半群DOPD(n,r)的秩和相关秩

设自然数n≥3,DOPD_n是有限链[n]上的保序且保距部分一一奇异降序变换半群.对任意的r（0≤r≤n-1）,记DOPD（n,r）={α∈DOPD_n：|Im（α）|≤r}为半群DOPD_n的双边星理想.通过对秩为r的元素和星格林关系的分析,获得了半群DOPD（n,r）的极小生成集和秩.确定了当0≤l≤r时,半群DOPD（n,r）关于其星理想DOPD（n,l）的相关秩.     

人工智能在拾取地震P波初至中的应用 ——以汶川地震余震序列为例

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。     

高铁地震信号时频特征对比分析

利用同步挤压小波变换方法, 对河北保定和广东深圳地区实测的高铁地震信号进行时频谱分析。结果表明, 高铁在经过高架桥时, 在其附近产生的地震信号中低频信息比通过隧道和接触地表运行产生的地震信号丰富。利用高铁地震信号的时频谱特性, 可以确定高铁运行速度的变化。     

基于分数阶变换的彩色图像自适应重构水印算法

首先, 采用分数阶Fourier变换算法, 对彩色图像进行分数阶频域变换, 分析图像的频域信息, 筛选出适合嵌入水印的系数, 作为水印的嵌入位置; 其次, 定义频域系数的隐蔽特性, 并对隐蔽特性进行分级, 使水印嵌入系数达到最优; 最后, 对二值化水印图像分块做提升小波变换和压缩感知测量, 将测量结果作为水印信息嵌入到载体图像中, 解决了当前多数水印算法嵌入信息冗余度高, 含水印图像抗攻击能力不足的问题. 实验结果表明, 该算法在抵抗几何攻击、 噪声干扰等方面性能良好, 显著降低了水印信息冗余度, 提高了嵌入的效率和水印信息安全性, 增加了水印算法的可靠性.     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于小波分析与Boll改进谱减法的普米语语音增强算法

小波分析和Boll改进谱减法具有很好的减噪效果,但同时也存在"音乐噪声"和语音失真.为了解决这2个问题,基于这2种算法,研究了一种它们的联合算法并对加噪后的普米语进行语音减噪实验.通过对减噪后语音的试听和波形图的观察以及信噪比的对比,对实验的结果进行分析.实验结果表明,针对叠加了随机高斯白噪声的普米语,算法能有效地减少这2种方法单独使用时所产生的"音乐噪声"和语音失真.     

"基础-转化型"研究是决胜病虫害防控的核心研发模式

作物病虫害防控技术研发是确保国家粮食与食品安全的重要战略必争领域,我国在该领域存在基础研究缺少突破、核心技术受制于人的情况,因而一直得到国家重点基础研究计划和重点研发计划的高度重视。由于正在执行的"化学肥料和农药减施增效综合技术研发"重点研发计划项目偏重现有技术的优化、集成和田间示范,在国际本领域研发水平突飞猛进的背景下,亟待调整布局面,增强基础-转化型研究的实施力度,研发具有绿色、高效、精准特征的革命性病虫害防控新技术,确保"舌尖上的安全"。     

基于改进小波变换法的风电场谐波检测

为了提高风电并网电力系统谐波检测的快速性与准确性,提出一种改进小波变换的谐波检测方法。首先,把风电并网系统电压信号的频域空间分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统谐波;最后,利用MATLAB进行了仿真实验。实验结果表明:该方法能快速有效检测出谐波分量,提高了谐波检测准确度和快速性。     

一种改进的主成分分析特征抽取算法:YJ-MICPCA

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA。通过YeoJohnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系。以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法。     

基于共振稀疏分解与子带增强的滚动轴承声学诊断方法

针对轴承声信号易受环境噪声干扰,导致声学诊断结果准确率低的问题,提出一种结合共振稀疏分解与小波降噪选取核心冲击子带、对信号进行二次降噪的滚动轴承诊断方法。首先采用共振稀疏分解算法对原始声信号进行降噪处理,提取信号瞬态冲击成分;然后通过小波包变换对信号进行分解,依据各子带信号峭度值选取核心冲击子带信号进行线性叠加并重构;最终通过包络谱分析确定轴承故障。故障模拟实验结果表明,本文方法可有效增强复杂声场环境下轴承声信号的冲击特性,实现针对滚动轴承的声学诊断。