神经网络训练的分解重组算法

本文介绍了把线性不可分问题分解为一系列线性可分子问题、对线性不可分问题进行求解的网络分解重组算法．还证明了该算法的收敛性．实例研究表明：该算法不仅可以得到神经网络的隐层空间目标和隐层单元数，而且提高了对线性不可分问题的求解速度，因此是一个非常有效的神经网络训练算法．     

与星下在交的[0,ki]^m1—因子分解

设Ｈ是图Ｇ的任一个具ｍ条边的星，即ｍ－星。证明了，对任给的ｍ个整数ｋ１，ｋ２，ｋ１，．．．，ｋｍ，当对任意的ｘ∈Ｖ（Ｇ）有ｄＧ（ｘ）≤ｋ１＋ｋ２＋．．．＋ｋｍ－ｍ＋１时，Ｇ有一个「０，ｋｉ」＾ｍ１－因子分解与Ｈ正交。     

Lanczos算法误差估计的若干问题

设Ａ为ｎＸｎ实对称矩阵，对于给定的ｊ个线性无关列向量组成的ｎ×ｊ实矩阵Ｑ，对任意ｊ×ｊ实矩阵Ｔ，记Ｒ（Ｔ）＝ＡＱ－ＱＴ。本文给出ｊ×ｊ实矩陈Ｈ，使｜｜Ｒ（Ｈ），并证明当Ｔ取矩阵Ｈ时，文献［１］中Ｐ．１２２定理４．１０的“”可以改变成“１”。     

基于小波变换的能量和方差分析图像压缩方法

在对图像进行小波包分解的基础上实现图像压缩.根据小波系数的分布特点严格推导得出:可以用能量和方差作为衡量小波系数重要性的标准,并据此对系数矩阵块进行选择分组,自适应地进行量化,而且不同的量化方式可以共用码表;对低频部分扰动足够小的区域取均值,结合提出的存储方法,在不引入误差的情况下减少了编码负担,在保证图像质量的同时有效提高了压缩比.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声,在进行故障特征提取之前必须加以消除.首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比,然后将奇异值分解技术用于信号降噪,最后提出了一种将小波包和奇异值分解相结合的降噪方法.该方法将输入信号进行一次小波包分解,利用奇异值分解方法对分解后的幅值量化系数进行降噪.实例表明,小波包和奇异值分解相结合的方法降噪效果最好.与其他方法相比,用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高,且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号,大大提高了特征提取的准确率.     

粒度的分解与复合

文章定义了基于等价关系的粒度的概念,从整体上给出了粒度的分解和合成的统一方法.利用这个方法可以描述和区分信息系统中的元素.     

圆环射线分解投影轮廓的三维模型检索方法

虚拟现实、可视化技术、数字化和三维图形建模的发展使互联网和专用数据库中三维模型的数量和检索需求快速增长,因此提出了一种圆环射线分解投影轮廓的三维模型检索算法。首先,对三维模型进行位姿对准、投影变换和边界提取;然后,对提取的投影轮廓用圆环射线分解的组合方法参数化,并对该参数化函数进行傅立叶分解,得到图形特征;最后,对特征描述符做相似性匹配,计算特征比较值,得到检索结果。实验表明,该种方法对三维模型的检索效果较好。     

多维动态模糊数据的分解模型研究

对多维数据的研究最大困难在于其数据量十分庞大,数据规模的单纯扩大,往往导致系统的复杂性成倍增加,而且在研究中发现,存在着大量具有“多维性”、“动态性”和“模糊性”的数据.对此,该文基于动态模糊理论,提出了多维动态模糊数据的分解模型,该模型的建立,为人们用计算机处理这类问题提供了理论依据.     

基于粗糙集理论的知识库分解与规则获取

粗糙集理论可以通过对数据的约简从例子中学习,获取决策规则。但是,当知识库规模较大、条件属性个数较多时,存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念,提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念,在此基础上定义了一个属性选择量度,选择最佳目标属性对知识库进行分解,直到所有对象都被精确分类,从而得到具有一定支持度的规则集,得到的规则长度短,提取速度快。通过对一个简单实例的分析,证明了该算法的可行性。     

由覆盖性测试应变识别简支梁破损

梁在破损处的应变突变明显，其它处甚至紧邻破损处的应变没有明显变化，由应变振型识别梁的破损，测试应变应沿长度覆盖整个梁，采用大标距应变片或应变测试辅助装置进行覆盖性测试是可行的，测量结果是标距范围内应变的平均．采用奇异值分解方法处理测试应变数据，可将微弱突变信号分离出来．