多边矩阵框架的基阵表示和数据挖掘 ——处理复杂系统的新思维系列之二十七

作为系列论文的第27篇,介绍了多边矩阵框架的基阵表示概念,给出了多边矩阵框架的基阵表示的基本性质.作为应用,研究了多边矩阵框架的基阵表示和数据挖掘之间的关系.     

面向公差自动生成的装配信息提取与表示方法

为了满足公差建模以及公差类型自动生成等公差设计的要求,需要从CAD造型系统中提取装配体的相关装配信息并进行表示。由此,本文提出了一种在SolidWorks软件中提取装配体的零件装配要素表面和装配约束的方法,用装配要素约束图和矩阵图表示零件之间或者装配要素表面之间的约束关系,并以集合形式表示装配要素表面和装配约束。最后结合实例进行分析,结果表明,该方法能正确提取和表示装配体的装配要素表面和装配约束。     

八种最小二乘SVM型学习算法的优势比较

我们知道,支持向量机(Support Vector Machine,SVM)型学习算法的计算复杂性和稀疏性对分析和处理大数据来说是非常重要的两个因素,尤其是对高维数据.学者们针对这两个因素做了大量的研究,提出了许多改进的SVM型算法,常见的有基于最小二乘技术的SVM型算法和孪生SVM型算法.它们当中,有些算法的出发点基本相同,但是求解方法上略有不同;有些算法有明显不同的出发点,其所构建的最优化模型也不相同.选取八个较具代表性的最小二乘SVM型算法,分析和比较它们之间的优势和劣势,以期读者更加深入的理解这类算法,且在应用于实际问题中时更具有选择性.     

核稀疏概念编码算法及在图像表示中的应用

稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

点群的复表示环之增广商群

设G是有限群,R(G)为G的复表示环,I(G)为其增广理想.对第一类点群(特殊正交群SO3(R)的有限子群)和任意的自然数n,给出了增广理想的n次幂In(G)作为自由交换群的基底,并确定了其增广商群In(G)/In+1(G)的结构.     

基于样本稀疏化高斯过程的发酵过程软测量建模方法

提出了一种基于样本稀疏化高斯过程(GP)的发酵过程软测量建模方法。该方法将聚类和灰色关联度分析相融合，综合考虑样本点间欧式距离和各个特征向量对样本点间相似度的影响，通过剔除相似度比较大的样本点，实现训练样本集的稀疏化，降低了模型的计算复杂度。利用基于样本稀疏化的高斯过程构建青霉素发酵过程的软测量模型，同时得到青霉素浓度的预估值和表征预估值的不确定度，实验结果表明，本文所提方法与标准GP方法相比，在保证模型预测精度的前提下，减少了模型的训练时间。     

《华南师范大学学报(自然科学版)》征稿简则

《华南师范大学学报(自然科学版)》是华南师范大学主办的自然科学综合性学术刊物(双月刊),主要刊载数学、物理学、计算机科学与技术、化学、生命科学与技术、地理学、电子与信息科学、化学工程、材料科学、食品科学、环境科学与工程、光学工程、信息与通信工程等方面具有创新性的研究成果,本刊为全国中文核心期刊、中国科技核心期刊和RCCSE中国核心学术期     

l_q稀疏正则化理论及其在热传导反问题中的应用

lq(0q≤1)稀疏正则化在实际应用领域已经得到了广泛的应用。在信号处理领域,简单的迭代算法能够得到满意的重构结果,但是,针对较为复杂的偏微分方程反演问题,利用这些算法进行反演往往很难达到最佳的重构效果。将已有的迭代算法进行改进,并将其应用到热传导反演问题中,通过和标准的吉洪诺夫正则化方法进行比较,说明lq稀疏正则化方法和改进的迭代算法的优点。     

广义BabyTKK代数的Boson-fermion场下的不可约模

研究对应于欧式空间中最小（非格）半格S的babyTKK李代数^g（T（S））的泛中心扩张广义babyTKK代数^g（T（S））的一类boson-fenmion场下的不可约表示，这里T（S）为半格S∈R^υ（υ=2）上的Jordan代数。