基于气象日序数的同时发生设计日挑选方法

传统空调设计气象参数设计日对气象参数间的同时发生性考虑不足,导致空调系统的设计冷负荷与实际峰值冷负荷相差甚远. 为挑选出计算空调系统设计负荷的更合理的同时发生设计日,提出了一种基于气象日序数的空调设计同时发生设计日挑选方法. 该方法首先定义气象日序数的概念,用历史实测气象数据和动态负荷计算模型计算房间动态负荷,基于室内热环境风险水平挑选通用气象日序数集,提出多维多参数聚类分析方法,从通用气象日序数集中选取代表性的同时发生设计日. 运用该方法从香港和长沙的长年实测气象数据中挑选出两个地区的同时发生设计日. 实例研究表明,该方法挑选出的同时发生设计日数量少,适合于工程设计应用. 与传统设计日对比表明,气象日序数方法给出的同时发生设计日计算设计冷负荷准确性更高,能满足工程设计准确性要求.     

基于哈希表的动态向量降维方法的研究及应用

提出并实现了一种简洁的基于哈希表的动态向量降维方法.该方法用哈希表作为文档特征向量的存储数据结构,省去了预先构建向量模板的环节,实现了高维次稀疏特征向量的动态降维,有效减少了分类算法的数据计算量,能够显著提高分类器的性能.     

逐次降维解耦方法

本文提出一种逐次降维的解耦方法,可以对系统中的耦合支路逐次分离解耦。这种方法同Rosenbrock对角优势判断方法及Sinskey相对放大系数方法结合,可以使大系统的控制系统设计得到简化,具有比较广泛的应用。本文着重叙述这种方法的原理和应用。     

二维环境下参数化特征设计的研究

针对参数化特征设计，研究了特征的分类及其在二维环境下的投影，进而给出二维环境下用户可扩充的特征库。其中的特征是参数化定义的，视图中的投影是相互联系，对一个视图的修改，将导致其余视图的相应变动，从而实现尺寸驱动的参数化特征设计。     

基于混合降维Elman神经网络的砂岩储层物性参数智能计算研究

针对实验室测定岩石储层物性参数在实际应用中的成本问题,提出一个基于混合降维Elman神经网络的砂岩储层物性参数计算的智能方法。首先利用灰色关联分析对岩石薄片特征参数与其物性参数进行关联度计算,优选关联度较高的若干参数;其次使用主成分分析对选出的特征参数二次降维,最后应用Elman神经网络寻找岩石薄片特征参数与其物性参数之间的映射关系。选取鄂尔多斯盆地吴旗地区薛岔区块延长组储层砂岩样本的薄片鉴定与物性分析数据对方法进行测试,实验结果表明,计算得到的孔隙度与渗透率平均相对误差分别为7.28%和6.25%,混合降维方法在收敛速度和计算精度方面也得到提高。因此,基于混合降维Elman神经网络方法能够利用成本较低的岩石薄片相关资料快速并准确地计算砂岩储层物性参数,具有较高的可靠性、实用性以及应用前景。     

Isomap算法在地震属性参数降维中的应用

本文针对非线性高维地震属性参数降维的困难,引入了一种新的非线性降维方法Isomap,并将Isomap降维的结果与线性的MDS降维结果通过小波神经网络进行检验,从算法原理的角度讨论了Isomap算法在地震属性参数降维处理中的可适性．     

高维数据的降维方法研究及其应用

讨论了高维数据的降维方法及应用，采用进制分解的方法将数字图像无损转化为二值图像，从而将原图像的处理转化为对二值图像的处理．从理论上，论证了二值图像的无损性，以此为根据对二值图像进行了相应的分析，包括压缩、图像分析、信息融合等．     

基于人工神经网络降维映射的统计优化方法

提出将多维空间的样本数据降维映射到二维平面上,并在该平面上自动生成函数的等值分布曲线,从而,可直观出该函数的最优点或最优区域,通过本文提出的逆映射算法可将其还原到多维空间用原始变量表示．运算实例结果表明,基于神经网络降维映射的优化方法,直观、准确、可靠,对于有约束优化问题的求解特别有效．     

基于自适应图的降维方法

为了构建能反映高维数据本质结构的高质量图,提出了一种新颖的降维方法———基于自适应图的降维方法( DＲAG: Dimensionality Ｒeduction based on Adaptive Graphs) 。与其他传统的基于图的降维方法相比,提出的DＲAG 避免了传统k 近邻或ε 球准则构图策略中的参数选择问题,考虑了数据的局部信息和噪声,能自适应地构建稀疏的最优图结构,并将其结合在经典的LPP( Locality Preserving Projection) 模型中,学习能有效刻画高维数据本征结构的投影矩阵,从而实现降维的目的。为了评估算法的有效性和可行性,在4 个标准的图像数据库( CMU PIE,Extended YaleB,OＲL 和COIL 20) 分别进行了分类与聚类实验,实验结果表明,所提出的方法在分类识别率和聚类准确率上都优于其他对比方法。     

干扰解耦降维观测器设计的新方法

针对系统状态易受外界干扰的情况,设计一种干扰解耦降维观测器。在设计上为了切合实际,考虑测量机构中含有未知输入的情况,提出在不丢失任何信息的情况下将测量机构中的未知输入通过一个简单的代数变换消除,对测量机构中不合有未知输入的观测器进行了降维设计。给出观测器存在的充分必要条件。观测器的存在条件仅依赖于自身,这种设计比较合理。这种观测器由于才用了降维设计所以结构简单、直接、便于应用。仿真试验表明了所提方法的有效性。     

缺失数据下的线性泛函的半参数降维推断

针对缺失数据下线性泛函估计中存在的非参数高维问题和模型参数化后的稳健性问题,提出了线性泛函估计的半参数降维推断方法,通过非参数函数估计来插补线性泛函,井用参数工作函数来降维.所得半参数降维估计具有双稳健的特点,即只要选择概率函数正确参数化或者降维插补指标可以修复线性函数的条件期望,所得估计就是相合的,而且二者都满足时,估计达到最优.     

一类新单参数混沌系统的降维控制

针对一类新单参数混沌系统,根据其特殊的系统结构给出了降维控制的策略.通过控制部分变量达到控制整个系统的目的,使得这类混沌系统的控制问题由三维降为两维,从而有效地降低了系统控制的复杂度.从反馈控制和自适应控制两个方面阐述了此降维控制策略的可行性,理论结果和数值仿真表明设计的降维控制方法可使系统稳定在任意的目标点或任意的周期轨道上.     

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

基于热平衡法生成同时发生设计日的方法研究

提出了基于热平衡法生成同时发生设计日的方法. 首先基于热平衡法计算某城市的历年逐时动态冷负荷,以历年平均不保证50 h为依据确定理论设计负荷,采用综合聚类法挑选同时发生设计日. 用热平衡法计算同时发生设计日、传统设计日的峰值负荷,确定为同时发生设计负荷和传统设计负荷. 分别对比了哈尔滨、北京、长沙和广州样本房间的同时发生设计负荷、传统设计负荷与理论设计负荷的差异率. 结果显示,各城市同时发生设计负荷与理论设计负荷的差异率偏差范围都远小于传统设计负荷与理论设计负荷的差异率. 说明依据同时发生设计日的气象参数进行空调系统设计负荷计算是更加合理、准确的,基于热平衡法可以准确生成适合工程应用的同时发生设计日.     

基于随机旋转集成的降维方法

对随机旋转集成方法提出了一种针对降维问题的改进,得到了新的降维算法框架进行随机变换降维,可以显著减少降维过程中造成的信息损失.采用随机变换降维后,训练监督学习算法时可以获得更高的准确率和更好的泛化性能.通过在模拟数据上进行的实验,证明了使用多重共线性数据进行回归分析时,与传统降维算法相比,经随机变换降维处理后可以保留更多的信息,获得更小的均方误差.对随机变换降维在手写数字识别数据集上的表现进行了研究,证明了与一般性的降维算法相比,随机变换降维在图像分类问题上可以获得更高的准确率.     

文本聚类中的特征降维方法研究

文本聚类的关键是对高维的特征集进行降维．本文对常用的一些特征选择、特征抽取等主流特征降维方法进行了介绍,分析了它们各自的特点及其适用范围．     

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。     

基于属性降维的钓鱼网站检测方法

随着对钓鱼网站分析刻画的不断完善,使得钓鱼网站检测特征呈现高维化特点。属性维度的增加以及数据量的增长,会造成检测计算复杂度呈几何倍数扩大,导致检测时间复杂度高、占用资源大和检测效率低。针对多属性的钓鱼网站检测,设计了一种基于属性降维的钓鱼网站检测方法。该方法使用信息增益方法对原始数据进行特征选择,筛除可能存在的冗余和噪声数据信息;根据不同属性间的互信息计算属性相关性矩阵,利用属性相关性矩阵作为权值参与加权主成分分析;根据得到的降维后新特征数据通过监督学习算法构建钓鱼网站检测模型。实验表明,该方法可以有效降低原始数据中冗余和噪声属性的干扰,能够有效检测出复杂网络环境中的钓鱼网站,同时具有较高的稳定性。     

基于判别信息的近邻保持嵌入降维方法

针对传统近邻保持嵌入算法(NPE)侧重保持样本的局部结构,而没有考虑样本类别信息的不足,提出判别局部近邻保持嵌入算法DLNPE.该算法利用样本点的局部结构构造新定义下的类内类间散布矩阵,并以此作为判别信息引入目标函数.在6个真实数据上进行实验,证明了所提算法的有效性.     

基于知网语义相似度计算的特征降维方法研究

针对文本分类处理中的高维度问题,结合知网语义词典,提出了一种新的特征降维处理方法.通过计算特征词汇之间的语义相似度,将原有特征集分成若干特征词集;同一词集内的特征词语义彼此间相似;而不同词集的特征词彼此间相似度比较小.将同一特征词集内的词汇权重相加,从而突出同义词以及近义词对文本分类的贡献,并可以大大降低文本比较的特征维数.实验结果表明,利用该方法在文本分类中得到了较好的分类准确率和分类性能.