基于时空近邻标准化和PCA的故障检测方法

针对多阶段复杂工况数据非线性、动态性的特点,提出了基于时空近邻标准化和主元分析相结合的故障检测方法(TSNS-PCA).首先在时间层次上搜索样本的近邻集,其次寻找样本的时间近邻在空间层次上的近邻样本集,然后在标准化样本集上通过主元分析方法计算监控模型的T 2和SPE控制限,最后计算待检测样本的相应统计值,并且与控制限相比较,达到故障检测目的.TSNS方法不仅可以将复杂非线性、动态性、多阶段数据中心变换至坐标原点,并使新数据近似服从单一正态分布,还保持了离群点与正常点间的偏离程度.利用一个非线性动态数值模拟过程和青霉素仿真过程证明在动态多阶段过程监控中TSNS-PCA方法的效果明显优于PCA、KPCA、DPCA、WkNN、TSNS-LOF等方法.

零件加工隐性工艺知识获取方法研究

随着制造业数字化工艺的深入应用,如何高效利用积累的工艺知识,已成为提升工艺设计效率与质量的关键,然而隐性工艺知识却存在难以获取、描述与转化的技术瓶颈,严重阻碍智能化工艺设计模式推广。为此,提出了一种复杂零件加工的隐性工艺知识获取方法。首先,利用等宽法对结构化工艺数据进行离散化处理,构建基于文本挖掘的隐性工艺知识获取流程,并通过产生式规则对隐性工艺知识表达;然后,基于案例推理和规则推理融合的知识推理方法,并采用最近邻算法实现隐性工艺知识的识别;最后,以船用柴油机缸盖类复杂加工零件为验证对象,对加工隐性工艺知识获取方法进行了有效验证。

基于高斯分量标准化的K近邻故障检测策略

针对复杂多工况工业过程故障检测问题,提出一种基于高斯分量标准化的K近邻(Gaussian Component Standardization K-Nearest Neighbor,GCS-KNN)故障检测策略。样本数据应用高斯混合模型(Gaussian Mixture Model,GMM)进行训练,将数据分解为多个高斯分量;通过每个高斯分量的均值和协方差对该分量内的数据进行标准化处理;应用K近邻(K-Nearest Neighbor,KNN)算法对标准化后的样本进行检测。GCS-KNN通过高斯分量标准化消除数据的多模态特性,提高传统基于KNN检测方法的检测率。利用数值例子和半导体工业过程仿真实验验证了该方法的有效性,并与传统的主元分析(Principal Component Analysis,PCA)、KNN、动态主元分析(Dynamic PCA,DPCA)和加权KNN(Weighted KNN,WKNN)等方法进行对比,结果证实此方法具有显著的优势。

“中国建设海洋强国的安全环境与保障制度”笔谈

中国海洋强国建设需要稳定的周边环境与制度保障。首先,从中国周边安全环境入手,分析其地缘特征、主导动力和战略趋势,即我国应加强对周边地区安全环境的经略,为发展经济和确保安全提供战略空间。其次,保障海洋强国战略的实施,需要依法解决存在的各种海洋争议,以稳定海洋秩序,为此,分析海洋秩序与海洋规则的关系,包括发展过程、基本特征和目标远景。再次,海洋强国建设离不开海洋经济、科技和生态的互动发展,为此,分析三个核心要素之间协同发展的重要性及需要克服的问题并提出具体对策。最后,本文指出,海岛应在海洋强国建设中发挥战略性支点作用,包括在政治、经济、安全和科技上的作用,并在阐释可持续发展的内涵后,提出了我国推进“四类岛”建设的价值和意义。

浮游植物细胞图像识别方法的研究

讨论了如何利用数学形态学方法提取浮游植物细胞图像的面积(A)、周长(P)以及通过图像细化提取细胞的长(L)等特征信息;提出了利用这3个特征参数的比值(A/P,A/L和P/L)形成的特征向量作为进行细胞分类的依据,然后提出了利用最近邻准则对浮游植物进行自动识别的试探聚类算法,该方法可以通过学习提高识别率。通过对17种浮游植物细胞图像的识别实验,证明了该方法的识别准确率在95%以上,可以有效预防大面积赤潮的发生,对于赤潮爆发后的鉴定也有一定意义。

飞机外形和结构件反求建模技术研究

探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k-近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。

数控多轮廓加工走刀空行程路径优化

将多轮廓加工走刀空行程路径优化归结为广义旅行商问题,基于蚁群算法和最近邻算法,提出一种走刀空行程路径优化算法。采用蚁群算法优化任意选择的走刀路径,得到一条轮廓排列序列,对该轮廓序列,采用最近邻算法在相邻轮廓上寻找节点构建走刀路径,再采用蚁群优化及最近邻算法由此路径构建新的走刀路径,如此反复迭代,就得到一条优化的走刀路径。给出一个优化实例,验证了算法可有效构建走刀空行程路径。采用单因素分析和均匀试验设计的方法,详细给出了优化参数选择方法。

基于模糊K-近邻规则的多谱磁共振脑图像分割方法的研究

本文在K 近邻 (K nearestneighbor ,简称KNN)规则的基础上 ,基于模糊C 均值聚类 (FuzzyC meansclustering ,简称FCM)技术 ,提出了模糊K 近邻算法 (FuzzyK nearestneighbor ,简称FKNN) ,并利用该算法对磁共振脑图像进行分割研究。首先对磁共振颅脑图像进行预分割 ,剔除颅骨和肌肉等非脑组织 ,只保留大脑结构 ;然后利用FKNN算法对大脑结构进行分割 ,从脑组织中分别提取出白质、灰质和脑脊液。实验结果表明 ,FKNN方法能有效地从大脑结构中分割出白质、灰质和脑脊液 ,分割效果明显优于KNN方法。

基于K-最近邻规则的磁共振颅脑图像分割算法的应用研究

目的 介绍一种简单实用的磁共振颅脑图像分割算法K 最近邻 (简称K NN)规则 ,并利用该算法对磁共振颅脑图像进行分割研究。方法 该方法是一个多步处理过程。首先利用边界跟踪法对磁共振颅脑图像进行预处理 ,剔除颅骨和肌肉等非脑组织 ,只保留大脑结构 ;然后利用K NN规则对大脑结构进行分割 ,从大脑结构中分别提取出白质 (WM)、灰质 (GM)和脑脊液 (CSF)。结果 分割算法在预处理步中能精确地分割出大脑结构 ,在K NN分割步中能很好地从大脑结构中分割出WM、GM和CSF。结论 该算法在磁共振颅脑图像的分割中简单实用 ,具有很强的鲁棒性和稳定性。

一种基于近邻规则的缺失数据填补方法

数据缺失是数据挖掘与分析过程中的常见问题,若直接删除含缺失的事例可能导致不可靠的决策。为此,针对缺失数据的填补问题,提出一种基于近邻规则的缺失数据填补方法。根据关联规则的后件数据项进行分类,计算分类后的规则项与缺失项集间的相似度,用最相似的规则项值填补缺失值。实验结果表明,该方法具有较高的填补正确率。

基于最近邻原则的半监督聚类算法

基于最近邻原则的半监督聚类算法是以基于最近邻的聚类中心求解算法为基础的。在基于最近邻的聚类中心求解算法中,用相似度矩阵记录数据点间的相似程度,由目标函数最小值求得聚类的类中心点。在基于最近邻原则的半监督聚类算法中,根据约束信息来调整相似度矩阵G,数据点间相似度的变化引起了数据点间加权欧式距离的变化,由此更新加权欧式距离矩阵M,最后执行聚类中心求解算法完成聚类。大量实验结果表明,该算法能获得较好的聚类结果。

基于直方图的遥感图像相似性检索方法比较

相似性度量是用于研究多源数据之间相似程度的,是对空间数据进行模式识别的基础。通过单波段遥感图像的检索对两组直方图相似性检索方法进行了实验研究,即基于特征向量的相似性度量和基于概率的相似性度量。实验中发现第一组相似度量中有两种以往较少用于遥感图像检索的方法表现出色,它们分别是2χ统计距离和相似夹角余弦度量。第二组实验中,针对其中包含较明显的目标物体且背景较为单一的遥感图像(其直方图可看作混合高斯分布),在类别可分离判据的基础上,根据K-近邻法则提出了一种计算该类图像之间相似值的方法。实验结果表明基于K-近邻法则的计算方法行之有效。所得出的结论将对多源数据分析中相似性度量的理解与选择有积极意义。

基于扩散K近邻距离的间歇过程故障诊断

针对间歇过程多模态、变量非线性、非高斯分布等特征,提出一种基于扩散K近邻距离的故障诊断方法.该方法首先在样本集完全图中应用马尔科夫随机游走定义带有分量权重的扩散距离,可以有效提取数据样本的关联信息和统计特征,然后应用K近邻规则方法对样本数据进行故障诊断.这种应用扩散距离替换传统K近邻规则欧式距离的统计方法,既可以提升对数据样本关联性信息的有效提取能力,又可以使得K近邻规则处理非线性、多模态检测问题的性能得以保持.通过在半导体蚀刻批次过程中的仿真应用,与传统线性、非线性方法的对比分析,实验结果验证了方法的有效性.

基于压缩近邻的查重元数据去冗算法设计

随着重复数据删除次数的增加,系统中用于存储指纹索引的清单文件等元数据信息会不断累积,导致不可忽视的存储资源开销。因此,如何在不影响重复数据删除率的基础上,对重复数据删除过程中产生的元数据信息进行压缩,从而减小查重索引,是进一步提高重复数据删除效率和存储资源利用率的重要因素。针对查重元数据中存在大量冗余数据,提出了一种基于压缩近邻的查重元数据去冗算法Dedup2。该算法先利用聚类算法将查重元数据分为若干类,然后利用压缩近邻算法消除查重元数据中相似度较高的数据以获得查重子集,并在该查重子集上利用文件相似性对数据对象进行重复数据删除操作。实验结果表明,Dedup2可以在保持近似的重复数据删除比的基础上,将查重索引大小压缩50%以上。

一种序列的加权kNN分类方法

针对加权kNN(k-Nearest Neighbor)方法在对样本进行分类时,仅仅只利用了它的k近邻点来进行分类决策的不足,提出了一种序列的加权kNN分类方法.该方法在对某个测试样本进行分类时,除了利用它k近邻点所提供的类别信息外,还有效地利用了前面已分类样本的类别信息,这使得测试样本的分类决策更加合理和有效.在Cohn-Kanade人脸库上进行的表情识别实验表明,在序列样本分类的场合,该方法的分类效果比加权kNN方法更好.

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。

核的最近邻算法及其仿真

为了提高近邻法的分类性能,提出了核的最近邻算法。通过mercer核,将样本映射到高维特征空间,再用近邻法分类。核映射改善了样本的空间分布,突显了样本的类别特征,从而提高了分类的性能。给出了核近邻算法的判决过程。对于人工数据和入侵检测数据的仿真显示,核近邻分类方法的分类性能优于传统的最近邻分类法。

基于LZ复杂性相似度的垃圾邮件识别

提出一个基于符号序列间LZ复杂性相似度的垃圾邮件识别方法。相比基于向量空间模型的邮件识别,邮件文本间的LZ复杂性相似度计算无需对文本进行预处理和特征提取。同时,K近邻规则的延迟学习特性适合于垃圾邮件样本需要动态调整的应用环境。在Ling-Spam邮件语料集上对提出的识别方法进行十重交叉验证,其总体的识别效果优于基于向量空间模型的部分统计和机器学习方法。