邻域同调学习算法

目前已有的边缘学习算法对边缘可变的数据划分问题存在一些不足,这些算法在分类过程中不能有效地保证数据的结构特征不变。因而文章首先通过引进同调代数中的单形划分理论,从机器学习的角度对分类问题中的边缘划分进行研究,提出了一种邻域同调学习算法。算法给出了图形的邻域复形的构造方法和判断2个给定图形相似性的判定标准。最后通过在USPS_ALL手写数字集数据库和MPEG7 CE图像库上与SVM、TVQ算法的对比实验验证了本算法的有效性。

一种同调边缘学习算法

面对复杂的数据,边缘问题是其核心问题之一。目前比较成功的算法有SVM最大边缘算法和TVQ算法,这些算法各有优缺点。论文针对目前方法中存在的一些不足,引进同调理论,用同调代数的思想构建了一种同调代数的边缘学习算法,并通过实验和实例进行验证。

基于持续同调机器学习的尾轴承黏滑振动研究

为了研究尾轴承黏滑振动,首先,采用机器视觉技术采集水润滑橡胶尾轴承黏滑振动图像;其次,运用持续同调机器学习及单纯复形同调群分析图像,计算振动图像单纯复形的同调获得相应的条码图;然后,基于条码图获取振动图像的拓扑特征;最后,用改进型支持向量机机器学习法对拓扑特征进行研究,完成水润滑橡胶尾轴承黏滑振动鸣音的分类与识别。研究表明,最长贝蒂条码的长度与振动密切相关,可以有效预警鸣音,并建立了鸣音过程的智能化描述,为研究尾轴承黏滑振动提供一种新的思路。