基于谱正则化算法的大数据矩阵完备化研究

矩阵完备化是基于部分观测数据来完成全部矩阵预测的问题.随着互联网技术的发展,大数据时代的来临,大数据矩阵中大多数据依然是空白的,需要补充,即大数据存在矩阵完备化的问题.本文利用谱正则化模型和算法来解决大数据的矩阵完备化问题,该方法将矩阵完备化问题整理成核范数最小二乘问题,再通过截断奇异值分解、软输入算法和硬输入算法给出了一系列正则化低秩解.最后基于实际的Netflix 大数据的实验结果证明了本文的方法.     

关于Kallio—Porteus的一类线性规划算法的推广

将Kallio和Porteus提出的求解线性规划的一类算法加以推广,进一步将其假设条件减弱,在非退化的情形下证明了算法的有限收敛性．     

磁化等离子体中的离子声波

研究了存在外磁场时等离子体中的低频离子声孤波,得到了描述等离子体中有限小振幅的离子声波的ZK方程,同时给出了离子声波电势的孤波解。研究结果发现,对于波只沿一维传播的情况,外磁场对波的特性没有影响。     

行(列)对称矩阵的LDU分解与Cholesky分解

提出行(列)转置矩阵与行(列)对称矩阵的概念,研究它们的性质,获得一些新的结果.给出行(列)对称矩阵的LDU分解、Cholesky分解和三对角分解公式,可极大地减少行(列)对称矩阵的LDU分解、Cholesky分解和三对角分解的计算量与存储量,而且不会丧失数值精度.     

基于EEMD的中国地区1956—2005年日照变化的趋势分析

根据国家气象信息中心给出的逐日日照时数资料,利用集合经验模态分解(ensemble empirical mode decomposition, EEMD)方法,得到中国地区日照时数的非线性趋势变化特征.对各气象台站日照时数的非线性变化趋势类型做了分类以及分区域和季节研究,并与线性趋势进行对比.结果表明:近50年来中国地区绝大部分气象台站(占总气象台站数的67.5%)日照时数呈现下降的趋势,尤其是在中国南部和东北地区,呈现明显的区域特征和季节特征.日照时数的年代际变化整体上在1980年前后出现气候转型,即呈现前期日照较长、后期较短的气候形态     

基于VMD改进算法的气体管道泄漏检测

为提取气体管道声波信号中的泄漏成分并进行重构,提出一种结合VMD( VMD: Variational Mode Decomposition) 和误差能量算法的特征提取方法。该方法首先利用油气管道泄漏检测系统模拟气体管道的微小泄漏,并采集泄漏声波信号; 然后利用VMD 算法将采集到的泄漏声波信号分解为一系列带宽受限的固有模态;随后,使用误差能量算法选择有效模态; 最后,利用有效模态进行信号重构。通过仿真分析发现,该改进算法可以提取有效模态,利用该方法处理气体管道微小泄漏声波信号,能有效滤除噪声并重构原始信号。     

基于模态扩展的变速器箱体振动识别及辐射噪声优化

提出一种基于模态扩展技术的变速器箱体振动识别方法.以某变速器为例,应用有限元方法计算出变速器箱体的模态频率和特征向量,通过试验测得箱体在运行工况下部分点的振动加速度,将振动加速度映射到有限元模型上,得到各阶模态的参与因子,依据模态参与因子与特征向量识别箱体有限元模型中所有节点的振动加速度.研究表明,识别出的加速度值与实测值的最大平均残差为9.7%,基于模态扩展技术的箱体振动识别方法有效.最后根据识别的加速度计算变速器箱体辐射声功率,确定了3个辐射声功率较大的区域并进行优化,优化后的变速器箱体辐射声功率最大下降1.8dB.     

受限空间内水平风作用下热分层流流场结构的POD分析

对不同水平剪切强度下受限空间内热分层流的流场进行了PIV测量.应用特征正交分解(POD)方法分析了受限空间内热分层流的流场结构.结果表明,没有水平强迫气流时,低阶POD模态占总能量的比重较高,表明水平方向的宏观流动为主流运动;水平强迫剪切气流会造成能量向高阶POD模态耗散转移.而且,水平强迫剪切气流造成不同阶数的POD模态中竖向动能与水平方向动能的比值均比没有水平强迫气流时高,表明水平强迫剪切气流降低热分层流的稳定性并促进竖向质量交换.     

一种新的基于离散对数的盲签名方案及其应用

目的 针对已有的一些盲签名方案中采用了耗时的双线性对运算,或者没有提供安全性证明的问题,设计更加高效和安全的盲签名方案.方法 利用数字签名技术与盲签名技术.结果 提出了一种新的基于离散对数问题的可证安全的盲签名方案.结论 方案满足盲签名的盲性、不可链接性和不可伪造性,与现有方案相比具有更高的效率,并且结合代理签名技术,提出了一种可证安全的代理盲签名方案,并证明其满足代理盲签名方案的可区分性、不可伪造性.     

基于EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...