相对主元分析方法及其在故障检测中的应用

通常情况下利用传统的主元分析方法虽然可以对系统进行故障检测和诊断，但是如果数据标准化以后呈“均匀”分布时，由于很难选取主元，或者选取出主元时没有考虑随机向量分量的物理意义，使得主元没有代表性。在分析了主元分析方法的基础上，我们提出了一种相对主元分析的方法，给出了相对主元的几何意义，同时还提出了相对化变换，分布“均匀”等概念。在处理分布“均匀”数据时，应用新概念和新方法，可有效地克服传统的主元分析（PCA）在数据压缩和故障检测与诊断时的不足。仿真结果验证了算法的有效性。     

虚拟加工环境建模及实现技术

为了有效支持虚拟加工系统的构建，提出可重构、可扩展的层次结构虚拟加工环境模型。它由部件层、设备层和环境层组成。部件模型包括几何模型和物理属性仿真模型，而设备模型和环境模型分别由配置模型和控制模型组成。给出了基于软件工程思想和面向对象设计方法的各层模型的实现方法和技术。介绍了用这些模型和技术建立的虚拟加工环境实例。     

一种新的基于NGA/PCA和SVM的特征提取方法

提出了一种使用小生境遗传算法(NGA)和主成分分析(PCA)对支持向量机(SVM)进行封装的方法来选择特征子集。该方法首先使用PCA得到特征向量,然后产生若干随机特征向量子集,从而得到新的特征空间,将所有训练样本映射到这个特征空间来训练支持向量机,再使用支持向量机的半径间隔方法对每个特征向量子集的性能进行评价,最后使用小生境遗传算法来共享适应度,以及进行选择、交叉和变异操作得到新的特征向量子集,重复这个过程直至得到最优的特征向量子集。使用UCI数据集进行了相关的实验,实验结果表明了该方法可以减少特征的数量以及提高分类正确率。     

软构件行为适应的Petri网方法研究

构件适应技术是基于构件的软件工程中一个很难解决的问题。分析了软构件行为描述及行为关系,提出了构件行为的进程代数描述转换为Petri网描述的转换规则及转换算法,根据Petri网的同步距离性质计算交互的软构件行为之间的匹配关系,自动生成行为适配器的描述,提出了一种解决软构件交互过程中产生的行为不匹配问题的形式化方法,并列出了一些值得进一步研究的问题。     

基于小波变换的二维独立元在人脸识别中应用

针对二维主元分析（Two-Dimensional Principal Component Analysis，2DPCA）和独立元分析（Independent Component Analysis，ICA）的特点，给出了二维独立元分析（Two-Dimensional Independent Component Analysis，2DICA）的概念。在2DICA算法的基础上，提出了基于小波变换（Wavelet-Transform，W1r）的2DICA（Wavelet-Transform and Two-Dimensional Independent Component Analysis，WT-2DICA）人睑识别算法。首先，利用小波变换将原始图像的高频分量和低频分量进行不同程度的分离，并忽略高频分量，获得原始图像的基本特征；然后，利用2DICA算法术得投影特征；最后依据曩近郐法则完成人脸识别，基于ORL（Olivetti Research Laboratory）与Yale人脸数据库的实验结果表明，WT-2DICA算法正确识别率高于2DPCA算法与2DICA算法，是一种有效的人脸识别方法。     

构件可测试性模型研究与应用

本文分析了目前军队构件化软件开发的实际情况，在已有的工作基础上，提出了一个对构件可测试性进行度量的五边形法则，该方法能够直观地体现被测构件的可测试性指标数值，能够让构件开发者清楚地了解构件存在的缺陷，指导开发人员设计出高可测试性的构件。针对笔者的实际测试项目，通过先后几次的实验数据表明五边形法则可以有效地提高构件可测试性，并得到了开发方及测试人员的认可。     

现代汉字字形研究三题

本文讨论了部件分析的三个问题(1)部件的定义;(2)独体字和合体字;(3)音符和意符.汉字现状的分析和溯源的分析,着眼点不同,只有摆脱传统"六书"理论的阴影才能构建起现代汉字字形分析的科学体系.     

试析经营者的安全保障义务

文章从安全保障义务的概念特点这一角度出发,分析了安全保障义务的性质,通过对性质的说明,提出了安全保障义务的构成要件及其责任范围,并对安全保障义务的完善问题提出了立法建议。     

基于主成分BP人工神经网络的人力资本预测

人力资本是决定地区经济增长的重要因素之一,其形成受多种因素的综合影响。通过主成分分析法将众多指标进行综合,消除样本间的信息重叠,降低BP网络的输入维数。针对人力资本系统的非线性特征,运用BP网络高度非线性映射能力,对我国各地区人力资本投资进行了预测。     

基于PCA和最小二乘支持向量机的软测量建模

软测量技术是解决工业过程中普遍存在的一类难以在线测量变量估计问题的有效方法,支持向量机是基于统计学习理论的一种新的机器学习方法。提出了一种基于主元分析(PCA)和最小二乘支持向量机的软测量建模方法,用主元分析对输入变量进行数据压缩,消除变量之间的相关性,简化支持向量机结构,并通过交叉验证的方法对支持向量机进行参数选择。将其用于4-CBA软测量建模的结果表明:该方法具有学习速度快、跟踪性能好以及泛化能力强等优点,为4-CBA软测量建模的在线实施提供了方便。