英语学习词典文化信息多维处理模式探究

本研究在激活—扩散词汇认知模型理论基础上,尝试性地针对英语学习词典的文化信息编纂问题提出了文化信息多维处理模式,对如何将英语文化信息有效地整合到英语学习词典中去做了一次探究。

特种车辆多维载荷谱加速方法及在振动环境模拟试验中的应用

目的 解决车辆多轴轴耦合台架试验耗时长、花费大以及振动环境模拟精度低等问题。方法 将雨流投影方法运用到多维载荷加速处理中,利用传统雨流滤波法和多轴雨流投影滤波方法分别对特种车辆部件实际所受的多轴载荷进行加速处理,对加速后的多维载荷信号开展基于时域波形再现的振动环境模拟,以更有效地利用轮式车多轴轴耦合试验台开展加速疲劳试验。结果 对比加速前后的多维载荷信号,在时域、频域、损伤域基本一致的前提下,多维载荷信号时间压缩了50%,多轴振动环境的模拟精度大于80%。结论 采用该方法开展车轮加速疲劳试验,能够精确再现被试件的实际振动环境。通过实际试验验证,可以很好地再现故障出现的时间和形式,与实际野外路试结果十分吻合。

《新体制雷达信号处理和数据处理技术》专栏发刊词

随着多输入多输出(MIMO)雷达、频率分集阵(Frequency Diverse Array,FDA)雷达、网络化雷达、认知雷达、泛探雷达等新体制雷达系统的提出和发展,雷达数据获取方式逐步由单波段、单极化、单角度等发展到多频率、多极化、多角度和多时相等获取方式,逐步形成了雷达的多维信号处理体系,以满足雷达目标检测、参数估计、目标跟踪和目标识别等任务的需求。提高新体制雷达的信号处理能力是新体制雷达从理论走向工程和装备的核心问题。因此,新体制雷达下的信号处理与数据处理相关技术的研究,具有极为重要的理论价值与实际意义。

一个广义非线性最小二乘迭代算法及其在多维多时态多精度数据处理中的应用

本文针对当今各国高层领导和科学家十分关注并大力倡导的“数字地球”、“数字国家”、“数字城市”、“数字矿山”等科学工程构建中遇到的大量的多源、多维、多类型、多时态、多精度并具有非线性特征的数据处理,针对数据测量采用多种观测手段采集多源、多维、多类型、多时态、多精度数据,数据处理的函数模型中不仅仅含有非随机参数,而且含有随机参数,其随机参数又常常为动态的等特点,建立了广义非线性动态最小二乘数据处理模型。针对该模型规模大、维数高的特点,借鉴多变量函数寻优的“变量轮换法”或“因素交替法”的思想、结合BFGS算法,建立了一交替寻优的解算方法,该算法将大规模的优化问题分解为两个较低规模的优化问题进行解算,降低了问题的规模,减少了计算量。

智能硅基多维复用与处理芯片

全面综述了硅基光子单一维度和多个维度的复用与处理,梳理了智能硅基光子集成器件的发展过程。智能硅基多维复用与处理芯片能充分开发和利用光子多维度资源,并能结合硅基光子集成芯片的优势,有望为解决光通信新容量危机和新能耗危机提供核心光电子支撑技术和芯片,从而为实现光通信可持续发展和其他相关应用提供潜在芯片级集成化解决方案。

基于信号子空间的多维参数联合估计

旋转不变的子空间中特征值的估计与关联是多维谱估计和阵列信号处理的重要问题。采用平行的交叉偶极子均匀线阵,利用各子阵列输出信号的相关矩阵构造多个旋转不变的子空间,并用其中一个子空间的信号子空间实现了频率、二维到达角和极化的自动配对。整个计算过程只需进行一次矩阵特征值的分解,就可完成多维参量估计与配对,且不存在参量兼并现象,理论分析与计算仿真结果证明了方法的有效性。

数据仓库系统中一种改进的维层次聚集Cube存储结构

提出利用Cube中的维层次(dimensionhierarchy)聚集技术来创建高性能的维层次聚集Cube(dimensionhierarchyaggregatecube,DHAC).充分利用DHAC已保存的维层次信息,对Cube中多维数据的查询和更新效率进行了优化,并且支持Cube的上探、下钻等语义操作.在DHAC中进行数据插入和删除等数据更新时,由下向上用更新前后的差值对受到更新结点影响的所有祖先结点进行增量更新.实现了在插入新维或维层次时不需要重新构建聚集Cube就可以实现Cube的模式更新.对维层次聚集Cube与传统Cube进行了算法性能分析和比较,理论分析和实验结果都表明,所提出的DHAC性能最佳.

一种基于维层次聚集树的Cube增量更新算法

提出利用Cube中的维层次聚集树(d im ens ion h ierarchy aggregate tree,简称DHA_T ree)来对聚集Cube进行增量更新维护,在维层次聚集Cube中进行数据插入和删除等数据更新时,充分利用维层次聚集树中的维层次前缀,由下向上用更新前后的差值对受到更新结点影响的所有祖先结点进行增量更新.在插入新维数据时,在不需要重新构建聚集Cube就可以对聚集Cube进行增量更新,从而减少了Cube的更新时间.对基于维层次聚集树的聚集Cube与传统Cube进行了算法性能分析和比较,结果表明本文所提出的聚集Cube的增量更新算法性能最佳.

多维数据仓库系统中高性能DCA-Tree Cube的研究

提出了利用R*-tree改进的DCA-tree(data cube aggregate-tree)来创建高性能的DCA-tree cube聚集cube,阐述了创建DCA-tree cube、DCA-tree cube增量更新和MOLAP快速查询等关键技术.算法分析表明,所提出的DCA-tree cube在查询和更新效率方面要比以往DDC等方法创建的cube要高,解决了在插入新维数据时cube增量的更新维护.

对海雷达多维图像特征融合智能检测方法

海面目标检测是雷达信号处理中的重要内容,在军事、民用领域内都有重要应用价值。在海面目标雷达信号处理中,海杂波的存在对检测算法的性能有很大影响,传统的雷达信号处理方法多基于统计理论,对于复杂环境条件和多样的目标特性检测性能下降明显。近年来深度学习技术发展迅速,为可靠的海面目标的检测方法提供了技术支持。本文对近年来目标检测算法、深度学习方法的发展进行总结,从雷达信号数据结构和维度出发,采用深度学习理论,分别提出了基于二维图像、三维视频雷达信号、多维雷达信号多通道融合的智能处理框架,并以导航雷达图像海上目标智能检测为例,提出一种Precise ROI‒Faster R‒CNN雷达图像检测算法,通过构建的导航雷达数据集训练和测试,相比经典恒虚警检测和Faster R‒CNN检测方法有更高的检测精确度和更好的泛化能力,从而为对海雷达智能导航和目标检测提供了有效的技术途径。

基于混沌神经网络的二维局部均值估计自适应滤波

为了提高自适应滤波的精度和收敛速度,提出了一种基于混沌神经网络的二维均值估计(LME)自适应滤波算法,在传统的二维LME自适应滤波方案中引入了混沌神经网络控制机制,用混沌神经网络自适应滤波器代替LME中的LMS自适应滤波算法,应用混沌神经网络估计局部期望输出进行滤波。仿真结果表明,该局部均值估计滤波器当输入信号为均值不为0且变化较大时,输出信号仍能较好地实现对输入信号的跟踪,获得了原始信号的主要特性,从均方误差曲面来看,算法具有较快的收敛速度和较高的滤波精度。

改进多维本质时间尺度分解的厂级振荡检测

随着现代工业的发展,控制回路的厂级振荡检测已成为控制性能评估的重要研究内容。针对多维本质时间尺度分解(MITD)算法在分解复杂的多维信号时无法较好地提取原信号的局部特征的问题,提出了一种改进的多维本质时间尺度分解(IMITD)。该算法通过对信号进行端点延拓、选取多维信号基线节点和增加筛选内循环的方法,更好地保留了原信号局部特征和时频信息,在控制回路的厂级振荡检测上提高了检测的准确性。仿真信号和工业实例验证了改进的多维本质时间尺度分解算法在工业多回路振荡检测中的优越性。

二维阻尼／无阻尼谐波的状态空间复合描述与参数估计

本文提出了二维阻尼／无阻尼谐波的一种状态空间复合描述方法。在此基础上，通过辨识状态空间模型的参数获得了二维谐波的参数估计。这种新的估计方法既实现了分维处理，又避免了配对问题，仿真结果表明了该方法的有效性。

二维阻尼／无阻尼谐波参数估计的新方法

本文提出了二维阻尼／无阻尼谐波参数的一种新估计方法。该方法从原始数据中构造出三个ＥＳＰＲＩＴ矩阵束，结合特征分解滤波和整体最小二乘法来求解这些矩阵束的广义特征值，分别得到二维谐波的两组极点估计。这种方法具有较小的运算量且便于采用并行算法实现。仿真结果表明该方法具有很高的估计精度。

多维固有时间尺度分解算法

针对控制回路、机械系统实际运行数据复杂多变、非稳定、非线性、信号耦合性强等问题,提出了一种新的多维信号分解方法,多维固有时间尺度分解(MITD)。给出了算法步骤;对所提出的MITD进行一定程度优化,以达到更好的分解效果;对所提出算法进行仿真分析和工业实例分析,表明了MITD对多维数据分解的优越性。

多维DFT的多维多项式变换与离散W变换算法

本文首先通过引进一种序列的重排技术将m(m 2 )维离散Fourier变换 (m DDFT)转化为一系列的一维广义离散Fourier变换 (GDFT)的多重和 .然后引入一维离散W变换 (DWT)以及多维多项式变换 (MD PT)计算该多重和以减少冗余的算术运算 ,从而得到了高效的多维DFT算法 ,该算法与常用的行 列DFT算法相比 ,乘法仅约为行 列法的 1/ 2m ,而加法仅约为行 列法的 (2m +1) / 4m .对于 2维DFT的计算 ,本文方法同单纯的多项式变换方法相比 ,乘法与加法分别减少 5 0 %与 40 %左右 .另外 ,本文算法计算结构简单 ,易于编程实现 。

基于张量分解的多维数据填充算法

在多维数据分析和处理中,经常会出现部分数据丢失或者部分数据未知的情况,如何利用已知数据的潜在结构对这些缺失数据进行填充是一个亟待解决的问题。目前对于缺失数据填充的研究大多是针对矩阵或者向量形式的低维数据,而对于三维以上高维数据填充的研究则很少。针对该问题,提出一种基于张量分解的多维数据填充算法,利用张量分解中CP分解模型的结构特性和分解的唯一性,实现对多维数据中缺失数据的有效填充。通过实验对以三维形式存储的部分数据缺失图像进行填充修复,并与CP-WOPT算法进行比较,结果表明,该算法具有较高的准确度以及较快的运行速度。

基于物流企业的OLAP多维数据模型的设计与实现

文中对基于物流企业的OLAP多维数据立体模型进行了设计和分析。同时就其在物理实现上,对使用关系型数据库与多维数据库进行了比较,分析了存在的问题及解决方案。最后,给出了采用多维立体模型的分析实验结果。

基于多层前馈神经网络的二维自适应消噪方法

提出了一种基于多层前馈神经网络对带噪声样本进行二维去噪声建模的新方法,分析了神经网络的结构和原理并改进了反向传播训练算法,从理论上进行了论证。仿真结果表明此方法能较好地实现噪声消除,相对于传统的线性噪声对消器和基于Hopfield网络的消噪方法,具有更优越的性能,保持了原始信号的完整性,达到了有效抑制噪声的目的。

中医医案方剂多维相似度算法设计与探索

中医医案方剂具有多维度的特性,单独采用一种相似度算法难以展现方剂数据在各维度的相似情况,具有一定的局限性。本研究基于中医医案方剂的多维数据特点,结合中医临床遣方用药的思维过程,设计了中医医案方剂的多维相似度算法,并以七则国医大师医案为示例,详细展示了该算法的计算过程,同时将多维相似度算法计算结果与传统算法计算结果进行了对比分析。通过对比可以看出本算法能够相对全面地反映不同方剂间的相似度,且结果更为合理也更贴合中医临床实际。