基于欧氏距离平方的机械振动故障识别研究

在机械设备运行过程中,经常发生振动过大而影响设备正常运行,因此,应用有效的方法对振动故障进行及时判别具有重要意义。本文采集实际中的某齿轮箱的振动故障与正常运行时候的振动偏移量,应用欧氏距离平方算法对不同运行状态的数据进行计算,分别统计出所得到的欧氏距离平方值的范围,观察是否振动两种情况下计算得到欧氏距离平方值的范围。经过对大量的机械振动故障情况进行计算统计,发现在机械振动的情况下,计算得到的欧氏距离平方值明显大于正常运行的值。同时,该算法简单,计算速度快,能快速、准确的识别机械设备是否发生了振动故障。

基于非参数回归方法的城市电磁干扰消除研究

随着近年来城市交通运输的发展,高铁、地铁、轻轨等轨道交通线路不断新建运营,对城市的电磁环境产生了一定的影响,为尝试解决城市电磁干扰的消除问题,本文选用了两种基于加权线性最小二乘和n阶多项式模型的局部回归方法与它们的稳健形式,通过调节窗宽系数,去除噪声信号,并通过与未受干扰的数据比对,计算分析相关系数和欧氏平方距等数据指标,使之尽量接近于未受干扰时的数据形态,从而达到有效消除电磁干扰的结果。

商业银行综合评价与分类

基于商业银行传统的加权综合评价方法存在权数确定不科学的缺陷 ,确定了商业银行综合评价指标的选择依据并构建了商业银行综合评价指标体系 ,指标包括 :资产收益率、贷款收益率、资产损失率、不良贷款率、非生息资产率、存款付息率、费用利润率、利息实收率。把考核指标转化为正指标后 ,按主分量分析进行综合评价 ,用方差极大化进行正交旋转 ,提取特征根大于 1的公共因子作为综合评价指标。选择平方欧氏距离作为样本相似性测度 ,用类间平均法作为聚类算法 ,按系统聚类法进行聚类分析 ,得到分类谱系图后 ,再恰当分类。并就综合评价结论与实际考核结果做了实证比较。

基于绝对值距离的图像阈值化分割新算法

传统Otsu阈值法对图像分割缺乏一定鲁棒性的不足,将Otsu阈值法的平方欧氏距离用绝对值距离代替得到一种新的图像阈值化分割准则,提出了基于绝对值距离的图像阈值分割新算法,最后给出其参数估计方法。实验结果表明,分割新算方法是有效的,能够获得比传统Otsu方法更好的分割结果。

基于Copula理论对沪、深股市相关性的非对称性的实证分析

金融市场中金融资产收益率之间相关性的非对称现象表现为:金融资产的收益率之间的相关性在市场处于下降的趋势时比正常时或上升时的相关性大。Copula方法,可以将变量的边缘分布与其联合分布分开来研究,并且不要求联合分布中各个变量的边缘分布服从同一分布类型。本文采用Copula理论,对沪、深股市相关性的非对称性进行实证说明。

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20-way 1-shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20-way 1-shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。

Copula函数在金融市场中的应用

本文旨在通过构造Copula模型,研究股市大盘和房地产(万科)股票之间的相关性与极值情况下的尾部相关性.在边缘分布的求取上,选用非参数核密度法分别估算出股市大盘和房地产股票的边缘分布函数值;在Copula函数的选择上,为选出最优Copula模型,选用多种方法结合包括二元分布直方图法、Q-Q图法、平方欧氏距离法;在Copula函数的参数估计上,采用惯用的极大似然估计法(MLE).其中,Q-Q图法首次应用在检验无分布函数的数据上.分析结果展现出二元t-Copula模型相对其他Copula模型可以更佳地拟合出这两支股票的联合分布;大盘股票与万科股票趋于较强的正向相关性;而极值情况下的尾部相关性相比一般时刻的正向相关性有所降低.

基于Copula函数的股市大盘分析

本文旨在通过构造Copula模型,研究上证指数和深圳成指两股票市场之间的相关性与极值情况下的尾部相关性。在边缘分布的求取上,选用非参数核密度法分别估算出上证与深圳成指的边缘分布函数值;在Copula函数的选择上,为选出最优Copula模型,选用多种方法结合包括二元分布直方图法、Q-Q图法、平方欧氏距离法;在Copula函数的参数估计上,采用惯用的极大似然估计法(MLE)。其中,Q-Q图法首次应用在检验无分布函数的数据上。分析结果展现出;二元t-Copula模型相对其他Copula模型可以更佳地拟合出这两支股票的联合分布;上证指数与深圳成指展现出很强的正向相关性;而极值情况下的两大股票市场也展现出很强的相关性。

基于EDS算法识别电压暂降的研究

电压暂降是电力系统中常见的一种电气故障。本文针对电网中经常发生的电压暂降的情况,通过对实际中的电力系统中的电压暂降故障与正常运行时候的电压进行采集,并应用欧氏距离平方(EDS)算法对两种情况下的数据进行计算,统计出不同情况下即所得到的欧氏距离平方值的范围,同时比较一下大小。经过对大量的电压暂降情况进行计算比较,结果表明,发生电压暂降情况下,欧氏距离平方值要明显大于正常情况下的值,而且该算法步骤少,计算速度快,能够达到快速、准确检测电压暂降故障的目的。

基于Copula函数的地震灾害损失分布研究

地震灾害的发生不仅威胁人民的生命安全,同时还伴随着巨额的经济损失。我国是地震多发国家,研究地震所造成的直接经济损失与人员伤亡相依性、刻画地震的损失情况有利于灾后重建工作。通过核密度估计方法对我国2002—2020年发生地震的直接经济损失与人员伤亡数据的分布情况进行刻画,基于Copula函数对两者的相依性进行研究,从而找出符合我国地震灾害损失情况的分布函数,为我国灾后重建工作提供理论支持。

一种电压暂降检测新方法的研究

针对电网中电压暂降是引起电能质量问题的主要原因，本文提出了一种新的电压暂降检测方法——协方差与自回归模型结合法。在应用过程中，首先采用二自回归（AR）模型对仿真出来的电压信号进行建模，再利用协方差方法对信号进行提取模型参数，然后计算表征距离测度的欧氏距离平方（d2），再通过比较相应的欧氏距离平方是否大于一个阀值来判断回路中是否有电压暂降的发生。根据对大量的电压暂降事故数据收集并进行分析表明，该方法都能够快速准确的检测是否产生电压暂降故障。