采用时间序列突变点检测的滚动轴承性能退化评价方法

以滚动轴承为研究对象,根据性能退化曲线的现实意义定义了对性能退化特征提取具有指导意义的评价方法,该方法由初始退化点、初始敏感性、失效突变性和趋势一致性4个指标构成,并根据性能退化曲线的物理特性设计了性能退化特征评价的定量化指标;利用时间序列线性化突变点检测的方法给出了评价指标的计算过程,为性能退化特征的选取提供了更为直观的依据。使用国际通用的Swiss数据集进行验证,实验结果表明该评价方法可以全面评价各个性能退化特征对性能退化过程的表征效果。为了更好地保持原始高维数据的空间位置关系,提出了基于邻域参数自适应选取的局部线性嵌入(LLE)算法,通过自适应局部权值向量来保存高维空间数据的局部线性结构,将多个局部线性进行叠加来不断地逼近全局的非线性,有效提高直接使用高维数据反映原始状态性能的可靠性和稳定性。使用滚动轴承加速寿命试验数据,对比邻域参数自适应LLE算法和常规LLE算法所提取的性能退化特征,验证了邻域参数自适应LLE算法可以保留更多原始高维数据的信息。     

椭圆曲线y2=x3+135x-278的整数点

运用同余、递归序列等初等方法讨论了椭圆曲线y~2=x~3+135x-278上整数点的问题,证明该曲线仅有整数点(x,y)=(2,0),(14,±66),(284 594,±151 823 364).     

基于像素值排序最值阶跃响应的可逆信息隐藏

针对现有明文域可逆信息隐藏方案对于单个像素值修改过程中仅嵌入单比特秘密信息,提出一个基于像素排序值(pixel value ordering,PVO)阶跃响应的可逆信息隐藏方案。PVO对像素块排序后的最值进行预测和修改实现秘密信息的可逆嵌入,具有高保真的特性。利用PVO后的参考像素来确定高保真阶跃修改量,然后通过阶跃处理进行块内冗余像素的选择,最终通过排序序列与像素位置的映射关系来实现信息的嵌入。方案每修改单个像素值信息能够实现多比特秘密信息的嵌入,并且由像素排序确定得到的阶跃修改量能够保证信息提取后图像的无损恢复。经仿真实验验证,在达到同样嵌入容量要求条件下,研究结果较先前基于预测扩展处理的像素值排序方案能够大幅减少像素修改的数量,并且低负载条件下峰值信噪比性能指标得到显著提升。     

毛竹LhcaPe03基因在不同组织中的表达量

摘取毛竹苗幼嫩新鲜叶片,提取RNA,反转录进行RT-PCR,先克隆捕光叶绿素a/b结合蛋白基因Lhca3片段,采用RACE扩增全长,获得一条1 149 bp cDNA的基因,检测后定名为LhcaPe03。从毛竹未出土的笋芽、叶(顶端第一片新叶、老叶)、茎(茎尖、茎秆)中提取RNA备用,根据已测的毛竹LhcaPe03基因序列设计引物,采用实时荧光定量PCR技术,检测毛竹LhcaPe03基因在不同部位的相对表达量。结果显示:LhcaPe03基因在毛竹不同部位的表达差异明显,茎尖和新叶中表达水平较高,在老叶和茎秆中表达量相当低,在笋中几乎没有表达。这说明毛竹新叶的光合能力比老叶强;茎尖和茎秆呈绿色,具有光合能力,茎尖光合能力较强;未出土的笋芽几乎不参加光合。     

广义Motzkin序列的Hankel行列式

基于经典的Motzkin路引入一类新的加权Motzkin路的定义.用这种路给出一类Riordan矩阵组合解释,并得到Riordan矩阵首列元素(广义Motzkin序列)的加法公式.利用此加法公式和Riordan矩阵的生成矩阵将广义Motzkin序列的Hankel矩阵进行分解,从而得到广义Motzkin序列的Hankel行列式的一般公式.通过将Motzkin路的权特殊化,得到一些组合序列的Hankel行列式.     

一类算子矩阵的扇形性及复指数幂

研究扇形算子在数乘运算下的扇形性,对数乘算子的谱集及预解算子进行刻画,并探讨了它的纯虚数幂的有界性。以此为基础,采用迭代的方式,构造了Jordan块J(A)的预解式及其复指数幂的表达式;然后,借助矩阵的Jordan标准型,证明了当矩阵M的特征值集中在右半平面的一个扇形区域时,算子A的扇形性及纯虚数幂的有界性将在算子矩阵M(A)中得到保持。该研究成果可以应用于带有散度型或非散度型椭圆算子的偏微分方程组的研究。     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.     

两两NQD序列完全矩收敛的精确渐近性

设{X_n, n≥1}为同分布的两两NQD(negatively quadrant dependent)序列, 均值为0. 在适当的条件下, 利用两两NQD序列的中心极限定理和矩不等式等工具, 给出两两NQD序列部分和一般对数律下完全矩收敛精确渐近性的一般函数式.     

基于双维注意力机制的事件要素识别方法

事件要素识别是事件抽取的基本任务,对后续任务的开展起着重要作用.随着深度学习技术的发展,神经网络逐渐成为事件要素识别的主流方法.近几年,注意力机制在自然语言处理领域得到广泛使用,但注意力机制依赖于嵌入层对上下文特征的提取,在事件要素识别等序列标注问题中效果不理想.针对这一问题,提出了一种基于注意力机制的双维注意力机制,从矩阵行和列两个维度计算注意力得分,因此可以较好地提取句子的上下文特征,并且使用了动态目标损失函数,通过动态给予不同标签不同的权重,一定程度上缓解了样本不平衡和数据稀疏带来的模型泛化不足问题.在CEC2.0中文突发事件语料库上对比实验表明,所提方法取得较好效果.     

一种空间域自适应低失真防篡改图像数字水印方案

为提高嵌入水印后的图像质量,提出一种空间域自适应低失真防篡改图像数字水印方案。该方案的水印嵌入位置由混沌密钥确定,以使水印能均匀、随机嵌入到图像的各个部位;采用S LSB算法将水印嵌入到图像像素的次低位,使其能够抵抗一些非恶意的图像水印攻击。该嵌入算法下水印图像的峰值信噪比（peak signal to noise ratio, PSNR）由水印长度和混沌位置密钥决定。为提高水印图像的质量,在给定水印的情况下,自适应地调整水印位置密钥,使水印图像的PSNR达到给定的要求;为降低算法的运算量,快速完成混沌位置密钥的自适应调整,进一步提出分段自适应水印算法。实验表明,该算法能够获得满足应用需求的PSNR,且对一些常用篡改操作能给出篡改率和篡改位置。