表示方法进行分析比较,得出卡诺图可以降维的结论及降维卡诺图。接着通过实例,讨论了降维卡诺图的填写及读出方法。最后进行归纳小结,得出用降维卡诺图化简逻辑函数的几条规则。     

基于线性降维技术和BP神经网络的热红外人脸图像识别

结合线性降维技术与BP神经网络对热红外人脸图像进行了识别研究.首先利用主成分分析和线性判别分析对热红外人脸图像进行图像降维及特征提取,然后将提取出的热红外人脸图像特征向量用于BP神经网络的训练,得到一个鲁棒性和容错性较强的分类器,用这个分类器对热红外人脸图像进行分类识别.实验结果表明,由于所提方法在提取便于分类的模式特征基础上,采用神经网络作为分类器代替特征向量间的欧氏距离判别,获得了较高的热红外人脸图像识别率.     

Study on an absolute non-collision hash and jumping table IP classification algorithms

In order to classify packet, we propose a novel IP classification based the non-collision hash and jumping table frie-tree (NHJTTT) algorithm, which is based on noncollision hash Trie-tree and I.akshman and Stiliadis proposing a 2-dimensional classification algorithn! (LS algorithm). The core of algorithm consists of two parts: structure the non-collision hash function, which is constructed mainly based on destination source port and protocol type field so that the hash {unction can avoid space explosion problem; introduce jumping table frie tree based LS algorithm in order to reducetime complexity. The test results show that the classification rate of NHJTTT algorithm is up to 1 million packets per second and the maximum memory consumed is 9MB for 10000 rules,     

基于IP流本地性的状态检测性能优化方法

提出了一种哈希表优化算法(MTH)以提高状态检测的速度．该算法根据IP流本地性，即最近访问过的会话节点很有可能被再次访问的特点，将刚访问的节点放置在Bucket链表头部，以减少哈希表的整体内存访问次数，提高会话表的速度．历史流量驱动的性能仿真实验表明，MTH算法的性能明显优于原哈希表算法，能够满足高速状态检测防火墙的速度要求．     

计算机桥牌双明手解的Hash表改进

人工智能中关于牌类游戏的研究因为具有信息不完备的特点,在发展上落后于棋类游戏.牌类游戏研究的基础是在信息不完备条件下寻求一种快速的局面求解方法,虽然这个问题也非常困难.在采用Scout搜索的桥牌双明手算法基础上,提出根据牌局的特点对局面进行标准化编码的方案,从而提高了Scout搜索中Hash表的内存利用率和查询命中率,使得在剪枝过程中比原来的算法少展开5%的叶节点.     

一种基于多哈希表的堆式动态存储管理方法

给出了一种基于多哈希表的堆式动态存储管理方法,其基本思想是利用哈希表的快速查找优点,通过查找以空闲块大小为关键字的哈希表SizeHashTable实现最佳拟合法的分配策略,并通过查找以空闲块头地址及尾地址为关键字的双哈希表AddressHashTable解决回收空闲块中结点合并问题,最终高效率地实现堆式动态存储管理.本文给出的相关算法在Windows平台下用VisualC++进行了实现.     

Bloom Filter技术及应用

Bloom Filter采用位串向量表示数据集合,能够实现高效集合查询的数据结构。首先介绍了标准布隆过滤器的概念和工作原理,然后通过实验分析布隆过滤器的错误率、空间向量和哈希函数数量三者之间的动态相关关系,并对独立空间布隆过滤器和标准布隆过滤器性能进行对比,最后讨论了Bloom Filter的变种及应用。     

深度优先局部聚合哈希

已有的深度监督哈希方法不能有效地利用提取到的卷积特征,同时,也忽视了数据对之间相似性信息分布对于哈希网络的作用,最终导致学到的哈希编码之间的区分性不足.为了解决该问题,提出了一种新颖的深度监督哈希方法,称之为深度优先局部聚合哈希(Deep Priority Local Aggregated Hashing,DPLAH).DPLAH将局部聚合描述子向量嵌入到哈希网络中,提高网络对同类数据的表达能力,并且通过在数据对之间施加不同权重,从而减少相似性信息分布倾斜对哈希网络的影响.利用Pytorch深度框架进行DPLAH实验,使用NetVLAD层对Resnet18网络模型输出的卷积特征进行聚合,将聚合得到的特征进行哈希编码学习.在CI-FAR-10和NUS-WIDE数据集上的图像检索实验表明,与使用手工特征和卷积神经网络特征的非深度哈希学习算法的最好结果相比,DPLAH的平均准确率均值要高出11％,同时,DPLAH的平均准确率均值比非对称深度监督哈希方法高出2％.     

多媒体教室预约系统研究

介绍了多媒体教室预约系统应当实现的功能，给出了以散列表和顺序表为数据结构的预约系统实现算法及系统相关其他功能的实现思路，并给出了实现系统的平台要求及详细的模块划分。     

基于散列表的快速分组分类算法

通过分析Internet网络主干路由器分组分类的关键问题和解决方案, 提出了基于散列表的快速分组分类算法, 该算法时间复杂度为O(1); 通过分析规则表的相关性将规则表分成相关子集和不相关子集, 对不相关子集采用哈希法构造散列表. 实验测试表明, 所给算法比顺序匹配算法的吞吐率提高近10%. 进一步分析了规则冲突, 并给出了冲突的理论证明和查找算法.     

一种高效的散列查询算法

散列函数在查询算法中起着重要作用，基于此的查询算法在理论上可达到常数级时间复杂度。提出了双次线性映射散列函数，和除留余数法、平方取中法、折叠法等常用的散列函数相比，该函数具有单调性，并在一定程度上消除了堆积现象；和线性散列函数相比，该函数具有受数据分布特性影响小，易推广的特点。通过该散列函数，一个待查元素可以在有序序列中被定位到离真实位置偏差很小的范围之内。基于此提出了一种高效的查询算法。     

改进SPRINT算法及其在分布式环境下的研究

通过引入一种动态数据结构, 解决了SPRINT算法使用多个属性列表存储数据、 占用过多系统资源、 需创建哈希表对属性列表进行分割以及节点分割处理相对复杂的问题, 并探讨了改进算法在分布式环境下的工作过程. 实验结果表明, 改进的算法减少了属性列表占用的存储空间以及分割节点操作所需的时间.