改进的布料模拟算法在多波束点云粗差剔除中的应用

针对目前多波束滤波需要人工剔除的现状,在布料模拟滤波算法（cloth simulation filtering,CSF）基础上,提出了一种基于点云分割和自适应参数调整改进的CSF算法。先对多波束点云数据进行分割,然后根据点云数据的面积和标准差调整每块CSF算法的参数,再构建布料滤波模型剔除粗差点,最终将分割后的点云拼接生成水下地形点云数据。结果表明,本文算法与CSF算法相比,克服了过度滤波现象,而且对于不同地区与人工方法粗差点剔除比分别从1.03下降到1.01和从1.46下降到1.19;与人工剔除粗差相比,避免了遗漏粗差点,人工干预很少。     

基于DBSCAN算法的浮动车数据预处理

针对现有浮动车数据预处理方法中存在算法复杂和精度低等缺点,提出一种基于DBSCAN(DensityBased Spatial Clustering of Applications with Noise)算法的浮动车数据预处理方法。该算法操作简单,仅需原始GPS数据中的纬度和经度就能去除浮动车数据中的轨迹漂移点。首先,在数据库中对浮动车数据进行剔除经纬度越界数据、剔除异常数据、剔除重复数据和剔除不完整数据处理;然后,使用DBSCAN算法剔除浮动车数据中的轨迹漂移点。利用该方法对武汉市浮动车数据进行预处理,能够快速有效去除浮动车数据中的轨迹漂移点。     

剔除变形监测粗差数据的新方法——数据跳跃法

当观测值中有多个粗差时拉依达法则一次只能剔除一个粗差,并且多个粗差之间互差不满足一定条件时拉依达法则失效.针对此问题在拉依达法则基础上提出了一种剔除变形监测粗差数据的新方法数据跳跃法.数据跳跃法克服了拉依达法则的部分局限性,可将含有粗差的变形监测值批量剔除,为一次剔除多个粗差提供了解决方法.采用该方法对实际监测数据进行了处理,取得了较好的效果.数据跳跃法为利用程序进行粗差判定与剔除提供了理论依据和算法.     

支持向量机用于肺癌血清近红外光谱诊断

使用支持向量机建立肺癌近红外血清光谱诊断模型。考察了光谱预处理方法的性能,结果表明负值校正、一阶导数、二阶导数、水吸收峰剔除都不能够很好的提高诊断准确率。全光谱留一交叉验证得到误诊率为22.45%。根据留一法结果确定建立诊断模型的样本,经过对支持向量机参数进行筛选后,误诊率可降为5%。     

数据挖掘中并行离散化数据准备优化

在海量数据挖掘中,针对元数据的离散化数据准备处理能有效提高数据挖掘效率.本文提出了一种并行比较并获得最优离散化的数据准备算法(AOA),针对不同数据集,先进行数据集的特性检测以获得数据集分布特性,按照分布特性进行数据集的异常值检测和剔除,并行完成与分布特性适配的离散化方法处理,通过比较不同离散化方法的熵、方差指数、稳定性参数的最小欧氏距离,根据三个参数自动化比选,获得最优离散化的预处理成果.仿真表明,对不同样本数据库进行关联规则挖掘结果中,比较四种固定的离散化数据预处理方法,在使用AOA数据准备算法并行比选出最优的离散化来数据预处理后,在不同最小支持度阈值情况下,挖掘得到关联规则数都更少,因此效率得到提高.     

基于机器学习的油气水层随钻识别模型优选

为了解决基于测井数据对油气水层的实时识别这一技术难题,利用计算机科学与现代数学,结合随钻测井技术与机器学习算法进行油气水层的随钻识别。首先,对训练集数据进行相关性分析,剔除弱相关或冗余数据;其次,选择一对多支持向量机、一对一支持向量机以及随机森林算法分别建立油气水层分类识别模型,并使用网格搜索方法及10折交叉验证法对3种分类识别模型参数进行优选;最后,运用参数优选后的各分类识别模型,对随钻测井数据进行油气水层的识别。研究结果表明,3种分类识别模型对研究区块油气水层随钻识别的准确率均达到75%以上。在训练样本较少的情况下,优先选用一对一支持向量机分类识别模型进行油气水层的随钻识别。     

一种基于移动周期模型的个人重要地点推断方法

提出了一种针对LBS(Location Based Services)目标用户的个人重要地点推断方法.该方法采用基于位置熵的剪枝预处理策略,该策略以位置熵为参考依据,对周期性不强的数据进行剔除,保证了数据的可靠性;采用EM(Expectation Maximization)算法对PMM(Periodic Mobility Model)模型参数进行估计,实现了对目标用户个人重要地点的推断.以Geolife及Reality Mining数据集为例进行实验.结果表明:在合理的参数取值条件下,相比于其他推断方法,该方法具有较高的准确率及较低的参数估计误差,对目标用户家庭位置及工作地点的推断具有一定参考意义.     

考虑异常数据剔除的产品可靠性评估

提出一种考虑异常数据剔除的产品可靠性评估方法,主要是依据异常数据剔除准则将由试验误差和样本分散性造成的异常数据予以剔除。基于加速退化试验数据外推产品伪寿命数据获取产品寿命数据,并对寿命数据进行分布拟合优度检验确定寿命最优分布。结合工程中常用加速模型利用最小二乘估计法进行模型参数估计,将高应力下伪寿命折算到正常应力水平下的寿命值,再依据异常数据剔除准则将不合群寿命数据予以剔除。然后将寿命数据进行分布拟合得到产品寿命分布,进而对产品进行可靠性评估以及可靠寿命估计。以某型加速度计为例验证了所提出的方法适用性和有效性。     

基于FA-SVM的高速公路交通事件检测方法

为了剔除交通数据样本有限、事件特征变量构建相对主观且包含的信息冗余等因素对交通事件检测效果的影响,设计了一种高速公路交通事件检测方法.利用因子分析技术将交通流数据初始特征变量"降维"并提取包含全部原始数据信息的特征变量主因子;利用支持向量机完成事件检测,结合libsvm软件中的grid. py模块实现支持向量机子模型相关参数的设定;选用Fresim软件的模拟数据进行对比分析.检测结果表明,所提出的算法检测效果优势明显.     

物联网感知信息采集过程重复数据批量剔除方法

针对目前重复数据批量剔除方法中提升压缩比和降低数据开销之间的矛盾,提出一种物联网感知信息采集过程重复数据批量剔除方法.首先将物联网感知信息采集数据文件组织作为数据位图的排列形式,结合滑动分块算法对系列形式进行更新,以列的形式读取数据信息,组成新的数据块.然后计算不同数据之间的相似度,通过量子粒子群优化算法优化BP神经网络,组建重复数据批量剔除模型,通过模型完成重复数据剔除.最后进行性能测试,实验结果表明,所提方法能够有效提升平均压缩比,降低平均时间开销和重复数据批量剔除错误率.     

一种涵道无人直升机模型参数辨识试验策略

针对样例涵道无人直升机,考虑机体振动等环境因素对输出数据的污染,提出一种样例无人直升机悬停模态下模型参数辨识方法．针对带角速率反馈的广义直升机参数辨识模型．利用直升机角速率、线加速度和操纵量依次独立辨识纵向通道模型参数Iy,Ib和Cr．首先根据传感器输出噪声方差先验信息筛选观测数据,有效剔除由此产生的部分野值样本．然后进一步采用低通滤波器对观测数据进行滤波．通过最小二乘法进行二次辨识．试验结果表明．该方法可显著提高模型参数辨识精度并降低参数估计的标准差．     

一对数据的剔除对边界条件下线性模型的影响

文[1]建立了度量数据的剔除对边界条件下线性模型影响的几个统计量,该文主要讨论一对数据的剔除时约束模型的交叉影响,找到了一组数据的剔除与一对数据剔除时影响度量之间的关系。     

基于k-medoids聚类算法的低压台区线损异常识别方法

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日...     

基于环形光切法的复杂深孔图像检测

针对膛线炮身管提出了一种基于环形光切的图像检测方法。该方法利用环形激光束照射到深孔内膛表面上形成的环形光斑图像进行检测。通过对环形光斑亮度极值线的亚像素提取、缺陷点剔除、数据分离、参数回归和系统标定,实现了截面形廓和尺寸的检测;通过多个截面形廓数据,实现了深孔内膛形貌的检测。在对直径为130mm的膛线炮身管的检测中,该方法的单点轮廓测量精度达到了0.1mm,满足了身管质量控制和使用维护所需要的测量精度要求。     

针对多波束测深数据的抗差稳健估计滤波算法研究

多波束测深是获取水底地形的重要方法,针对多波束测深数据受到测船运动、假回声信号以及缺少检核条件而导致的异常值难以探测和剔除的问题,本文采用基于抗差的稳健估计滤波对测深异常值进行探测和剔除.对使用Seabat8125多波束测深系统测得的数据进行仿真处理,分别在平坦、倾斜和起伏这三种典型水底地形中随机加入不同幅度的异常值,然后基于抗差稳健估计滤波使用不同大小的滑动窗口对测深数据异常值进行探测和剔除,最后将处理结果与中值滤波和趋势面滤波进行对比分析.结果表明基于抗差的稳健估计滤波方法相比于其他两种方法可以更加有效的探测和剔除各种幅度的测深数据异常值且不受窗口大小的影响,进而为获取海水底地形提供准确的测深数据.     

一对数据的剔除对边界条件下线性模型的影响

文（１）建立了度量数据的剔除除对边界条件下线性模型影响的几个统计量。该文主要讨论一对数据的剔除时约束模型的交叉影响。找出了一组数据的剔除与一对数据剔除时影响度量之间的关系。     

利用模式识别技术提高燃烧激励响应信号信噪比

针对实测缸盖表面振动信号中的耦合低频干扰信号,提出了在内燃机曲轴转角域建立往复惯性力激励响应信号模型的方法,利用模式识别技术辨识模型参数,剔除往复惯性力激励的影响,以提高燃烧激励响应信号的信噪比,并利用195型单缸柴油机的测试结果对所提出的方法进行验证.结果表明:选用压缩过程初期的数据进行模型参数辨识、采用4阶模型描述往复惯性力激励响应信号可以获得较为理想的效果;而瞬时转速波动对模型参数辨识的影响不显著;采用模式识别技术剔除往复惯性力激励响应信号后,实测的振动速度信号与压力升高率信号在峰值压力前后角度域内的相关性明显提高,从而验证了所提出方法的有效性.     

一种智能电子测量系统中粗大误差的处理方法

在智能电子测量系统中,常会使测量数据产生粗大误差,含有粗大误差的数据必须剔除.分析了传统粗大误差判据的不足,应用数理统计参数估值理论提出了一种粗大误差的判据,该判据适用于采样次数较少(一般n≤10时)的测量系统中,剔除粗大误差的准确性高,应用于高精度智能电子测量系统中,可以提高测量数据的精确度.     

完全贝叶斯分类器在经济数据分类中的应用

针对贝叶斯分类器分类强关联属性导致分类准确率下降的问题,提一种完全贝叶斯分类器合理利用属性间的依赖关系优化贝叶斯分类器,对参数进行动态调整组合,同时合理剔除无关属性.采用国内外知名数据库提供的数据,通过与其他分类器的对比实验,证明了完全贝叶斯分类器在宏观与微观经济数据分类中都获得了较好的分类效果.     

飞行数据趋势监测在飞机“健康状况”评估中的应用

针对飞行数据属于多状态时域数据的特点提出了一种用于参数趋势监测的方法 ,该方法为“飞机健康”状况提供了一种科学的评估依据。首先对飞机在稳定工作状态和飞行特征时段下的飞行数据进行筛选处理、野点剔除和统计分析 ,并在此基础上建立时间序列AR模型进行参数预测 ,进而采用阈值对比法实现了参数的趋势监测 ,最后讨论了趋势监测在“飞机健康”状况评估中的应用方案。实例表明这一方法具有较高的准确性和重要的工程应用价值