基于多尺度特征提取的风机音频信号故障诊断方法研究

针对风机传动链部件音频信号成分复杂,依靠单一特征提取方法难以实现故障识别的问题,提出了一种基于多尺度特征提取的风机主轴音频信号故障诊断方法。首先,采集风机传动链部件的音频文件,将其转换为数字信号后对数据进行了预处理;然后,对音频信号进行了多尺度特征提取,从时域、频域和倒谱域3个维度提取了5大特征,组成了多维复合特征矩阵,并对提取的特征进行了分析及降维;最后,利用支持向量机(SVM)分类预估器对多维复合特征矩阵进行了有监督学习,并使用粒子群算法(PSO)对SVM参数选择过程进行了优化,并通过多组对比实验,对PSO-SVM分类预估器在音频信号模式分类上的性能进行了验证。研究结果表明:所提取的多尺度特征能很好地表征音频信号的信息,具备一定的鲁棒性;使用经PSO优化后的SVM分类模型,对风机传动链部件音频信号模式识别的准确率可达98%以上,并具备良好的泛化能力。

村落遗产地利益相关者界定与分类的实证研究——以开平碉楼与村落为例

文章在文献研究和专家调查的基础上,界定了村落遗产地利益相关者,并借鉴"多维细分法"和"米切尔评价法",以开平碉楼与村落为例,对村落遗产地利益相关者的分类进行了实证研究。研究结果表明,村落遗产地利益相关者在主动性、重要性和紧急性等3个维度上存在不同差异,而且根据这3个维度可以将村落遗产地利益相关者细分为核心利益相关者、蛰伏利益相关者和边缘利益相关者。每一类利益相关者在村落遗产地旅游发展过程中所处的地位、发挥的作用、扮演的角色等各不相同,对于村落遗产地旅游可持续发展的影响也不一样。

智慧旅游利益相关者的界定及分类的实证研究

对智慧旅游利益相关者进行科学合理的界定和分类,以平衡各自的利益诉求,对智慧旅游建设和可持续发展至关重要。从测度我国旅游业发展生命周期入手,寻找我国旅游业的发展规律及其不同阶段的特征,并对其信息化不同阶段的利益相关者进行剖析,最后运用"多维细分法"和"米切尔评分法"对我国智慧旅游发展阶段的利益相关者进行界定和分类。研究结果表明,从2010年开始我国旅游业发展处于"成熟"阶段,与此同时我国旅游业进入智慧化建设阶段;当前我国智慧旅游建设和发展过程中存在13类利益相关者,且它们在主动性、重要性和紧急性三个维度上存在着差异,根据这些差异可将这些智慧旅游利益相关者分为核心利益相关者、蛰伏利益相关者和边缘利益相关者。

医院信息系统中病历数据的多维属性分类算法

针对利用传统多维属性分类算法对病历数据进行多维属性分类时,存在属性识别性能较差的问题,提出一种医院信息系统中病历数据的多维属性分类算法,通过Builder模块的描述脚本对医院信息系统中的病历数据实施建模操作,以实现病历数据维度的关联,通过构建的病历数据模型,对病历数据的多维属性实施信息挖掘,挖掘步骤包括切块与切片、钻取以及旋转,根据病历数据多维属性信息挖掘结果,结合相似性度量方法与层次聚类法,实现医院信息系统中病历数据的多维属性分类算法。为了验证医院信息系统中病历数据的多维属性分类算法的属性识别性能较好,将其与传统多维属性分类算法进行对比实验,实验结果证明该算法的各个属性识别率高低之和明显大于传统多维属性分类算法,即该算法的属性识别性能优于传统多维属性分类算法。

高维数据多标签分类的食品安全预警研究

随着大数据、互联网等新兴科技的飞速发展,人们生活逐步向数字化、信息化迈进,高维图像数据、高维文本数据等各类复杂数据不断涌现。高维数据具有包含信息量大、易出现信息冗余的特征,给文本分类带来阻碍。为此,提出一种基于长短期记忆神经网络(LSTM)的高维数据多标签分类方法。该方法从数据降维的角度出发,利用最大依赖性降维方法(MDDM),将高维数据降为低维数据,提高有效信息占比、减少信息冗余。将降维后的低维数据作为长短期记忆神经网络的输入,利用softmax函数对神经网络的输出进行多标签分类。在食品稽查数据上进行的安全预警实验验证了该方法的可行性,最终分类准确率达到86.5%,比未降维的数据分类准确率提高36.5%。实验还对比了不同神经网络模型在该数据集上的分类性能,结果表明使用LSTM神经网络进行分类结果较好。良好的分类结果表明该方法在食品稽查数据集上特征提取的准确性,食品安全稽查部门可对具有该违法特征的食品生产企业进行监督管理,从而避免食品安全问题的发生,以达到食品安全预警的目的。