炭／炭复合材料微观孔隙结构演化的分形特征

提出了一种用分形理论研究炭／炭（C／C）复合材料制备过程中孔隙演化特征的新方法．基于压汞测试数据,根据海绵分形模型及热力学关系模型导出的多孔介质分形维数计算公式,计算了致密化各阶段C／C复合材料孔隙的分形维数,并研究了分形维数随孔隙演化过程的变化规律．结果表明C／C复合材料属于多孔分形介质,孔隙分形维数随孔隙率的减小而增大,但同时受到热解炭织构形态的影响,从各向同性到高织构热解炭,分形维数减小．分形维数综合反映了C／C复合材料内部孔隙的复杂程度和热解炭的形貌特征,是监控C／C复合材料致密化过程中孔隙演化的一个有效参数．     

基于类别空间的基因选择

基因选择通常是在基因空间中进行的. 由于基因空间的维数(基因数目)比该空间中的样本数要多得多, 这种做法存在严重的维数发难(curse of dimensionality)问题, 其结果是在基因空间中所建立数据模型难于获得满意的精度, 基于所建立模型的基因选择结果可信度低. 如何对具有极少样本的极高维空间进行特征选择(基因选择)是一个极具挑战性的课题. 将基因空间变换为它的对偶空间, 称为类别空间, 从而空间的维数仅为基因空间中样本的类别数, 空间中的样本数则为基因空间的维数. 显然, 在类别空间中不存在任何维数发难现象; 提出了在类别空间中基于将不同的类尽可能分开的原则、并借助主分量分析的基于类别空间基因选择方法. 对真实基因数据的基因选择实验, 并通过Fisher指标、加权Fisher指标以及leave-one-out cross validation等可分性指标, 与其他两种基因选择方法进行了深入的比较, 结果表明该方法是十分有效的.     

基于最优小波包分解的图像隐写通用检测

基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.     

基于特征谱散布特征的低分辨雷达目标分类方法

大多数雷达,特别是地面警戒雷达,其脉冲重复频率相对较低,会导致雷达发动机调制(JEM)回波多普勒模糊,对目标的观测时间(扫掠时间)相对较短,多普勒分辨率较低,会导致目标分类性能下降.针对这一问题,本文从模式分类的角度提出了利用JEM特征谱散布程度特征实现喷气式飞机、螺旋桨飞机和直升机目标分类的方法.分析指出JEM回波在多普勒域近似看作是一系列线谱,采用谐波和的数学模型提取特征谱作为分类特征,分别给出脉间、脉内的特征谱提取方法及特征的降维方法.该特征不补偿机身回波,对机身多谱勒变化不敏感.仿真实验证明了所提方法的有效性.     

短波电报信号自动检测技术研究综述

短波电报是强噪声背景下战术应急通信的重要通信手段.长期以来,人们一直致力于解决电报信号的自动检测问题,设法从含噪信号中提取报文信息,但到目前为止这一研究还远未达到预期的目标.首先概述了短波电报的应用现状、数学模型与基本信号特征,之后详细综述了现有短波电报自动检测相关技术的研究现状及其优缺点,基于此深入分析总结出制约短波电报信号自动检测的若干关键技术问题,最后指出了未来的研究方向及可行的技术手段.     

基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用

将流形学习的思想引入信号降噪中,提出了一种新的基于最大方差展开（maximum variance unfolding,MVU）的非线性信号降噪方法.该方法首先基于相空间重构理论将含噪信号重构到高维相空间,再采用流形学习理论中的MVU算法对相空间数据进行非线性降维,将蕴含在相空间中代表吸引子的低维流形与噪声子空间分离,然后对低维流形进行逆重构,从而得到降噪后的信号.对加噪的Lorenz信号的仿真结果表明,该方法的降噪性能要优于基于KPCA的非线性降噪方法,且具有参数估计简单、参数影响不大等优点.最后将该降噪方法应用于带有轻碰磨故障的航空发动机转子―机匣系统振动信号,有效地提取出了淹没在噪声中的轻碰磨故障特征.     

二维垂向射流沙质河床冲刷的数值模拟

基于紊流理论和射流冲刷机理,本文提出了二维垂向射流冲刷的数学模型．以拖曳力为主要参变数,导出了基于希尔兹数的推移质泥沙输运模型,将临界希尔兹数作为泥沙颗粒起动的判别标准,模型中没有考虑悬移质的运动,推移质运动所引起的河床形态变化用动网格技术来描述,从而形成了基于动边界的二维射流冲刷数学模型．针对二维垂向射流清水冲刷进行了试验研究,得出了射流流态及冲刷坑的几何特征等资料．选用实验室物理模型参数对二维射流冲刷进行了数值计算,试验和数值模拟均展现了射流冲刷摆动的发展过程,两者给出的射流摆动现象的良好吻合验证了模型和算法的有效性,进而在计算和试验研究基础上给出了射流冲刷平衡时冲刷坑特征长度的半经验公式．     

基于最大异类距离特征提取的SAR目标识别方法

合成孔径雷达自动目标识别是合成孔径雷达的一个重要的应用方面,如何在高维SAR图像中提取有效分类信息是制约自动目标识别的瓶颈问题.本文基于流形结构假设,提出了一种新的特征提取方法——最大异类距离特征提取,该方法融入了样本集类别信息和邻域信息,通过最大化异类样本的距离实现特征提取,以提高特征的可鉴别性.基于MSTAR数据库的实验已验证了本文提出的方法能够有效提高目标识别率.     

面向精细农业的高维数据本征维数估计方法研究进展

农业信息化是精细农业的重要研究领域,也是农业现代化的重要标志.针对精细农业研究和实施中存在的高维数据处理难题,在分析农业信息快速实时处理需求的基础上,阐述了海量高维数据处理的基本方法,重点对高维数据的本征维数估计理论研究、关键技术和模型参数对本征维数估计结果的影响等进行论述,并分析数据本征维数估计理论尚需解决的科学问题,提出我国在该研究领域的重点发展方向和前沿问题.     

超声速混合层拟序结构密度脉动的多分辨率分析

由于超声速密度场测量十分困难,基于实验图像的超声速混合层流场的多分辨率分析一直难以实现．本文利用新近提出的基于纳米粒子的平面激光散射技术,以较高的时空分辨率测量了超声速混合层密度场结构．根据混合层拟序结构的动力学特性,以Taylor的时空转换假设为基础,利用小波分析研究了密度脉动信号和密度场图像的多分辨率特征．密度脉动信号的小波近似系数较好地反映了不同尺度下密度脉动信号的特征,相应的细节系数在一定程度上反映了各层平滑近似的差值．超声速混合层密度脉动信号不同于周期性的正弦信号,而更类似于具有分形特征的Koch曲线信号,在各个尺度上都具有一定的相似性,体现了混合层流场的分形特征．密度场图像的二维小波分解与重构给出了不同尺度的近似与细节信号,有效地分辨了不同尺度下流场的特征结构．     

基于多尺度特征注意力网络的施工安全预警方法

安全管理是建筑施工过程中的重要工作之一,设计自动化的安全预警方法对保障工人安全、减少施工事故有着重要作用.本文提出一种基于多尺度特征注意力网络的施工安全预警方法.首先,设计融合多尺度特征注意力机制的施工现场实例分割网络,使用具有丰富语义信息的高维特征指导网络对低维特征的学习,从而增强网络对施工设备专有特征的聚焦能力,实现复杂环境下施工设备与工人的精准分割;其次,提出基于位姿估计的三维边界框重构方法,利用神经网络提取到施工设备在三维空间上的朝向,并结合二维边界框所反映的几何约束实现对施工设备三维约束的重构;最后,设计施工现场动态预警方法,根据生产安全要求将施工现场划分为危险区、预警区与安全区,并对施工现场的设备与工人进行实时追踪与三维约束重构,当工人进入危险区及预警区时及时发出警告.实验结果显示,本文所提方法在MOCS公共数据集上取得超过90%分类准确率与59%的分割mAP,优于其他融合特征注意力机制的深度学习算法;从施工现场安全预警案例可知,本文所提方法能够对工人的安全状态进行准确判断.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

体域网中基于特征组合的步态行为识别

物联网(internet of things,IOT)拥有无处不在的识别、传感和通信能力,体域网(body area network,BAN)属于物联网中和人体相关的领域,其应用广泛,可以在日常生活中对人们进行监测及提供帮助.行走是许多日常活动的基本环节,因而步态分析能为体域网应用提供重要的生理行为信息.现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂.本文设计一种灵活便捷的数据采集系统,并利用小波变换、傅里叶变换和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,之后通过模式识别算法进行步态行为识别验证.实验结果表明该系统使用方便,特征提取方法简单实用,识别精确度为97%,EER(equal error rate)最小可到0.9%.     

土壤分形与土壤粘附

土壤对外表面的粘附性是土壤的动力学性质之一。土壤的诸多性能呈现分形特征。本文综合了介绍土壤颗粒尺寸分布分形和土壤颗表面分形特征及其对土壤粘附的影响。分析表明土壤与固体表面的粘附力随着土壤颗粒尺寸分布分形维数和土壤颗粒表面分形维数增大而增大,土壤的这两种分形维数一定程度上反映了土壤的粘附性。     

基于监测信号特征的批量钻削工序质量研究

针对批量钻削工序质量的快速监测和分析问题,利用批量钻削加工过程主轴功率信号和声信号的时域统计特征和频域能量特征构造了批量工序钻削过程特征矩阵。应用K均值聚类技术从时域统计、频域能量和时频域综合特征三个角度依据钻孔本身的质量特征对钻孔进行分类,分析批量工序过程特征分布状况,间接反映批量钻削工序质量。对比人工质量检测结果,分析批量钻削过程监控信号时频域特征矩阵聚类纯净度,结果显示其工序质量分布状况检测准确率高达94.19%     

基于遗传算法的多核芯片并发追踪调试方法

基于追踪的调试技术将追踪信号连接到追踪缓存,这些连接设施不仅占用有限的片上资源,全局连线还可能导致信号完整性问题.一种有效的解决方案是复用片上网络传输追踪数据.复用片上网络传输多组并发追踪信号,需要确定追踪缓存数量和放置位置以满足链路带宽的约束,同时实现传输功耗最小化.本文将该问题规约为NP难约束P-Median问题,并提出了一种基于遗传算法的多追踪缓存选址方法.在片上网络链路带宽的约束下,优化追踪缓存选址数和追踪数据传输能耗,为多组并发追踪信号的实时追踪提供了一种有效方法.实验结果表明,在同等约束条件下,多缓存能够有效提高追踪信号数量.相比于以前的研究结果,本文方法能够有效地减少缓存选址数和降低追踪数据传输能耗.     

零维三角型系统带重数的实解隔离

现有的隔离零维多项式系统实解的算法都不计算解的重数.文中用一种自然的方式定义了零维三角型多项式系统解的重数并证明了该定义与经典的局部(相交)重数的定义等价.使用该定义,给出了一个完备有效的算法计算零维三角型多项式系统的实解隔离及实解重数.文中的算法基于代数数系数多项式的无平方因子分解和区间算术.文中还给出了一些算例.     

基于高阶统计量的盲源提取算法获取房颤信号

从房颤病人的体表12导联心电图中得到房颤波信号,是分析和描述房颤特征的重要环节.文中发展了一种基于高阶统计量的盲源提取算法用来获取房颤波信号,模拟数据和临床数据证明了这种算法的可行性和有效性.与盲源分离相关方法相比,盲源提取算法只提取一个所需信号,通过计算频谱集中度的大小,就可以判断它是否为房颤信号,而不必像盲源分离方法那样必须对分离后的12组信号进行复杂的判断才能决定房颤信号.因此,这种方法更适合于应用到临床监护中.     

带方向特征的Contourlet HMT模型

根据Shannon信息理论将纹理的方向特征定义为:图像中信号取值为随机分布的奇异值时方向变量的取值特征.根据这一定义,并结合Tamura方向特征的求取方法,文中对Contourlet变换系数的方向概率分布进行了研究,获得方向特征在Contourlet变换的父子子带间形成传递这一结论,在此基础上结合Contourlet隐Markov树(HMT)模型,建立了以隐状态变量分布为条件的方向隐变量的概率分布模型,即带方向特征的Contourlet HMT模型,给出了该模型的结构和训练方法.此外,通过基于所提出模型的无监督结合上下文信息的图像分割算法对合成图像和遥感图像的目标分割实验验证了所提出模型的有效性.     

基于分阶段学习的盲信号分离

首先定义了描述信号分离状态的信号相依性测度, 并利用此测度将传统算法中的学习速率参数推广至二维矩阵, 从而提出了一种基于分阶段学习的盲信号分离算法, 即整个信号分离过程被分成三个阶段进行: 初始阶段、捕捉阶段和跟踪阶段, 每个阶段的学习速率由信号的分离程度自适应选取. 理论分析表明, 该算法满足等变化性和分离矩阵的非奇异性条件. 仿真结果证实, 新算法具有比使用固定和其他自适应学习速率的算法更快的收敛速度、更好的稳态性能和更高的数值稳定性.