基于模态能量的随机子空间虚假模态剔除

针对基于协方差驱动随机子空间辨识法虚假模态影响识别结果的问题,提出了一种基于模态能量的虚假模态剔除方法.利用输出矩阵、状态矩阵的特征值与特征向量以及状态-输出协方差矩阵计算出识别结果中各阶模态分量的模态能量,对各假设模型阶数下计算出来的能量进行排序,保留能量最大的前j个模态用于绘制出稳定图,剩下的模态视作为虚假模态予以剔除.通过对3自由度的线性时不变系统和重庆朝天门长江大桥模型进行辨识,验证了该方法的有效性.     

基于粗糙集的高维分类型数据子空间聚类算法

现有的优秀的聚类算法大多是处理低维数据的,但是对于高维数据,由于其分布特性与低维情形有很大的差异,这些算法失效.为解决高维分类型数据聚类问题,提出了一种基于粗糙集的高维分类型数据子空间聚类算法,基于粗糙集的上、下近似集的类边界描述,确定了类边界范围,然后采用相容度来调整类边界,聚类的过程采用增长子空间的思想,从低维到高维迭代地搜子空间类簇.最后通过在soybean、zoo数据集上的对比实验,实验结果表明了算法不仅可行,而且精度高.     

使用随机子空间法解决受力加速度响应的模态参数识别问题

当外力为高斯白色噪声激励,并且已知线性动态系统的初始条件时,加速度动态响应的随机递减函数和自由衰减振动响应不相等,这是因为在白噪声激励下此随机递减函数中存在一个奇异点;而直接使用有外力嵌入的受力加速度响应会对参数识别精度产生影响。针对随机子空间方法应用于加速度数据的数学基础加以论证,并证明用加速度响应来进行模态参数识别时,将会出现一个识别偏差问题;该偏差问题是因为其加速度相关函数,还受到外力之相关函数的影响。对原始随机子空间方法进行改进,采用无加权模式对Toeplize矩阵进行奇异值分解。透过一个三自由度动态系统的加速度响应进行模态参数识别。结果表明,该方法不仅能有效地消除外力的影响,更能提高其识别精度。     

准自反代数的一些性质

本文研究了准自反代数的一些性质,并且给出一些构造准自反而非自反的代数的方法。     

关于仿射子空间的若干性质

本文研究了线性空间的仿射子空间的若干性质。     

双圆盘上一类解析Toeplitz算子的约化子空间

使用一种新的方法推广了单位圆盘上的解析Toeplitz算子Tx^n的约化子空间问题。     

除环上左向量空间的若干性质

本文给出一类除环上左向量空间等于无限可数个真子空间的集合并的一些性质。     

基于K-L变换的人脸自动识别方法

研究了利用计算机实现的人脸自动识别方法。在传统的“特征脸”方法基础上，提出了一种改进的人脸自动识别方法。该方法对于经过预处理的标准人脸图像，以类间散布矩阵为产生矩阵，通过Ｋ－Ｌ变换降维并提取人脸图像的代数特征。同时，利用遗传算法进行特征选择，以构成有利于分类的自适应子空间。在此子空间内，将图像进行正交分解，然后分别对各类训练样本进行二次Ｋ－Ｌ变换，进一步构成其旋转子空间，从而最终实现了一个分层次的最小距离分类器。实验表明，本方法识别率较高，且对于人脸的姿态、表情及光照条件均具有一定的不敏感性。     

双F-分离性(Ⅱ)

定义了Ti (i=0,1,2)分离性,给出了它们的一些特征刻画,讨论了它们的关系;通过定义局部基、双F pseudo闭集族、双F 连续、双F 开、子空间、双F 乘积拓扑空间等概念,进一步研究了它们的性质.