基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

压力容器钢疲劳裂纹扩展速率曲线测试的小样本方法

提出了一种测试压力容器钢疲劳裂纹扩展速率的小样本方法,可以综合利用历史数据和当前试验数据确定疲劳裂纹扩展速率曲线.与仅能利用当前试验数据的传统方法相比,在精度相同的情况下,可以节省大量试件;在试件数量相同的情况下,可以大大提高测试精度.     

某供水工程钻孔原状土样物理力学指标分析及参数修正

分析评价了某供水工程钻孔与竖井所取原状土样物理力学指标,并对钻孔所取土样物理力学参数进行了修正。     

正态常相关样本的抽样分布和方差分析

本文指出了曹胜炎等［１］论文中的一些结论在ＲａｏＣ．Ｒ［２］文中已有论述，并且采用更为简捷的方法证明了文［１］的定理。另外，给出了常相关样本的方差分析。     

邻域数的依概率ρ—级发散性

本文先提出了随机变量序列依概率ρ－级发散的概念，讨论了这种发散与通常的依概率发散的关系；在第二节，定义了d－维总体的邻域数，并给出了它作为一维离散型随机变量依概率ρ－级发散的条件，该条件不依赖于总体的分布，因此定理对一切总体均成立。     

基于样本重要性原理的KNN文本分类算法

KNN是重要数据挖掘算法之一,具有良好的文本分类性能.传统的KNN方法对所有样本权重看作相同,而忽略了不同样本对于分类贡献的不同.为了解决该个问题,提出了一种样本重要性原理,并在此基础上构造KNN分类器.应用随机游走算法识别类边界点,并计算出每个样本点的边界值,生成每个样本点的重要性得分,将样本重要性与KNN方法融合形成一种新的分类模型——SI-KNN.在中英文文本语料上的实验表明:改进的SI-KNN分类模型相比于传统的KNN方法有一定的提高.     

利用SPCE061A单片机实现的两次采样AD转换

在测量领域中,AD（模数）转换是一个非常重要的部分,为了达到精度比较高的转换效果,往往选择位数较高的AD转换器,这样容易造成测量成本过高。现介绍一种如何利用普通的AD转换器来实现高精度的AD转换,它利用两次采样的原理,通过一个模拟量进行两次转换,从而实现高精度。此转换器所需元件比较简单,主要由一个凌阳SPCE061A单片机和一些普通的选通、运放电路组成。     

基于变采样周期方法的网络控制系统协同设计

提出了一种基于变采样周期的动态调度策略,通过实时调整控制系统的采样周期以适应网络中信息流的变化,改善网络中时延、丢包等问题.采用动态调度策略的NCS为一个变采样周期系统,考虑时延的影响,通过等效变换将时延和采样周期的不确定性转化为系统参数的不确定性,从而将NCS建模为一类具有参数不确定性的离散时间系统,并给出了系统D-稳定的控制器设计方法,实现NCS的控制与调度协同设计.最后通过数值仿真验证了所提出的方法的有效性.     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

基于改进U-Net网络的混凝土表面裂缝分割

如何快速、高效、准确地像素级分割混凝土表面裂缝是当前研究的热点问题之一.在混凝土表面裂缝图像中裂缝面积远远小于正常路面面积,造成现有方法在这种正负样本分布不均问题中无法有效学习裂缝特征,最终分割效果较差.提出了一种将Focal损失与活动轮廓模型相结合的新损失函数,针对裂缝面积较小且连续分布的特点,通过Focal损失加强...