数据合并的结构粒化方法与矩阵计算

为了研究数据合并问题,并使合并数据保持合并前的数据之间的关联关系,对各类数据信息给予了结构化的表示,对应产生了由数据集和加权关系组合构成的加权关联结构;进而通过数据集的合并粒化集,完成了加权关联结构向加权粒化结构的转换,使数据集中的数据依据粒化信息得到了合并,并保持或汇集了合并前的数据之间的关联信息,由此形成了数据合并的结构粒化方法。在此基础上,构建了加权关联矩阵和加权粒化矩阵,分别作为加权关联结构和加权粒化结构的矩阵表示。经中间变换和目标变换的矩阵计算,实现了加权关联矩阵向加权粒化矩阵的变换,产生了与结构粒化等价的矩阵变换方法,形成了程序设计的算法基础。

基于小波去噪的有向加权社团发现研究

目前大部分社团发现方法都是针对无向无权图,但实际的社会媒体中的社团内部个体交互过程可以抽象为一个有向加权图,并且权重中含有大量的噪声。为解决有向加权社团的划分问题,本文提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)可去噪声的社团发现方法。该方法通过小波阈值去噪对社会网络数据进行去噪处理,结合有向加权的非负矩阵分解算法对去噪后的数据集进行社团发现,准确找出社团结构。在社会媒体的实验数据集和标准数据集上的实验结果表明,该算法针对带噪声的有向加权图社团发现问题具有良好划分性能,SNR为15时,在Lesmis数据集上的社团划分准确率达到96%,划分模块度值提高了29%。本文为解决带噪的有向加权的社会网络数据提供了切实有效的处理方法。

基于CCD的光纤式位移检测技术

介绍一种精确、远距离非接触检测机械位移的方法 .检测系统采用面阵CCD摄像机获取被测光纤端部出射光斑图像的灰度分布 ,由灰度加权平均法提取光斑的特征点 ,通过检测特征点的位移获得光纤的位移 ,从而得到被测件的位移 .实验结果表明 ,系统的稳定性为 1 .5 μm 。

多维次成分并行提取算法

针对目前多维次成分提取算法限制条件多和初始参数难以选择问题,在研究Douglas次子空间算法基础上,基于加权矩阵法提出了一种新型多维次成分并行提取算法。对该算法的自稳定性和收敛性分析表明:在输入信号有界和学习因子足够小时,该算法状态矩阵的模值总能收敛至一个常数;当且仅当状态矩阵收敛至需提取的多维次成分时,该算法达到稳定状态。仿真试验表明,与现有算法相比,该算法具有参数选取方法简单、易于实现和收敛速度快的优点。