基于最大间距准则和差分向量的人脸特征提取

提出了一种结合最大间距准则(MMC)和差分向量的特征提取方法,将其应用在人脸识别中.首先对样本图像进行Gram-Schmidt正交变换得到每类样本的共同向量;然后将每幅原始图像与该类的共同向量之间的差作为差分向量,通过MMC方法得到差分向量的最优投影变换矩阵;最后将测试样本的差分向量和训练样本的差分向量投影到最优投影变换矩阵上获得特征向量,利用三阶近邻分类器进行分类识别.在ORL和Yale人脸数据库上的实验结果表明了该方法具有较好的识别性能.

拟稳点选定的参数估值差分向量模糊聚类法

变形监测网按拟稳平差的关键是如何选定网中的拟稳点．本文所提出的方法解决了这一问题；用该方法计算多个实例．均一次选取成功．

具有变时滞的随机向量差分方程的均方指数稳定性(英文)

利用H lder不等式,时滞差分不等式以及非负矩阵谱半径的性质,得到了一类具有变时滞的随机向量差分方程的均方指数稳定的充分条件.

一类多时滞的向量差分方程的渐近稳定性(英文)

讨论了一类具有多时滞的向量差分方程的渐近稳定性.利用矩阵性质和不等式技巧给出了该类方程渐近稳定的充要条件.

一种新型的标准向量差分压缩方法

文章设计了一种新型的标准向量差分压缩方法,具有压缩率高,使用寄存器少,与ATE通讯协议比较简单等特点,解决了测试向量差分时需要使用与向量等长度的循环移位寄存器的问题。

线性齐次向量差分方程的共轭方程

本文给出了线性齐次向量差分方程（差分系统）的共轭方程的定义和性质．得出了一些独立的结论。

线性齐次向量差分方程的共轭方程

本文给出了线性齐次向量差分方程(差分系统)的共轭方程的意义和性质,得出了与线性齐次向量微分方程类似的结论以及一些独立的结论。

基于有限差分运行域的风电场全风况超短期出力动态区间建模

风电功率具有波动大、不确定性强等特点,场级超短期出力在风电机组风况、出力方面的时延性及时空分散性尚未有效解决。首先,针对周期性风向数据,对机组进行风向聚类并划分风向扇区。其次,提出两步相关性分析法,确定对场级出力影响大且相对独立的多元特征风速。然后,基于有限差分运行域定义回归向量,采用长短期记忆神经网络进行超短期时序动态建模,并结合非参数条件核密度估计法和半参数Copula估计法构建区间模型。最后,通过算例仿真验证了动态区间模型的有效性与可靠性。该模型适用分钟级至秒级的风电场动态响应特性建模,对风电场快速一次调频、无功调压等研究具有指导意义。

函数差分的矩阵表示及其应用

利用矩阵的知识,将函数各阶差分表成的向量写成函数列的向量与一个矩阵的乘积,从而揭示函数差分与函数的内在联系,加深对函数差分表的认识.

多扫描链测试集的分组标准向量压缩法

针对相容压缩方法对确定位分布不平衡的测试数据集的压缩效果不佳的问题,将测试集按多扫描链结构排列后,根据向量之间相同相容关系的数目将测试集划分为若干组,分别对各组实行相容压缩;再次排列后,用标准向量差分法进行差分,并运用距离标记法对差分向量作第二次压缩.该方法对确定位分布不平衡的测试集有较高的压缩率,且向量差分时所需的循环移位寄存器数目少.

基于FD-AT-LSTM的大型风电机组变频器温度状态监测

为了对风电机组变频器进行状态监测,提出了一种基于有限差分回归向量和带注意力机制长短期记忆神经网络的大型风电机组变频器状态监测方法。采用最小均方误差变步长自适应滤波方法对输入、输出进行自适应滤波消除数据随机噪声;然后,使用赤池信息准则确定输入输出动态延迟阶次,构建有限差分回归向量,并以有限差分回归向量为输入建立了变频器状态监测模型,之后根据模型残差计算检测指标并通过核密度估计确定检测指标阈值。结果表明:所提出的有限差分神经网络模型相较于其他机器学习方法,在模型评价指标上均有较大提升,该方法可用于大型风电机组的变频器监测及预警,具有良好的工业应用前景。

一种基于选择触发的低功耗扫描链结构

利用一个和扫描链等长的扫描移位寄存器,对传统扫描链进行改造,提出了一种新型的选择触发的扫描链结构。它有效地降低了传统扫描链扫描移位过程中的动态功耗,并提高了扫描时钟频率,同时它所需要的测试数据为原始测试向量集的差分向量序列集合,编码压缩差分序列中连续"0"的测试数据后,在解压测试时不需要分离的CSR(Cyclical Scan Register,循环扫描移位寄存器)。在ISCAS’89基准电路上进行的实验表明,该方法与传统的串行扫描技术相比,能有效地降低扫描移位过程中的平均功耗。

基于船联网调度平台的航道船流量分析系统和智能体联动机制

针对现有系统普遍存在的数据共享和跨区域信息服务难、船流量检测对航道可见度和视频算法的要求高等问题,介绍一种基于船联网调度平台的航道船流量分析系统和智能体联动机制。调度平台采用基于任务的软件架构,可以实现各个子系统之间的信息融合。航道船流量分析系统通过图像采集与声音检测有机结合,船舶噪声集合的差分向量运算精确,船流量统计精确度高;阐明信息智能体的概念,分析联盟智能体之间的实时交互和联动机制。结果表明,系统建立了一种船联网系统的智能体联动和服务机制,可以实现跨区调度数据共享,并满足管理部门对内河航道航行船舶的精确流量分析和全方位智能联动的动态监控需求。

基于改进S变换的电压暂降起止时刻检测

电压暂降起止时刻是重要的暂降特征量,在分析改进S变换基础上提出一种改进S变换基频幅值向量和基频差分平方向量相结合的暂降检测方法。首先通过改进S变换基频幅值向量判断信号是否发生暂降,再利用改进S变换基频差分平方向量检测暂降信号起止时刻,最后依据基频幅值向量和暂降起止时刻的检测误差曲线来确定改进S变换高斯窗宽调节因子,达到更优时频分辨率。所提方法能更准确地检测发生在不同持续时间、不同波形点和不同幅值深度的暂降所对应的起止时刻。仿真和实测结果验证了方法的有效性。

基于HHT的船舶综合电力系统故障时间定位新方法

针对强噪声环境下船舶综合电力系统故障时间定位精度不高的问题,提出一种基于Hilbert-Huang变换(HHT)和自适应软阈值法的船舶综合电力系统故障时间定位新方法。首先,电能信号经EMD分解为若干固有模态函数(IMF),对第一个IMF分量进行Hilbert变换得到其瞬时幅值向量。然后,在分析故障波形变化规律的基础上,定义并计算故障信号的瞬时幅值差分向量。最后,设计一种自适应软阈值处理方法,将瞬时幅值差分向量变换为故障时间特征向量,经加权均值后,实现故障时间定位。仿真试验结果表明,该方法能够精确定位不同强度噪声下的故障起止时间,在1 k Hz采样频率下精度为0.88 ms,适用于实际船舶综合电力系统故障的时间定位。

Catmull-Clark细分曲面的正则性

针对Catmull-Clark(C-C)细分曲面的正则性进行研究,得到简单易用的判别C-C细分曲面正则性的充分条件.首先给出网格点差分向量的3种定义:前向差分向量,中心差分向量和后向差分向量;然后推导出C-C细分曲面的差分向量的细分格式;进一步,通过特征分析建立了C-C细分极限曲面的切向量与初始控制网格差分向量之间的关系;最后得到判别C-C细分极限曲面正则性的一个充分条件.由于该判别条件表达为初始控制网格差分向量之间的几何关系,因此这个条件具有明显的几何意义.实验结果表明,文中的判别条件易于验证.

基于MEMS三轴加速度传感器的摔倒检测

摔倒作为人体活动的一部分,是影响人体健康的一大因素,尤其对病人和老年人而言,摔倒检测至关重要。基于MEMS三轴加速度传感器采集的人体活动加速度信号,提出了一种基于固定阈值的信号幅度向量滑动平均法SVMSA。该方法根据人体活动时的加速度信号特征,利用预先设定的阈值对加速度信号幅度向量SVM的滑动平均SVMSA进行判决,同时使用差分信号幅度域DSMA区分快速跑步等剧烈运动,准确实现了人体的摔倒检测。主要优势在于分析并区别了人体快速跑步等剧烈运动对摔倒检测的影响。通过对8位实验者的测试,该算法实现了94.4%的精确度。实验表明该算法能够较为准确地实现人体的摔倒检测。

动背景中高速掠过点目标的双窗口捕捉算法

为解决动背景下高速掠过点目标的实时探测问题,探讨了一种新的算法:首先采用基于帧间差分向量一阶范数的目标检测算法对图象进行预处理,实现大面积背景抑制,提取可疑目标点;然后,对提取的可疑目标点采用双窗口搜索算法捕捉运动点目标。该算法简单,运算量小,易于实现。实验结果验证了算法的有效性。

基于时序分析的电网合并单元电平预测

合并单元设备监控依赖于现场工作人员记录、实践经验以及预设告警阈值,缺少对系统监视数据的分析和挖掘,不能实现设备状态预测。鉴于此,根据监视合并单元电平数据的时序性特征,将传统时序模型差分整合移动平均自回归(Autoregressive integrated moving average,ARIMA)和长短期记忆网络(Long short-term memory,LSTM)构建组合模型,并采用蛙跳算法(Shuffled frog leaping algorithm,SFLA)进行模型优化。优化后的模型应用在合并单元激光器监视的电平数据预测分析,将ARIMA-LSTM优化组合模型和单一模型进行对比,验证了组合模型比单一模型具有更高的准确度。进一步和其他组合模型做对比实验,实验结果表明,组合模型经过SFLA优化后均优于其他组合模型,能够更好挖掘数据中的隐藏信息和趋势,提高时序数据预测精度和故障排查效率。将SFLA优化的组合ARIMA-SVM模型和ARIMA-LSTM模型对比,实验结果表明,所提出的ARIMA-LSTM模型优于ARIMA-SVM模型,可以更好地分析和掌握设备状态信息,实现对合并单元设备的电平数据预测。

基于二阶RQ-RLC模型的质子交换膜燃料电池水管理故障诊断

水淹和膜干故障严重影响质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)的工作性能及使用寿命。为充分刻画高频及低频段电化学反应信息,该文建立宽频PEMFC电化学阻抗谱,提出基于二阶RQ-RLC等效电路模型的水管理故障诊断方法。首先,搭建燃料电池测试台架,进行水管理故障模拟实验,测试得到对应的电化学阻抗谱,辨识二阶RQ-RLC等效电路模型的参数,并获得八维水管理故障数据集。然后,运用线性判别分析方法对高维水管理故障数据集降维得到故障特征样本集,并选取4个模型关键参数作为故障诊断特征量。最后,提出自适应差分进化优化支持向量机算法对故障特征样本集进行分类,在50组、130组和210组样本下测试集分类准确率分别100%、97.44%和95.24%,结果表明所提方法能准确诊断出燃料电池所处的水管理故障类型。