中国省会航空节点城市复杂时空系统协调度变化及空间特征分析

航空运输业提升了城市系统的吸引力并激发新的交通需求,引导城市经济和空间结构快速演进。本文构建了包含经济、规模、外贸、科技、社会、环境、航空等要素在内的城市复杂时空系统指标体系,对中国省会航空节点城市及其构成的7个空管区的复杂时空系统发展的协调程度变化情况及时空聚类特征、空间溢出效应进行了分析。研究发现:2001—2019年,中国31个省会(首府、直辖市)航空节点城市在复杂时空系统发展过程中呈现了或分散、或集中的趋势特征,南方城市在研究末期的协调程度表现更好。7个空管区中,华北区协调度最高,新疆区、西北区、华东区、中南区的协调度水平发展增速较快,航空系统的平均协调度最高。各航空节点城市复杂时空系统协调度的时空聚类模式存在空间分异特征与聚类特征,航空系统在空管区的聚类优势最为突出,经济系统在空管区聚类辐射范围最大。航空、规模、科技与环境系统均表现了正向直接空间溢出效应,经济与科技系统表现了正向间接空间溢出效应。通过全面分析航空节点城市及空管区的复杂时空系统协调度变化,精准判定了航空节点城市多指标系统在区域发展过程中的影响程度及时空分布异质性,对拓展航空地理研究及促进航空节点城市高质量综合发展提供理论依据。

中国产业复杂网络、区域影响力测度与时空动态演变研究

瞄准中国产业体系,基于复杂网络理论,结合投入产出技术构建中国42个产业部门的省际产业复杂网络,从关联度、聚集度、主导度三个维度观测网络结构特征,对产业区域影响力进行多指标评价,进一步抽取高技术服务业以聚类系数和PageRank为基础运用ESDA方法进行空间自相关分析。研究发现:中国各产业区域影响力存在差异,各产业与其关联产业彼此间协调性和互动性不足;区域间发展水平不平衡,东北、中部地区产业短链横向宽度较广,东部地区产业长链纵向深度较长,具有依托上下游产业的带动来实现发展的关联条件,西部地区产业相互供给推动效应有待提升;行业差异波动不大,优势产业自身特色明显。时空特征分析表明,中国高技术服务业具有空间正相关性集聚特征,聚类系数和PageRank空间相关性和空间异质性并存,且PageRank的空间正相关性要强于聚类系数,而聚类系数的空间正相关性提升速率要快于Pagerank。应加强产业间互动与融合,提升产业链协同能力,实现区域产业协调发展。

基于确定学习理论和Lempel-Ziv复杂度的非线性系统动态特征提取

对非线性系统产生的非线性非平稳信号进行有效的特征表达是特征提取领域重要且困难的问题.本文基于确定学习理论和Lempel-Ziv复杂度(LZ复杂度)提出一种新的非线性系统动态特征提取方法.新方法将从系统的动力学轨迹中提取特征.通过确定学习理论对产生回归轨迹的非线性动力学系统的未知系统动态进行局部准确建模/辨识, 1)使用LZ复杂度对辨识得到的动力学轨迹进行特征表达,并提出时间复杂度和空间复杂度两个指标组成时空LZ复杂度,从时间域和空间域的角度刻画系统动力学轨迹的复杂程度. 2)对提出的动态特征提取方法进行敏感度分析,定量评价系统的动态特征指标相对于系统从周期轨迹到混沌轨迹的参数变化敏感程度. 3)通过数值仿真和实验分析以验证动态特征提取的有效性.与从系统状态轨迹中提取特征相比,本文提出的动态特征提取方法可以从系统内在动态的角度对原系统进行更好的表达.

滚动轴承复合故障振动建模及Lempel-Ziv复杂度评价

故障建模是探寻机械诊断中认知规律的关键环节。为了更能准确地预知振动特征,研究滚动轴承结合面间的多体接触与传递过程的耦合作用,根据Hertzian理论建立一种详细的计及内圈-外圈-轴承座传递过程的6DOF振动模型。从轴承实际运动学的角度刻画故障的形成及渐进发展过程,进而实现单点、复合故障的有效模拟,并与实验结果进行了比较。轴承运行过程中故障状态的变化,必然导致振动信号复杂性的变化。基于非线性动力系统理论,引入Lem-pel-Ziv复杂度指标评价运行状态。结果表明,单点及复合故障的信号具有不同的复杂度,反映了不同故障状态的动力学响应的差异。Lempel-Ziv复杂度能有效描述轴承振动信号的复杂性,可作为量化指标用于滚动轴承状态评价。

基于多尺度Lempel-Ziv复杂度的运动想象脑电信号特征分析

运动想象脑电信号特征提取是脑机接口研究领域的重要问题,提出一种基于多尺度Lempel-Ziv复杂度的运动想象脑电信号特征提取算法。该算法是传统二值化Lempel-Ziv复杂度算法的改进,它将脑电信号分成多个不同幅值范围的区域,根据信号在各区域间的上升和下降趋势,对脑电信号进行二值化处理得到Lempel-Ziv复杂度。本文将运动想象脑电信号分为4个区域,提取各典型时段的Lempel-Ziv复杂度作为特征值,最后利用支持向量机对脑电信号进行分类识别。实验结果表明,以多尺度Lempel-Ziv复杂度为特征的分类方法,对想象左右手运动脑电信号的平均分类识别率最高达87.87%,优于传统二值化Lempel-Ziv复杂度算法。

辽宁省参考作物腾发量复杂度时空演变规律分析

为了探索辽宁省参考作物腾发量（ET0）演变内在规律及其复杂性，利用辽宁省56 个站点1951-2006 年的逐日气象资料，应用 Penman-Montieth 公式计算各站点逐日参考作物腾发量，并应用Lempel-Ziv 算法计算复杂度和克里金空间插值法对其插值，对辽宁省ET0的复杂度时空演变规律进行研究。结果表明：近50 年ET0复杂度在空间上呈现从西北内陆地区向东南沿海地区递增的趋势，东南沿海地带复杂度较高，而东北内陆地区复杂度较低。分析最近20 年ET0复杂度变化情况表明，辽宁省大体上都呈显著减小趋势，而ET0多年平均复杂度年内呈现先增加后减小的趋势。方差分析表明干旱程度是影响ET0复杂度的一个重要因素。

情感识别中脑电信号Lempel-Ziv复杂度的研究

在生理信号中,基于脑电信号的情感识别越来越引起研究者的重视。Lempel-Ziv复杂度测量是一种有效的非线性脑电信号分析方法,同时在情感脑—机接口系统中还可以用于进行情感的识别。文章在传统Lempel-Ziv复杂度算法的基础上,提出一种新的Lempel-Ziv复杂度算法,从而更好地进行基于脑电信号的情感识别。首先进行脑电信号的预处理,通过小波包变换来保留脑电信号的低频信号;然后利用非线性滤波器来移除脑电信号中的奇异值;进一步我们提出一种有效的自适应Lempel-Ziv复杂度算法来度量脑电信号的复杂度,并应用此特征值来识别情感。实验结果证明此方法可以从脑电信号中提取出更多有效的模式。同时,它还能够精确地检测到脑电信号的振荡情况,从而提取出不同情感状态下脑电信号中本质的非线性特性。

基于AR模型和Lempel-Ziv复杂度的癫痫发作预报

目的癫痫是由多种病因引起的慢性脑功能障碍综合征,及时的发作预报,对于建立新的治疗方法和改善患者的生活质量有着至关重要的作用。目前大部分脑电分析算法存在计算速度慢、适应性差等问题,无法满足癫痫脑电发作预报的要求。方法本文应用自回归模型对脑电信号进行特征提取,支持向量机(support vector machine,SVM)作脑电各个时期分类器,并与Lempel-Ziv复杂度分析计算相结合,准确识别发作前期,以实现癫痫的发作预报。结果应用弗莱堡大学数据对上述方法的有效性进行验证。仿真结果表明,该方法得到的发作漏检率、误报率较低,预报提前时间较长。结论将AR模型和Lempel-Ziv复杂度相结合,对癫痫发作预报的实现,有一定参考价值和意义。

时空限制与任务复杂度对搜索结果的影响:跨设备实验研究

[目的/意义]以启发式-系统式模型为基础,将时空限制与任务复杂度分别作为启发式与系统式线索构建理论模型,探究影响搜索结果的关键因素,并对比不同搜索设备的影响差异。[研究设计/方法]设计2(时空限制:强/弱)×2(任务复杂度:高/低)×2(搜索设备:只能用手机/手机和PC都可使用)的多因素实验,构造8个不同的搜索情境,将使用过手机搜索和PC搜索的200名在校大学生作为被试对象,探索不同搜索情境下启发式和系统式线索对搜索结果行为与结果的影响。[结论/发现]根据搜索用时长短将搜索行为划分为启发式和系统式搜索行为:对于启发式搜索行为,搜索结果匹配度仅受搜索时空限制影响;对于系统式搜索行为,搜索结果匹配度则同时受搜索时空限制和任务复杂度影响。此外,使用不同的搜索设备(只有手机可用、手机与PC都可用)时,时空限制和任务复杂度对搜索结果匹配度的影响存在差异。[创新/价值]揭示了启发式与系统式搜索行为模式以及两种行为的重要影响因素,有助于改进搜索产品与服务。

时空离散度复杂背景运动目标快速检测

复杂背景下运动目标的快速检测一直是目标跟踪领域的难点。灰度投影法可将时空域内的图像序列由三维信号压缩为二维信号来处理,且压缩后的信号噪声仍能通过高斯滤波来消除;之后计算灰度投影向量的时空离散度,并采用水线阈值分割技术查找离散度曲线的波峰,从而确定运动目标所在位置,实现运动目标的快速检测。该方法计算简单,对于摄像机抖动、目标被部分遮挡或背景中景物非完全静止等等复杂背景情况,均能快速准确地检测到运动目标。

基于自适应Lempel-Ziv复杂度的情感脑电信号特征分析

脑电信号是研究人类情感的主要手段之一。将Lempel-Ziv复杂度算法应用在脑电情感分类方面,并对其进行相应改进。针对脑电信号变化微弱的情况,在二值化过程对原有二值化方法进行改进,采用自适应方法调整信号分段区域,提取脑电情感数据特征,刻画了相邻点之间的相互关系和细节信息。探究不同情感状态下、不同电极复杂度的变化规律,采用SVM进行特征分类,验证了所提取特征的质量和有效性。

基于Lempel-Ziv复杂度和经验模态分解的癫痫脑电信号的检测方法

癫痫脑电信号是非平稳、非线性的,根据此特性我们提出一个基于Lempel-Ziv复杂度和经验模态分解(EMD)的癫痫脑电信号的检测方法,首先将癫痫脑电信号用EMD分解,再分别计算每阶固有模态函数(IMF)的复杂度,最后将得到的复杂度作为特征进行检测.实验用波恩数据库来评估提出的方法.结果表明,该方法检测准确率可达到95.25%,具有准确率高、适应性强等优点.

基于压缩域时空复杂度的实时视频满意度模型

为了实现在视频发送端或中间传输节点实时评估用户感知质量和在中间节点通过视频传输质量来监控网络质量,提出一种基于时空复杂度的实时视频满意度评估模型。利用I帧中4×4块所占比例和亮度信息代表视频空间复杂度,并通过P帧宏块运动矢量大小区分出前景和背景,以前景区域的运动矢量表征时间复杂度,将空间复杂度和时间复杂度相结合分别建立编码失真视频满意度模型和传输失真视频满意度模型。结果表明,提出的模型预测值和主观测试值之间的相关系数R-square分别为0.912和0.930,均方根误差RMSE分别为0.189和0.102。该模型运算复杂度低,可为实时视频质量评估系统的建立提供参考价值。

CEEMD与Lempel-Ziv复杂度相结合的滚动轴承损伤程度评估方法

针对不同损伤程度的滚动轴承其内、外圈故障在背景噪声影响下难以检测的问题,提出补充总体平均经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)与Lempel-Ziv复杂度(简称LZC指标)分析相结合的滚动轴承损伤程度评估方法。首先,对滚动轴承振动信号进行CEEMD分解,得到多个IMF(Intrinsic mode function)分量;然后,基于峭度最大准则选取有效IMF分量并计算其Lempel-Ziv复杂度综合指标;最后,根据Lempel-Ziv复杂度综合指标的变化规律判断滚动轴承的损伤程度,并基于6σ原则给出了不同损伤程度的滚动轴承内、外圈故障Lempel-Ziv复杂度取值区间。将该方法应用于滚动轴承的损伤程度评估,分析结果表明了该方法的有效性和可行性。

基于变步长多尺度Lempel-Ziv复杂度融合指标的旋转设备损伤评估

损伤程度评估对于旋转设备的故障预测与维护至关重要。Lempel-Ziv复杂度已被广泛用于旋转设备的定量故障诊断。但是传统Lempel-Ziv复杂度指标只能在单一尺度提取故障信息,难以全面挖掘故障特征。为此,学者提出了多尺度Lempel-Ziv复杂度。然而,多尺度分析会缩减时间序列的长度,易于导致评估结果不准确。因此,提出了一种基于变步长多尺度Lempel-Ziv复杂度融合的旋转设备损伤程度评估指标。首先采用变步长策略优化粗粒化过程,更全面地挖掘故障信息;然后运用基于拉普拉斯得分加权的融合方法来评估每个尺度的重要性,将变步长多尺度复杂度序列转化为一个单一但全面的评价指标,即所提的变步长多尺度复杂度融合指标,用以全面挖掘振动信号的特征,实现对旋转设备的损伤评估。本文采用轴承单点缺陷数据、轴承全寿命数据和齿轮箱疲劳试验数据验证所提方法的有效性,并与其他复杂度指标进行比较分析,结果表明:所提指标可100%准确地对轴承故障严重程度及齿轮磨损程度进行评估,发现早期故障,实现旋转设备的定量诊断。

并行推理策略的渐近时空复杂度分析及其应用

1.引言 并行推理是智能计算机研究领域的关键技术之一。目前,以基于一阶谓词演算的逻辑式程序设计语言为核心语言构作并行推理系统的研究工作虽处于实验阶段,但已成为一个重要的活跃的研究方向,从国外有代表性的工作看,由于各实验模型机或系统。

基于Lempel-Ziv复杂度的精神分裂症MEG信号分析

将非线性动力学中的Lempel-Ziv复杂度分析方法应用于精神分裂症的脑磁图(MEG)信号的复杂性研究,探究精神分裂症MEG信号的非线性动力学特性。对10例精神分裂症患者和10个健康正常人(正常对照组)的静息态MEG信号进行Lempel-Ziv复杂度分析,并采用两独立样本t检验方法进行统计学分析。研究发现,精神分裂症患者MEG信号的Lempel-Ziv复杂度明显高于正常对照组。这表明精神分裂症患者比健康正常人有更高的大脑活动复杂性。

O（N）时空复杂度排序器的设计

用特别设计的自动检索电路与一般存储器一起构成一个独立的硬件排序单元．其时间、空间复杂度均是Ｏ（Ｎ）．它既可以作为主ＣＰＵ的协处理器。

基于非线性复杂测度的往复压缩机故障诊断

往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。

基于ITD复杂度和PSO-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出了一种基于固有时间尺度分解(ITD)、Lempel-Ziv复杂度特征和粒子群优化支持向量机(PSO-SVM)的故障诊断新方法。首先对滚动轴承的振动信号使用ITD方法进行分解,得到若干个频率由高到低的固有旋转(PR)分量,由于滚动轴承在不同的故障状态下的PR分量Lempel-Ziv复杂度的分布不同,提取各PR分量的Lempel-Ziv复杂度值作为每个样本的特征向量,使用支持向量机(SVM)对轴承振动信号样本进行故障类型的识别,并用粒子群优化(PSO)方法对支持向量机的参数优化以获得较高的识别准确率。对滚动轴承振动信号的实测结果的分析表明:该方法可以实现对滚动轴承快速、准确地诊断,且不受载荷变化的影响。