基于熵模型的自适应信息融合方法

建立了一种用于信息融合的熵模型,依据融合的几个步骤即信息提取、关联与决策,描述了基于熵模型进行信息自适应融合的新方法·该方法可对从各对象源(如传感器、数据库、知识库等)中提取的特征属性信息进行模型化,对这些模型化的属性信息进行关联后,得到准确的决策·为了实现多对象源的信息融合,提出了EAA算法·该算法基于熵自适应聚集规则,通过缩减关联模型联合动作的复杂性来控制其收敛性·并通过应用实例,检验了这种方法的可行性     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域.最后结合全...     

改进Stacking算法的光伏发电功率预测

针对Stacking算法计算时间较长和样本数据较少的问题,提出了一种基于新向量表示和交叉验证精度加权的改进Stacking算法。采用三层算法结构,第1、2层为初级层,使用随机森林、SVR、XGBoost 3个学习器;第3层为次级层,使用LightGBM对第2层输出再次学习以减弱噪声。用一种新的向量表示法来增大层级之间输入输出数据的样本规模和样本分布密度,来保证数据维度不会随着初级层学习器数目的增多而增大;根据在交叉验证下初级层不同预测模型表现出预测准确度的差异性对结果进行加权处理。利用某光伏电站的发电数据进行实际算例分析,提出的模型在MAE、MSE及$R^2$指标上,相比随机森林和Stacking等模型其预测性能有很大的提升。     

Zp上的四元数代数的矩阵表示

给出模p（p为奇素数）剩余类环Zp上的四元数代数Zp[i,j,k]的一种新的矩阵表示．     

因素空间理论与知识表示的数学框架——概念的反馈外延与因素的重合性

本文是文献（１，２）的继续，该文及后续的论文的将系统地研究因素空间理论及其在知识表示中的应用，首先引入反馈外延这一表示概念的新工具，它为表达概念提供了直接的操作方法，然后设计了反馈外延的包络，它是对概念外延的一种逼近，最后讨论了关于概念的重合性重合性测度的公理化定义。     

增强现实技术在装配检修中的应用研究

对于新进员工而言,快速熟悉装配检修工艺是入职培训的必备项,为了解决新进员工装配检修效率低和出错率高的问题,提出基于增强现实技术的装配检修系统;首先使用三维建模平台建立虚拟三维模型,其次使用增强现实技术将虚拟对象叠加到现实场景中,再次将装配检修相关指导信息融入到装配检修系统,最后将装配检修系统移植到移动终端智能眼镜中;通...     

基于趋势特征聚类的多元相似时间序列的提取

历史相似时间序列的提取在数据挖掘、工业故障检测以及故障根源分析等领域应用非常广泛。针对工业报警系统中异常根源分析方法存在的问题,提出了一种基于趋势特征聚类的多元相似时间序列的提取方法,可以有效地辅助现场工作人员分析关键变量发生异常变化的根源。首先对多元时间序列进行分段线性表示,获得变量的趋势特征信息;然后采用基于密度峰值聚类分析算法对获得的趋势特征在高维空间中聚类,从而实现历史数据的相似性提取;最后可根据关联变量的幅值变化量分析导致主变量发生异常变化的根源变量。数值仿真和实际工业数据案例验证了所提方法的有效性。     

三态叠加多模Schrdinger-cat态纠缠光场的不等幂次高次差压缩

引入了由多模复共轭相干态、多模复共轭虚相干态和多模真空态的线性叠加所组成的三态叠加多模Schr dinger-cat态纠缠光场,利用多模压缩态理论研究了这种光场的广义非线性不等幂次高次差压缩特性。结果发现:①真空场对此猫态光场的不等幂次高次差压缩效应没有影响;②在一定条件下,此猫态光场的两个正交相位分量可分别呈现出不等幂次高次差压缩效应;而在另外的条件下,此猫态光场的两个正交相位分量则可同时出现上述的不等幂次高次差压缩效应。     

代理服务器中数据缓冲技术的研究与实现

以研究cache技术为主题，介绍了作者开发的代理服务器系统中cache技术的设计方案及采取的各种策略，通过对URL的研究，提出了用三级链表结构来有效地管理缓存中www文档的策略：失效策略为固定生存周期算法；淘汰策略为最近最少使用算法，并阐述了系统中各功能的具体实现。     

基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法

针对高光谱图像中存在混合噪声的问题, 提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声. 子空间表示利用光谱频带之间的相关性, 选取合适的正交矩阵, 将高光谱图像投影到低维子空间中, 使提出的算法具有较低的复杂度, 简化去噪过程的同时去除图像中的部分噪声. 去噪过程基于从简化图像中提取的低秩张量进行, 引入加权低秩张量正则化项表征简化图像子空间的先验信息, 基于Tucker分解中核范数的物理意义构建合理的加权机制, 保留高光谱图像的内在结构相关性. 并且设计了一种基于迭代最小化的方法, 用于求解提出的非凸去噪模型. 在模拟和真实数据集上的实验结果表明, 该子空间表示和加权低秩张量正则化方法在定量和定性分析上都取得了较好的去噪效果.