基于局部建模的异构图表征学习方法

现有的异构图神经网络通常忽略了存在于邻居节点之间潜在的语义联系,这使得节点表征无法蕴含多样化的局部特征。为了解决这个问题,文中提出了一种基于局部建模进行表征学习的方法L2NH,该方法首先构建邻居节点之间的协方差矩阵,并通过关系编码将边的类型信息融入到矩阵中,然后基于局部网络特征值分解提出了一种多通道机制来使得节点表征蕴含多样化的局部特征,最后,实验表明,该方法能够有效地提升节点分类的效果。

基于小波系数的近红外光谱局部建模方法与应用研究

局部建模方法使用与预测样本相似的样本建立模型,可解决光谱响应与浓度之间的非线性问题,扩大模型的适用范围,提高预测准确度。采用小波变换进行数据压缩并利用小波系数之间的欧氏距离作为光谱相似性的判据,实现了近红外光谱定量分析的局部建模方法,避免了样本之间的依赖性。将所建立的方法用于烟草样品中氯含量的测定,100次重复计算得到的预测集均方根误差(RMSEP)平均值为0.0665,标准偏差(σ)为0.0045,优于全局建模和基于主成分的局部建模方法。

局部建模方法用于烟草样品的近红外光谱定量分析

采用近红外光谱在主成分空间的距离作为样本相似性的判据,建立了一种用于近红外光谱定量分析的局部建模方法。该方法首先对校正集的光谱进行主成分分析(PCA),然后基于主成分空间中预测样本与校正集样本的距离选择校正子集并建立局部偏最小二乘(PLS)回归模型。对欧氏距离和马氏距离的比较表明,欧氏距离可以更好地表达样本之间的相似性。将所建立的方法用于烟草样品中氯和尼古丁含量的测定,结果表明局部建模方法比常用的全局建模方法具有更好的预测准确性,特别是在低含量成分的预测中具有明显优势。

使用局部建模的微处理器测试程序自动生成方法

模拟仿真方法是当前微处理器功能验证的主要方法,然而在验证工作后期需要耗费大量的时间来检验余下复杂的功能点,验证收敛速度缓慢.针对该问题,本文在覆盖率增长缓慢时,引入结合模型检验引擎的测试程序生成方法.该方法首先采用局部建模策略为处理器构建抽象设计模型,然后使用模型检验引擎读入该模型并产生测试生成指导规则,最后,随机测试生成器依据指导规则产生大量测试程序作为模拟器输入,完成功能验证工作.以北大众志UniCore32定点处理器核的功能验证为例评估本文方法,结果表明,使用该方法可以快速完成对未覆盖功能点的验证,加速验证收敛.

基于局部建模的预测控制及其在芳烃异构化过程的应用

针对一类非线性系统提出了基于局部建模的预测控制算法,对于局部模型的训练数据选取,同时考虑了样本数据之间的欧氏距离与向量的夹角,使得训练数据的选取更合理,并对芳烃异构化过程进行了实验仿真。首先通过最小二乘支持向量机进行局部建模,并将局部模型作为算法的预测模型。然后利用粒子群优化算法进行滚动优化,寻找到最优控制量。最终仿真实验验证了该算法的有效性和鲁棒性。

甲醇制芳烃K-means-PSO-SVR局部建模及优化

针对甲醇制芳烃(MTA)过程数据样本趋同、维度高、非线性、强耦合、局部差异大的特性,提出了一种K-means-PSO-SVR的局部建模方法,用以解决单一全局模型预测精度低,鲁棒性不强的问题。该方法首先用Kmeans算法对样本空间的数据进行聚类,实现对样本空间k个区域的划分,再用经过粒子群优化算法(PSO)优化过超参数的支持向量回归算法(SVR)在划分好的样本空间上建立相互独立的局部模型,最终将建立的k个相互独立的局部模型组合起来组成覆盖整个样本空间的集成模型。在不同噪声水平下将K-means-PSO-SVR方法的建模效果与单一全局SVR、BP神经网络和线性回归3种算法的建模效果进行了比较分析,结果表明:K-meansPSO-SVR局部建模方法的性能在所有水平的噪声下都明显优于其他3种建模方法,并且该方法对噪声具有很强的鲁棒性。以建立的数据模型为基础优化了两段式固定床甲醇制芳烃的关键工艺参数,并用5次独立重复实验验证了优化结果的可靠性,得出当一段温度为446.2℃、二段温度为467.3℃、甲醇体积空速为0.4h^(-1)、压力为0.64MPa时反应产物中苯、甲苯和二甲苯(BTX)的总收率最高,最高收率为44.30%。

基于独立成分的局部建模方法及其在近红外光谱分析中的应用研究

建立了一种基于独立成分分析的局部建模新方法,该方法首先将独立成分分析(ICA)用于近红外光谱的特征提取,然后,根据所提取的独立成分选择校正集中与预测样本相邻近的样本构成校正子集,建立局部偏最小二乘(PLS)回归模型并对预测样本进行预测。将所提出的方法应用于烟草样品中尼古丁含量的测定,所得结果优于常用的全局建模方法。

沉管隧道地震反应分析局部精细化建模中的几个问题

通过大型沉管隧道的实例分析和前期研究成果,重点讨论沉管隧道地震反应分析中建立局部三维精细化模型时所应关注的4个问题:1模型范围大小的问题;2上覆水体动水作用的简化;3时域分析中阻尼矩阵的合理建模及其影响;4地震输入方式的选择与影响等。文中通过工程算例验证局部三维精细化建模的合理方式,研究结果表明:考察某段沉管管节的地震反应时,应至少考虑该管节两端各三段相邻管节的影响和轴向5倍以上土层厚度范围的土层影响;上覆水体可近似采用等效附加质量的方式模拟;当沉管隧道-土层体系的基频低于输入地震波的卓越频率时,易采用基于体系基频的优化方法来确定Rayleigh比例阻尼矩阵的比例系数;沿沉管隧道轴向的多点地震输入对隧道地震反应有较大影响,应加以充分关注。

无监督学习全局和局部特征建模的低光照图像增强

在EnlightenGAN的启发下,提出了一种新的基于无监督学习全局和局部特征建模的低光照图像增强网络(Low-light Image Enhancement Network Based on Unsupervised Learning Global and Local Feature Modeling Image Enhancement,GLFMIE)。该网络分为两个阶段:生成网络和判别网络。生成网络包括全局和局部特征建模网络,判别网络包括全局和局部判别网络。在全局特征建模中创新性地引入了Swin-Transformer Block,其移位窗口机制可以以较少的内存消耗对输入图像进行长距离的特征依赖建模,并很好地提取图像颜色、纹理和形状的特征,从而有效地抑制噪声和伪影。在局部特征建模中,设计了一种多尺度图像和特征聚合(Multi-Scale Image and Feature Aggregation,MSIFA)网络,允许在单个U型网内交换来自不同尺度的信息,进一步增强图像特征的表征能力。在多个公共数据集的测试实验中,与已有一些先进低光照图像增强算法相比,该算法均取得了SOTA级别的表现。

基于泊松小波径向基函数融合多源数据的局部重力场建模

融合多源数据的高精度、高分辨率的局部重力场建模是物理大地测量学的前沿和热点问题.本文研究了基于径向基函数融合多源数据的局部重力场建模方法,利用Monte-Carlo方差分量估计实现了不同类型的观测数据的合理定权,引入了最小标准差法确定基函数的适宜网络,分析了地形因素对于基函数网络确定及局部重力场建模精度的影响.以泊松小波基函数为构造基函数,结合残差地形模型,融合实测的陆地重力异常、船载重力异常及航空重力扰动数据构建了局部区域陆海统一的似大地水准面模型.研究结果表明:引入残差地形模型平滑了地形质量引入的高频扰动信号,简化了基函数的网络设计;并提高了重力似大地水准面的精度,平原地区其精度提高了4mm,地形起伏较大的山区其精度提高了约5cm.总体而言,基于"三步法"构建的局部重力似大地水准面在荷兰、比利时及德国相关区域,其精度分别达到1.12cm、2.80cm以及2.92cm.

融合多源数据的局部重力场建模中线性化误差的研究

引入高阶重力场模型作为参考场,削弱局部重力场逼近中线性化误差的影响。以实测的陆地重力异常、船载重力异常及航空重力扰动为基础数据,基于泊松小波径向基函数分析不同参考场对局部重力场逼近的影响。结果表明,引入高阶全球重力场模型代替GRS80参考椭球正常场作为参考场,能更为准确地逼近真实的重力场,有效削弱线性化误差的影响。相比于基于GRS80正常场构建的似大地水准面模型,基于DGM1S重力场模型为参考场构建的似大地水准面的精度,在地形起伏较大的德国、英国及挪威区域分别提高了1.5mm、3.3mm和9.0mm。

局部多项式建模在图像插值中的应用

本文运用局部多项式的方法对图像进行插值。文中我们从一幅高分辨率图像通过下采样得到一张低分辨率图像,然后对其进行插值并求出插值图像的峰值信噪比(PSNR)。为说明本文方法的可行性,我们把本文的方法与传统的插值方法进行了比较。实验表明本文所运用的方法比传统插值方法具有更高的PSNR,故本文的方法对图像插值是有效可行的。

基于局部重力场建模的Tikhonov正则化点质量核径向基函数方法

针对点质量核径向基函数应用于局部重力场建模中的设计矩阵严重病态问题,本文引入Tikhonov正则化方法对传统点质量核径向基函数方程进行改造,建立了相应的正则化模型。通过模拟数据进行仿真实验,以传统格网化方法作为对比试验,利用"标靶法"确定两种模型的最优结构。实验结果表明:正则化点质量核径向基函数可以直接利用离散数据进行局部重力场建模。在两种模型的最优结构下,当实测数据无污染时,正则化方法达到与传统格网化方法相当的精度;当实测值中加入3 mGal的高斯白噪声时,正则化方法的精度获得了27.9%的提升。这说明本文方法可以应用于局部重力场建模中,且模型结构更优,抗干扰能力更强。

人眼有限元建模与仿真的研究进展

目的:眼组织生物力学、生物热传递、电磁场分布等生理病理信息在眼部疾病诊治中有重要意义。目前的成像和测量技术难于对以上眼的生理病理变化进行量化分析,有限元建模仿真的引入为这些信息的定量分析提供了可行方案。本文对近年来人眼有限元建模与仿真的研究进展进行综述。方法:首先介绍了眼有限元建模仿真的基本方法。接下来,采取由局部到整体、从前到后的结构顺序重点对眼有限元建模仿真的研究进展进行了归类总结,讨论了这些模型构建与仿真在眼科研究中的应用。结果:分析了有限元建模与仿真在角膜、虹膜、房水、晶状体、玻璃体、视神经乳头、巩膜等局部区域生理病理研究中的应用。分析了基于整体模型对眼部生物热传递和与外力相关的眼组织受力分析的研究现状。结论:人眼建模仿真的研究深化了对眼部生理学和病理学的认识。但由于眼组织生理参数和物理属性测定困难,有限元建模与仿真的运行环境特殊,分析过程复杂,难以推广至个体化的临床实时分析。人眼建模仿真研究重要的发展趋势是:融合先进的成像技术和参数化建模技术构建精细人眼整体形态模型;在体测量物理属性;对构建的模型赋予各向异性、非线性、粘弹性等属性,使模型属性更接近眼组织真实属性;将仿真结果与合理的动物实验相结合。

基于被控变量在线建模的化工过程实时优化方法

选择合适的被控变量可对过程进行实时优化(RTO),但现有方法在设计阶段确定被控变量后,不允许对其进行在线调整,导致了RTO效果的局限性。针对这一问题,提出了一种基于被控变量在线建模的方法,使用局部建模技术在线寻找相似样本并建立一阶最优性必要条件(NCO)的估计模型,将其作为被控变量更新控制回路,在反馈控制作用下达到更好的RTO效果。对一个蒸发过程的研究表明,此方法能够通过对NCO的在线准确建模,增加生产过程的经济效益。

基于DHSPSO的局部LS-SVM动态建模预测

基于局部建模方法可克服数据间非线性影响的思想,提出了一种基于动态和谐搜索混合粒子群优化(DHSPSO)的局部最小二乘支持向量机(LLS-SVM)动态软测量建模方法。该方法首先通过欧式距离选取局部训练样本子集,然后利用该子集建立LLS-SVM模型。用DHSPSO的方法选取最小二乘支持向量机的模型参数及训练样本子集的大小,该方法克服了常用的交叉验证法耗时与盲目性问题,适合在线建模及预测。此算法通过对某乙烯精馏塔的塔釜乙烯浓度软测量建模的工业实例仿真,结果表明该算法较其它算法具有更好的泛化结果和预报精度,具有良好的应用潜力。

基于加权主动形状建模的人脸特征定位方法

主动形状建模是面部特征定位和人脸识别等模式识别领域中常用的一种方法。然而,由于受到初始情况、光照等诸多因素的影响,主动形状建模经常会陷入最优化过程中的局部最小问题,从而导致其性能下降。该文在传统主动形状模型基础上,提出了一种加权主动形状建模的方法,该方法可以有效地解决上述局部最小问题,并且更好地捕捉局部点的特征信息,从而更精确地进行面部特征定位。最后通过实验验证了上面的结论。

融合机制与高斯混合回归算法的成品油管道顺序输送混油长度预测模型

成品油管道顺序输送过程中会出现混油现象,精确预测混油长度对油品批次切割具有重要意义,混油长度机制模型存在精度不高,数值计算量庞杂等问题。当前基于机器学习算法构建的全局预测模型未考虑实际工况多模态特性,预测精度受限;直接引入高斯混合回归算法辨识数据模态难以准确表征变量间复杂非线性关系。采用现有机制计算公式与高斯混合回归算法构建融合机制认知的局部建模算法,基于真实成品油管道顺序输送混油长度数据集进行不同模型预测结果对比试验。结果表明,融合机制认知与局部建模算法能有效表征变量间函数关系,新模型预测精度有明显优势。

基于滑模观测器的LCL型并网逆变器鲁棒预测控制研究

针对常规LCL型并网逆变器的有限控制集模型预测控制(FCS-MPC)参数鲁棒性差的问题,提出一种基于滑模观测器的LCL型并网逆变器鲁棒预测控制方法。首先,分析了参数变化对常规LCL型并网逆变器电网电流预测控制的影响;然后,根据超局部建模理论建立LCL型并网逆变器的一阶超局部模型,使用滑模观测器对系统的集总扰动进行估计,提高系统控制的动态性能,实现并网电流的鲁棒预测控制;最后,通过搭建Typhoon602+仿真器和PE-Expert4控制器实验平台验证了所提方法的有效性。

广义残差地形模型及其在局部重力场逼近中的应用

研究了残差地形模型中的非调和性问题,比较了基于棱柱体和球冠体的积分模型,提出了基于球冠体积分的广义残差地形模型。以泊松小波径向基函数为构造基函数,结合广义残差地形模型,融合多源实测重力数据构建了局部区域重力场模型。研究结果表明:基于棱柱体积分的残差地形模型精度较低,在山区可能引入毫伽级以上的误差,建议采用更为接近真实地形表面的球冠体积分模型。相比于原始的残差地形模型,基于球冠体积分的广义残差地形模型能更为精确地逼近局部重力场模型中地形因素引起的高频效应。