基于特征量融合和支持向量机的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种经验模态分解(empirical mode decomposition, EMD)结合时域分析后使用主成分分析(principal component analysis, PCA)融合特征量的特征提取方法。首先,通过EMD分解得到前5个本征模态函数(intrinsic mode function, IMF)分量的上、下包络值矩阵的奇异值;然后,对轴承原始信号进行时域分析得到各种时域特征参数;最后对奇异值和时域特征参数使用PCA降维融合后输入到多分类支持向量机(support vector machines, SVM)中进行分类。通过实验仿真验证,融合后的特征量诊断准确率达到了98.6%,该方法能充分地提取出轴承故障特征信息,诊断效果良好。     

神经网络参数对地震类型识别的影响

由于震源识别模型判据选取不当或关键参数设置不合理,现有地震辨识模型的性能受到一定制约。为了改善地震类型识别效果,优化反向传播(back propagation, BP)神经网络参数设置,提出了一种经验模态分解(empirical mode decomposition, EMD)多尺度近似熵(multi-scale approximate entropy)判据,并讨论训练函数、激活函数、隐藏层神经元数目与学习速率等网络参数对地震辨识的影响。首先,针对多组天然地震事件及人工爆破事件波形进行关键信息提取与归一化,利用EMD算法提取6个本征模态函数(intrinsic mode function, IMF)和1个剩余分量(residual),然后分别计算近似熵得到EMD多尺度近似熵向量;再次,设计一系列BP神经网络调参实验,研究BP神经网络参数对地震类型识别的影响。结果表明,训练函数、激活函数、隐藏层数目等参数对地震辨识产生了明显的影响,辨识效果较好的参数组合为：训练函数采用共轭梯度法,输出层激励函数为purelin函数,隐层激励函数为logsig函数,隐层节点数和学习率分别设置为10和0.0...     

基于流量自相似模型的SYN-Flood DDoS攻击防范

为了有效防范SYN-Flood (SYN洪流)这种典型的DDoS攻击,在分析攻击原理的基础上,提出了一种新的SYN-Flood攻击防范方法.该方法采用了基于网络流量自相似模型的异常流量检测技术,以及一种验证远程客户端TCP连接有效性的智能过滤技术,并通过实验证明该方法的有效性.     

基于双脉冲特征的滚动轴承缺陷尺寸估计方法

根据提取的滚动轴承特征信号实现对故障缺陷尺寸的准确估计,提出了一种基于双脉冲特征的滚动轴承缺陷尺寸估计方法.采用AR模型对采集到的振动信号进行预白化处理,对预白化处理后的信号进行VMD分解,得到一系列固有模态函数.根据峭度值和互信息最大,分别选取包含有阶跃成分与冲击成分的分量,并采用平方包络增强信号的特征.根据双脉冲特...     

结构动力模型修正中的一类矩阵反问题

在实际工程中,由有限元模型得到的计算值与通过试验获得的测量值之间往往存在偏差,为了能够精确预测结构的动力响应,依据测量信息修正存在的动力模型是非常必要的.本文考虑用不完备复模态测量数据修正粘性阻尼矩阵的问题.在假定分析质量矩阵与分析刚度矩阵是精确的情况下,通过求解一个约束最优化问题,得到了满足特征方程的加权Frobenius范数意义下的最优对称非负定修正矩阵.     

基于知识图谱和语义相似度的岗位匹配与排序方法

互联网的普及极大地促进了在线招聘平台的发展,如何利用有效的算法在海量的职位和简历库中自动匹配符合岗位要求的简历,是构建在线招聘系统的难点之一.为解决上述问题,本文融合知识图谱和文本语义相似度算法,提出了一种采用字符搜索寻找符合岗位要求的简历子集和根据文本语义相似度对所得子集进行排序的两阶段方法.实验结果表明,基于BER...     

基于澳大利亚火灾有向网络节点属性的链路预测研究

从2019年9月开始,澳大利亚发生毁灭性的山火并迅速蔓延,火灾问题引起了世界范围的广泛关注.针对火灾的持续蔓延,本文利用Jaccard系数算法,根据节点的气候、温度、降水量、风速、植被、地形等属性来计算节点的属性相似度,然后根据澳大利亚火灾网络中节点的经度、纬度以及风向属性来构建澳大利亚大火的有向网络,将节点的属性相似...     

线粒体密码表的进化关系

提出一个理论模型,由此推导出标准密码表与10个物种线粒体非标准密码表之间的进化关系,得到这些表的进化关系和真核总界中物种的三界分类正相吻合,同时发现氨基酸与终止密码间的无义突变和其逆过程是重建进化树的关键因素.     

基于时频融合卷积神经网络的股票指数预测

传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降。为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法。首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性。进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型。最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性。     

基于混合相似度度量的跨语言舰船实体匹配算法

由于装备信息的敏感性,军事领域的跨语言实体匹配问题会面临缺乏标注好的平行语料、依赖机器翻译质量等问题。从这些问题出发,提出了一种跨语言舰船实体匹配算法。首先归纳匹配规则,通过融合机器翻译和词典短语释义取得语言转换结果,设计了检测后缀相同字符串的相似度度量suffix-matter优化候选集,提高了算法的效率。还设计了捕捉字符和发音特征的混合相似度度量MixSim协助寻找匹配的实体。利用从互联网上爬取各国舰船活动事件的新闻报道和简式舰船数据进行实验,结果表明算法取得了较好的效果,而且证明了两种相似度度量在字符串比对中的有效性。