基于改进卷积神经网络的闸门结构响应数据修补方法

针对结构健康监测过程中数据缺失影响结构安全运行的问题,提出了一种基于改进卷积神经网络的数据补全方法,通过利用矩阵补全的方法实现了多通道数据的同时修补。首先将缺失信号经过傅里叶变换得到基础矩阵,并利用矩阵分解出的实部和虚部作为训练的输入,与L1-CNN神经网络作内积。采用基系数作为卷积运算的基础,并经过原始信号与修补信号进行对比更新,在更新卷积核同时应用L1正则化,得到修补后的信号。最后,以溢洪道水工闸门结构的加速度传感器信号为例进行数据修补,验证所提方法合理性,结果表明所提数据补全方法能够修复缺失率为30%以内的信号且不失真;修复缺失率为40%的信号,发现部分区域呈现失真状态。与其他方法对比分析表明,使用该方法补全的数据与原始数据具有最高拟合度,预测趋势接近完整数据。

一种基于移动最小二乘法的点云数据孔洞修补算法研究

使用测量仪器获取点云数据的过程中,由于测量仪器自身缺陷、物体局部遮挡等因素,导致原始点云数据存在孔洞,严重影响曲面重建,需要实施孔洞修补,以便获取完整的模型。采用非封闭孔洞相连的散乱点云的边界确定孔洞修补范围,有效提取非封闭的孔洞边界点及附近模型的边界点,根据孔洞及其周围点的信息,基于移动最小二乘法重构一个隐式曲面,并且通过一定步长实施隐式曲面采样,完成孔洞修补。实验结果显示该算法可以修补不同类型的孔洞,并且修补数据与原始点云数据较好的融合在一起,恢复原始模型。

基于RBF神经网络的复杂曲面反求数据修补

复杂曲面反求过程中,原始数据的缺损直接影响3D网格模型逼近目标曲面的精度。介绍了基于RBF神经网络开发的复杂曲面反求数据自动修补系统,应用以Matlab为平台开发的仿真模块对数据修补过程进行了仿真。结合曲面反求设计实例对基于RBF神经网络的数据修补系统进行了实验验证和分析,获得良好的效果。

基于数据修补DDBNs的空中目标识别方法研究

简要分析了离散动态贝叶斯网络用于目标识别时对缺失数据处理方法的研究现状,提出了把数据修补技术用于变结构离散动态贝叶斯网络。首先在对空中目标识别模型分析的基础上,构建了一种基于数据修补的离散动态贝叶斯网络模型。进而构建了修补算法的数学模型,并给出了修补过程。待缺失数据修补完整后,再运用修正后的直接推理算法计算目标类型。通过仿真结果对比,表明该方法可以有效地提高识别系统的准确性、可靠性和鲁棒性。

基于DBSCAN算法和多源数据的缺失公交到站数据修补

针对缺失公交到站信息修补方法考虑因素较少、准确度低、鲁棒性差的现状,提出了基于DBSCAN算法和多源数据的缺失公交到站数据修补方法。该方法使用公交全球定位系统(GPS)、公交集成电路卡(IC)等多源数据进行缺失到站信息的修补。对于缺失的到站名称、到站经纬度数据,用已有完整到站数据和静态线路信息关联分析进行修补。对于缺失的到站时刻数据,则按以下步骤进行修补:首先,对每一个缺失数据站点与其最近的未缺失数据站点,将这两站点间历史完整到站数据的行程时间和班次时序进行基于DBSCAN算法的聚类;其次,判断研究班次的两个相邻的数据完整的班次所属簇是否为同一个簇,若为同一个簇则不作改变,否则将两个簇合并;最后,将簇中点对应最大行程时间作为缺失行程时间判断是否有乘客在该站点上车刷卡,若有则由乘客开始刷卡时刻推算到站时刻,若无则将簇中点对应最大、最小行程时间的均值作为缺失行程时间推算到站时刻。以厦门市公交到站数据为例,在缺失到站名称、经纬度修补中,基于GPS数据聚类的方法、基于极大概率估计的方法和所提方法皆可进行100%的修补;在缺失到站时刻修补中,所提方法的平均相对误差比两种对比方法分别低0.0301%和0.0004%,相关系数比对比方法分别高0.005和0.0075。实验结果表明,所提算法在缺失公交到站数据修补中能有效提高修补的准确度,降低缺失站点个数变化对于准确度的影响。

三维面形测量中的基于神经网络的数据修补技术

提出了一种基于神经网络的数据修补方法。在BP算法的基础上 ,利用遗传算法强大的全局搜索能力使网络学习跳出局部极小值 ,从而提高了样本的训练质量和速度。试验结果表明 ;该算法精度高、速度快 ,优于以往文献中提出的数据修补方法 ,在机器视觉、工业检测。

径向基函数神经网络曲面数据破损修补

本文针对工业零件设计中曲面数据的破损问题,提出了一种基于径向基函数(RBF)神经网络的数据修补方法。阐述了数据修补方法的原理,设计了网络结构和训练算法,运用K均值算法实现隐层节点的中心初始化。通过两种曲面的数据进行训练,并对此两种曲面数据破损进行修补,结果表明,本文提出的曲面数据破损修补方法是有效的。

“房屋普查数据修补测”内外业一体化作业的设计与实现

介绍了房屋普查数据修补测项目的分区试验、内外业修补测、图属关联等主要工作内容,提出了房屋普查数据修补测内外业一体化作业通过多源数据的结合,基于GIS操作平台和数据关联处理软件,实现了各阶段数据的无损无缝衔接,最终将修补测房屋图元落地,使房屋基础数据库的更新周期缩短,维护工作量减少。

2000年以来人口城镇化水平变动省际差异分析——基于统计数据的校正和修补

以"五普"和2005年1%人口抽样调查数据为基础,运用多种方法,对2000-2005年间全国及分省统计公布的常住人口、城镇人口及人口城镇化水平进行校正和修补,进而分析2000年以来我国人口城镇化水平变动状况的省际差异。发现:(1)从数据校正和修补情况看,现有的统计数据可能存在总人口、常住人口偏大而城镇人口、人口城镇化率偏小的问题;(2)2000-2005年间,全国人口城镇化水平呈现加速增长态势,而年均提高幅度在1.3个百分点左右;城镇人口分布和人口城镇化率的总体格局基本未变,但部分城镇化水平低、经济基础较弱省区的城镇人口、人口城镇化水平出现超高速增长态势;人口城镇化水平的省际差异呈现逐年缩小的趋势,差异主要体现在政策区域之间,其对总体差异的影响依然在加大;(3)人口城镇化率和人均GDP呈现对数关系,而且随时间推移,二者相关性逐年增强。

GPS测量数据处理中数据修补技术的应用

数据修补技术的应用,在GPS测量数据中发挥着重要的作用,可以保证GPS信息数据的准确性。基于此点,本文对GPS测量数据处理中数据修补技术的应用,进行深入的研究和分析,并结合具体的实例,对其应用做合理的论述和研究。期望通过本文的论述,可以对GPS测量数据的真实有效性,提供必要的理论根据,并在实践中得到广泛的应用。

数据修补技术在GPS测量数据处理中的应用

介绍常用的GPS测量信息传输和提取方法,在获取GPS测量信息过程中引入多台遥测设备记录信息对接方法、延时波道测量信息弥补方法等数据修补技术。实际应用表明,使用数据修补技术能够充分利用遥测设备测量信息提高GPS测量信息处理结果的连续性,有助于查找GPS测量信息存在乱散或中断问题的原因,可在GPS测量信息事后处理与分析工作中推广使用。

基于RBF神经网络的曲面数据修补研究

径向基函数(RBF)神经网络具有良好的泛函逼近能力,主要探讨了将RBF神经网络应用于残缺曲面数据修补问题,通过建立适于数据修补的网络模型与采用levenberg-marquardt算法的改进型BP神经网络进行性能比较。结果表明:RBF在进行残缺数据修补时网络收敛速度快于BP神经网络,且修补精度高,适宜于曲面残缺数据的修补。

弹道处理中的偏差修正与数据修补

为减少空中目标测量数据中的时间偏差和野值对弹道处理精度的影响,提出利用三点拉格朗日插值方法对测量数据进行时间不一致修正,采用外推预报对野值进行识别,为保证测量数据序列的完整性和连续性,利用最小二乘拟合方法对剔除野值后的数据序列进行修补。三种方法结合使用,可有效提高弹道处理的精度。

基于DBSCAN二次聚类的配电网负荷缺失数据修补

电力负荷属于具有时间序列特性的数据,依据数据固有的规律性和波动性特征,修补由于各种因素而缺失的负荷数据,可为电力系统研究和实验结果的有效性和可预测性奠定基础。本文首先提出基于密度的含噪声应用空间聚类(DBSCAN)二次聚类的方法;其次,提出针对配电网负荷数据的负荷属性相似度,在此基础上进一步提出负荷记录综合相似度;然后,依据DBSCAN二次聚类方法的负荷类别结果和所得负荷记录综合相似度,匹配相似度最大的数据类别,并依据该类别的记录信息对所缺失数据进行修补;最后,采用算例分析证明所提方法的有效性和正确性。

浅谈相关性修补测风数据的应用

一个拟建风电场项目在完成了测风任务后,首先必须对风资源进行分析及初评估,而风资源分析必须依据至少一年的原始测风数据。由于人为的设置错误、仪器故障等原因,往往导致一年的测风数据缺测、不合理,以致原始测风数据的完整率达不到90%以上。因此,必须通过合理的方法对缺测、不合理的测风数据修补以满足风资源评估的要求。相关性的应用是最常用的修补缺测、不合理测风数据的方法之一。

基于RBF神经网络的光纤振动数据修补技术

为了提高分布式光纤传感技术在城市交通领域内应用的可行性,解决OTDR(Optical Time Domain Reflectometer)存在断点和在一定距离(或时间)内无法检测或准确定位光纤链路中的事件点和故障点,从而形成盲区影响数据采集等问题,提出一种基于RBF(Radical Basis Function)神经网络对光纤振动数据进行修补的技术。经过MABTLAB R2017b平台上的多次仿真实验,神经网络算法的平均相对误差(Mean Relative Error,MRE)能够达到3%左右、决定系数(R^2)和均等系数(Equality Coefficient,EC)则分别达到0.85及0.98左右,证明了其在光纤数据修补方面的可行性和有效性。同时,结果也表明了RBF神经网络在光纤数据修补精度方面略优于传统的BP神经网络,在运行效率方面更是能够达到传统的BP神经网络的两倍左右,证明RBF神经网络能够很好地支持实时的光纤数据修补工作。

基于多元数据融合的线圈数据修补应用研究

现有的道路交通信息系统中,线圈作为其中埋设数量最多、分布最广的车流采集方式,是上海道路交通运行评价的主要数据来源。基于多元数据的采集环境,以线圈数据存在的问题为基础,从应用的角度,研究线圈数据的修补方法,主要包括数据筛选、修补和多元数据融合的三方面内容,为支撑道路交通评估提供可靠分析基础。

基于贝叶斯网络的缺失数据处理

针对贝叶斯网络的数据缺失问题,提出了一种数据修补方法,该方法通过使用一个评分函数来对节点各个状态分别进行评分,得出各个状态对于所属的贝叶斯网络的得分,即各个状态与所属贝叶斯网络的匹配度,最终确定要补充数据的状态.实验证明,此方法可以在贝叶斯网络结构学习或者推理之前对数据进行修补,使其成为完整的数据,有效提高缺失数据的利用率.

一种改进聚类分析方法在数据预处理中的应用(英文)

在通常的聚类分析方法的基础上 ,提出了一种改进聚类分析方法 ,并运用于数据源中缺损数据的修补 .案例示算结果显示 ,该方法比传统的数据预处理方法更合理 ,置信度更大 .

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。