极小强连通有向图

强连通有向图D称为极小的,若在D中删去任意一条弧,则所得的有向图不是强连通的.讨论了极小强连通有向图的耳朵分解的一些性质,构造了非平面极小强连通有向图的例子, 证明了极小强连通图的点色数至多是3,并且当极小强连通图的耳朵分解中每个耳朵的长度不小于4时,它有两个不相交的准核.最后确定了给定顶点数的极小强连通有向图的弧数的界,刻画了相应的极图.     

经验模态分解和小波分解滤波特性的比较研究

 为了更好地了解小波分解(WD)和经验模态分解(EMD)2种方法对非平稳信号滤波特性的差异,以及2种方法的实际应用效果和各自的优缺点,提出了运用对高斯白噪声信号分解分量平均功率谱特性的分析来对比2种方法滤波特性差异的研究方法,并运用多项对比实验对所提研究方法的有效性进行验证.实验结果表明,所提研究方法能够有效地解释2种分解各自的滤波特性.对于EMD分解,各分量平均功率谱表现为带宽逐渐减小,中心频率逐渐降低的一组有序排列的带通滤波器.整个分解过程不需人为干预可自动完成,但存在边缘效应问题,如不加以处理可能会严重影响分解质量;对于小波分解,选择不同小波基,有的表现出与EMD分解类似的多尺度滤波特性,有的则不尽相同,甚至是完全不同.所以小波基的选择和分解层数的设置不同,可能会导致分解结果出现较大差异,因此存在对小波基优化选择问题.此外,小波分解过程速度较快,平均用时仅为EMD的1/25.     

基于mRMR与因子分解机的分类模型研究

很多学者用“全球恐怖主义研究数据库”GTD数据集，采用博弈论、K近邻法和支持向量机等分析恐怖事件的聚集性，已经取得一些成果.但在前期研究中未有很好考虑数据的稀疏性以及高维度多冗余等会导致聚集分类准确率不高的问题.本文提出一种基于最小冗余最大相关与因子分解机结合的TFM分类模型，使用增量搜索方法寻找近似最优的特征解决高维度多冗余问题和FM方法解决数据稀疏问题，并对预处理后的恐怖袭击事件数据用TFM模型做量化分类.文中使用朴素贝叶斯NB、支持向量机SVM、逻辑回归LR与TFM等4个模型的“马修斯相关系数”MCC进行比较，结果显示TFM的MCC相对于其他三个模型NB、SVM、LR分别提高了49.9%,2.5%,2.3%，可见TFM模型有一定可行性.     

基于WPD和CSP的四类运动想象脑电信号分类方法

针对多通道四类运动想象脑电信号分类问题,引入小波包分解(WPD)与共空间模式(CSP)融合的脑电信号特征提取方法.首先利用小波包对训练集的多路脑电信号进行分解,然后用共空间模式算法对不同分解层子带的脑电信号进行特征提取,最后设计了基于支持向量机(SVM)的分类方法.应用提出的方法对四类运动想象脑电信号进行了特征提取和分类,分类正确率达到71.5%;相对于单纯的CSP特征提取,正确率提高了5.8%,说明了该特征提取及分类方法对该数据集的有效性.     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。     

基于矩阵分解的荧光显微序列线粒体检测

利用图像处理技术,检测荧光显微序列中的活性线粒体是生物医学领域重要的研究手段之一.受到荧光显微镜成像技术的限制,序列中每帧图像均包含细胞质阴影和荧光标记的线粒体,具有很低的信噪比,难以满足一般粒子检测算法的要求.为了精确检测活细胞中的线粒体,提出一种基于矩阵分解的荧光显微序列线粒体检测算法,并利用增广拉格朗日乘子法,快速准确地实现该算法,将线粒体从细胞质阴影中有效分离出来,实现线粒体的精确检测.实验结果表明,此方法为活细胞中线粒体的精确检测提供了快速、高效的分析工具.     

[Cl-M-PH_3]_2(M=Cu,Ag,Au)复合物亲金属效应的理论计算

依照高级电子相关校正理论CCSD(T)/aug-cc-p VTZ的水平,对[Cl-M-PH3]2(M=Cu,Ag,Au)复合物的亲金属相互作用进行了研究,发现相互作用能整体差别不大,亲银作用较强,亲金次之,亲铜较弱。用对称性匹配微扰理论(SAPT)对这些复合物的结合能进行能量分解分析,结果表明由Cu到Au,静电能、诱导能和色散能逐渐增大,诱导占主要吸引作用的58%以上,起主导作用,静电和色散能相差不大,其中[Cl-Ag-PH3]2的诱导能比[Cl-Au-PH3]2大。     

M{2,3},M{2,4}和M{2,3,4}的有效刻画（英文）

集合A到集合B上的一个一一映射f称为B的一个有效刻画。本文提出的选逆象指标法(SIIIM)给出集A_1={α:α=(I_s,η)~T∈C_s~(n×s)}到象集B_1={β:β=α(α~*α)~(-1)α~*,α∈A_1}的一个有效刻画公式,并证明了B_1是I{2,3}_s的稠密子集,且I{2,3}_s的每个元素都与B_1的某个元素置换相似,利用上述结果,分别建立了I{2,3}和长方阵广义逆矩阵类M{2,3}.的有效刻画公式。再利用等式I{2,3}_s=I{2,4}_s=I{2,3,4}_s,进一步获得了M{2,4},M{2,3,4}的有效刻画公式.算法3.1可用于无重复地计算I{2,3}_s的任一个元素.     

一种提取近红外光谱信号中诱发血液动力学反应的方法

为了更好地提取与大脑功能活化有关的诱发血液动力学反应(EHR),综合比较了不同经验模态分解算法的优缺点,提出了一种提取近红外光谱信号中EHR的方法——ICEEMDAN-RLS。利用5种经验模态分解算法对近端通道信号进行分解,根据分解结果对远端通道信号进行自适应滤波,借助皮尔森相关系数和相对均方误差评估不同经验模态分解算法的EHR提取性能,在此基础上分析经验模态分解和传统块平均方法的块平均次数与EHR信号质量之间的关系。结果表明,基于5种经验模态分解算法的自适应滤波方法都能有效提取远端通道信号中包含的EHR,ICEEMDAN-RLS具有更大的皮尔森相关系数和更小的相对均方误差,仅需要进行10次块平均便可获得稳定的EHR信号,比传统方法的块平均次数减少了75%,且具有较高的EHR信号质量,可以更有效地提取淹没在全局干扰中的EHR。该结果可为大脑功能活化的研究提供参考。     

基于VMD-IPSO-RFR模型的光伏发电功率预测

针对预测数据噪声过大或超参数调整不当,导致随机森林回归(RFR)模型预测光伏发电功率精度不高的问题,提出一种基于变分模态分解(VMD)结合改进的粒子群(IPSO)优化随机森林回归(RFR)的光伏预测模型。该方法先用灰色关联度系数法(GRA)选取相似日,再使用VMD把相似日功率数据分解为一系列相对平稳的子模态,突出光伏发电功率的局部特征信息,降低数据的不稳定性,然后利用IPSO对RFR中超参数进行寻优,将优化后的IPSO-RFR模型对各个分量进行预测,最后将预测结果进行叠加重构。实例证明,该模型在晴天和阴雨天的预测平均绝对百分比误差分别为10.64%和5.42%,预测精度相对较高。