加权特征向量LS-SVM在线结构损伤识别

在增量式最小二乘支持向量机(SILS-SVM)方法的基础上,提出了加权特征向量最小二乘支持向量机(WEVLS-SVM)在线结构损伤识别方法。该方法根据训练数据贡献量的大小对数据进行加权,从而更适合于对结构的时变参数进行在线识别,同时较增量式算法有更小的累积误差。以一剪切型结构为例进行了数值模拟,分析结果表明,该方法与非加权的SILS-SVM方法相比,能更好地适应系统参数的变化,从而能很好地识别结构的损伤及其程度。

基于偏微分分类数学模型的关联挖掘改进技术研究

为了能够使大数据关联挖掘的精度得到进一步的提高,就提出了基于偏微分分类数学模型的关联挖掘技术,创建大数据分类数据模型,得到微分方程半正定最小特征向量,之后实现稳定解的分析。本文使用渐进有理积分得到偏分分类数学模型规则集约束条件,避免在实现大数据分析过程中出现错分及漏分。此种方式能够提高大数据分类及关联挖掘的收敛性,增强抗扰动能力,具有较强的优越性。

基于偏微分分类数学模型的关联挖掘改进技术研究

为了能够使大数据关联挖掘的精度得到进一步的提高,就提出了基于偏微分分类数学模型的关联挖掘技术,创建大数据分类数据模型,得到微分方程半正定最小特征向量,之后实现稳定解的分析。本文使用渐进有理积分得到偏分分类数学模型规则集约束条件,避免在实现大数据分析过程中出现错分及漏分。此种方式能够提高大数据分类及关联挖掘的收敛性,增强抗扰动能力,具有较强的优越性。

采用Spiked协方差模型与“相变”现象的电网不平衡扰动评估

为了提升随机矩阵理论在电网不平衡扰动场景中的适用性,提出了一种基于Spiked协方差模型与"相变"现象的电网扰动识别与定位方法。首先,通过含噪声三相数据源的采集,构造Spiked协方差模型与样本协方差矩阵。然后,利用特征值"相变"现象构建样本最大特征值评价指标及对应的动态阈值。当该指标越过其阈值,即判定电网中有扰动事件发生时,根据Spiked与样本最小特征向量元素改变量的网络位置,结合特征向量"相变"现象以实现电网不平衡扰动的快速定位。最后,借助DIgSILENT和MATLAB R2014a软件,案例分析在一个IEEE 118母线177支路系统和一个德国872母线1 840支路实际配电系统中展开,涉及负荷突变和线路故障等不平衡扰动事件,与传统随机矩阵理论方法的比较结果表明了所提方法的有效性和高效性。

基于相频特性的具有光照鲁棒的人脸识别研究

传统人脸识别对人脸图像光照要求与人脸训练库差异不大,这提高了人脸识别系统运行的环境条件,限制了应用范围。为了降低人脸识别对环境条件的要求,克服光照对人脸识别的影响,分析了人脸图像的相频特性与光照的无关性,提出了基于相频特性的人脸识别,保留了人脸之间的可区分性。由于人脸之间可区分的信息量较少,运用最小非零特征向量作为人脸特征。实验仿真表明,与传统方法相比,提出的基于相频特性的人脸识别对光照变化具有鲁棒性。

矩阵可对角化的几个判定方法

在本文中将给出矩阵对角化的几个判定方法。