基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题。首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习。其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。

多尺度耦合经验正交分解法反演海洋次表层温盐结构

针对提升利用卫星观测海面信息重构三维温盐场精度的问题,本文提出了一种基于多尺度耦合正交分解的三维温盐场重构方法。该方法利用多尺度耦合正交分解对历史温盐剖面进行从大尺度到小尺度的迭代分解,以分层提取不同尺度三维温盐场的特征信息,然后分别建立海洋表面卫星观测与不同尺度的三维温盐场特征信息的重构模型,从而达到三维温盐场重构的目的。本文分别利用多尺度耦合正交分解法与单层正交分解法进行三维温盐场重构,结果显示,多尺度耦合正交分解优于单层正交分解法,且随着分解的层次不断细化,重构温盐场的精度及其垂直梯度精度均呈现明显的提升,其中组合4精度提升程度最高,分别提升了25.57%和27.58%;同时,对比HYCOM模式数据,多尺度耦合正交分解重构方法能有效地捕捉次表层海洋的空间特征信息。总体上,本文耦合经验正交分解法反演的温盐场与Argo温盐场偏差较小,反演精度较好,在空间分布上趋于一致。

基于非负正交矩阵分解的多视图聚类图像分割算法

多视图聚类在应对非线性结构数据上具有一定优势,却存在需要后处理和时间效率较低等缺点.针对这一问题,文中提出基于非负正交矩阵分解的多视图聚类图像分割算法.首先,提取图像多视图数据,使用流形学习非线性降维方法获取每个视图的谱嵌入矩阵,构建相应的谱块结构.再设计自适应权值,将谱块结构融合成一致性图矩阵.然后,对一致性图矩阵进行非负正交矩阵分解,获取非负嵌入矩阵.最后,由非负嵌入矩阵获得多视图特征的聚类,进而得到图像分割结果.在5个数据集上的对比实验表明,文中算法在分割精度和时间效率上都有一定提升.

天然气水合物注热分解诱发储层变形破坏的正交数值模拟研究

针对天然气水合物热分解而引起的储层失稳破坏机理及影响因素不明确的问题,考虑因水合物热分解引起的地层传热、孔隙流体渗流和固体骨架的变形破坏,建立了水合物沉积层的热-流-固耦合模型及其作用下储层固体骨架的弹塑性本构模型。基于ABAQUS软件的USDFLD子程序进行二次开发,开展正交实验数值模拟,分析注热温度差、水合物沉积层的绝对渗透率和有效主应力差对水合物沉积层近井储层变形破坏影响的敏感性及影响机理。结果表明:对近井储层变形破坏影响的敏感程度由大到小依次为有效主应力差、绝对渗透率、注热温度差;水合物热分解引起的近井储层力学性质劣化和有效应力下降是导致其发生变形破坏的主要原因;有效主应力差越大,等效塑性应变最大值越大,并且受水平地应力非均匀性的影响,近井储层变形破坏最严重的位置始终位于井眼最小水平地应力方向上。该研究成果可为热激法开采天然气水合物或含水合物地层的钻井作业提供借鉴。

基于深度置信网络模型改进的数据中心温度场本征正交分解预测模型

本征正交分解(POD)是数据中心温度场降阶重构的一种常用模型,常规基于插值法获取模态系数的POD模型泛化能力较差。本文通过建立基于深度学习的深度置信网络模型(DBN),对POD模态系数计算方法进行了改进,提高泛化状态下POD模型预测温度场分布的准确性。研究结果表明,基于DBN改进后的POD模型(POD-DBN)的泛化能力大幅提高。与插值法获取模态系数的POD模型相比,POD-DBN模型在泛化状态下的平均相对误差下降至3%以内,平均绝对误差下降至0.5℃以内。利用POD-DBN模型,可以为数据中心空调系统的控制提供快速准确的温度场预测。

基于正交约束的广义可分离非负矩阵分解算法

可分离非负矩阵分解(NMF)是通过抽取数据集中的部分样本或关键主题来表示整个数据集的一种特殊NMF方法。广义可分离非负矩阵分解(GSNMF)算法是由可分离NMF扩展的算法,可以同时得到数据集中的关键样本和关键主题两类特征,使分解结果更具有可解释性,但在处理某些数据集时由于选择方法存在的缺陷,GSNMF算法只能单独选择行或列的特征,从而失去可解释性的优点。为此,引入正交约束来修正GSNMF算法的选取结果,提出一种基于正交约束的广义可分离非负矩阵分解(OGSNMF)算法,利用非负特性及正交约束的特点,限制迭代过程中关于行和列的迭代矩阵,确保得到行和列的特征,并获取更加精确的分解结果。在此基础上,引入相对近似误差作为实验指标,结合分解结果的秩在行与列上的分配作为实验评判标准。实验结果表明,与原有算法相比,OGSNMF算法在处理数据集时,相对近似误差提高了1~3个百分点,说明在分解过程中损失的信息更少,确保能够获取到行和列的特征,得到更具有可解释性的分解结果。

基于自适应本征正交分解混合模型的跨音速流场分析

采用非线性模型替代线性回归模型响应本征正交分解(POD)基函数的系数,并采用自适应抽样方法确定快照集合,实现了基于自适应POD混合模型的跨音速叶片复杂流动分析及流场拟合.首先通过比较基于线性回归模型和非线性回归模型的基函数系数响应精度,验证非线性回归模型的收敛性和精确性;之后通过与静态抽样方法进行对比,研究分析自适应抽样技术的优越性;最后开展基于自适应POD混合模型的全三维跨音速流场分析及流动拟合.结果表明,采用自适应POD混合模型,不仅能够清晰地识别三维跨音速流场中的敏感流动特征,还能精确地拟合设计空间内任意状态的流场及出口气动参数.

利用本征正交分解进行电力系统模型降阶

针对电力系统模型降阶问题,提出一种基于本征正交分解POD(proper orthogonal decomposition)理论的降阶方法。首先依据动态电力系统模型建立系统样本向量集,并利用样本向量集按降序排列的奇异值以及相应的奇异值向量构造一个正交矩阵;然后着选择一个可以保持样本集基本特征信息的参数,构造POD基向量矩阵;最后利用基向量矩阵得到降阶模型。仿真计算结果表明,POD降阶模型可以保留原系统稳定性以及其输入输出动态行为,验证了所提方法的实用性。

具有正交(g,f)-因子分解的子图

设G是一个图 ,g (x)和f (x)是定义在V (G)上的整数值函数 ,且对任意的x∈V (G) ,设g (x)≤f (x) ,H是G的一个子图 ,F ={F1,F2 ,… ,Ft}是G的一个因子分解 ,如果对任意的 1≤i≤t,|E (H)∩E (Fi) |=1 ,则称F与H正交。闫桂英和潘教峰在文 [3]中提出如下猜想 :设G是一个 (mg+k,mf-k) -图 ,1≤k<m ,其中对任意的x∈V (G) ,0≤g (x)≤f (x)是定义在V (G)上的整数值函数 ,则G存在一个子图R满足对G的任意一个具有k条边的子图H ,R有 (g,f) -因子分解与H正交。并证明了当g (x)≥ 1 ,f (x)≥ 5时成立。证明当H是匹配时 ,该猜想成立。

基于正交分解的文本分类模型

针对文本分类领域中向量空间模型维数过高和空间扭曲的问题,提出一种基于正交分解的新模型。借用物理学中力的正交分解,将高维的文本向量映射到低维的以类别为坐标轴的空间中,解决了高维的向量和扭曲的空间这2个问题。实验表明,与向量空间模型相比,新模型下分类速度有较大提高,精度也有所增加。

广义判别正交非负矩阵分解及其应用

提出了一种广义判别正交非负矩阵分解算法。与传统非负矩阵分解算法不同,该算法对目标函数加入了正交约束,保证了低维特征的非负性;也不同于以往的判别非负矩阵分解算法将判别约束加于低维权重上,该算法将判别约束推广到低维特征中,使得低维特征参与模式识别,进一步提高了识别精度。本文给出了算法的推导过程,并将其应用于人脸验证和人脸表情识别。实验结果表明,该算法提高了低维特征的判别能力,具有更好的性能。

与任意图2-正交的(g,f)-因子分解

设G是一个图,用V(G)和E(G)表示它的顶点集和边集,并设g(x)和f(x)是定义在V(G)上的两个整数值函数,且对每个x∈V(G),有4≤g(x)≤f(x),则图G的一个支撑子图F称为G的一个(g,f)-因子,如果对每个x∈V(G),有g(x)≤dF(x)≤f(x).图G的(g,f)-因子分解是指E(G)能划分成边不交的(g,f)-因子,设F=F1,F2,…,Fm和H分别是图G的因子分解和子图,若对所有1≤i≤m有|E(H)∩E(Fi)|=2,则称F和H2-正交.本文证明:若G是一个(mg+m-1,mf-m+1)-图,H是G中任一有2m条边的子图,则G有一个(g,f)-因子分解与H2-正交.

基于相干函数矩阵的风场本征正交分解

提出了基于相干函数矩阵的风场本征正交分解(CPOD,Coherency matrix-based POD)。首先推导了基于功率谱函数矩阵的本征正交分解。通过引入功率谱矩阵的预分解,将推导过程中的功率谱矩阵特征值分解改进为相干函数矩阵的特征值分解,得到了CPOD的表达式。对CPOD作频域离散化,得到了基于CPOD的谱表示法随机风场模拟公式。以模拟某18点脉动风速场为算例,对比分析了CPOD与SPT振型的特征并验证了所提模拟算法的有效性。结果表明,CPOD的显式分离特性使得它具有比POD更加明确的物理意义,并适用于风场特征分析。

基于特征正交分解的土坝变形安全监控模型

为解决性态变化剧烈的大坝施工期或固结期实测资料建模的非平稳、小样本和多重共线性等问题,以某均质土坝坝顶上下游水平位移为研究对象,采用基于特征正交分解的逐步回归分析方法,对土坝坝顶下游侧实测值进行建模,分析了模型的可预报时间尺度和精度。结果表明,对于性态变化比较剧烈的土坝,基于特征正交分解回归方法,可有效解决非平稳、小样本和多重共线性问题,但该新建模型的预测精度在接近建模时间尺度的1/3范围内有效,后期实测资料与预报模型预测的差异反映大坝性态已发生了变化。

o-对称矩阵的正交对角分解及Moore-Penrose逆

研究具有轴对称结构的o-对称矩阵的正交对角分解和Moore-Penrose逆,给出了正交对角分解公式及Moore-Penrose逆的快速算法,据此可极大节省计算该类矩阵正交对角分解及Moore-Penrose逆时的计算量和存储量.

二分图的与星正交的(g,f)-因子分解

设ｇ和ｆ是定义在二分图Ｇ的顶点集Ｖ（Ｇ）上的两个整数值函数且对每个ｘ∈Ｖ（Ｇ）有ｇ（ｘ）≤ｆ（ｘ）．证明了若Ｈ是二分图Ｇ的任一ｍ－星，则Ｇ有一个（ｇ，ｆ）－因子分解与Ｈ正交的充要条件是Ｇ为一个（ｍｇ，ｍｆ）－图．

二维壁板颤振的本征正交分解降阶模型研究

针对二维壁板颤振问题,基于Galerkin方法和本征正交分解(POD)方法,发展了兼具高效性和全局性的降阶模型(ROM)。简述了二维壁板颤振的经典Galerkin解法,及在物理空间上提取POD模态和建立ROM的传统方法。为简化流程和提高效率,发展了一种在Galerkin基函数所张成的模态空间上进行POD模态提取与ROM建立的新方法,并证明了该方法与传统POD-ROM的等效性。随后,通过对系统典型响应的POD模态分析,表明POD模态可高效反映系统的最本质特征。基于混沌响应下的POD模态建立了ROM,并用其详细研究了系统的分岔特性和稳定区域边界。计算表明该POD-ROM与Galerkin方法的计算精度非常接近,计算效率却有大幅提升。该方法可推广应用于其他复杂动力系统的ROM构建。

与几类子图2-正交的(g,f)-因子分解

设 g和 f分别是定义在图 G的顶点集合 V( G)上的整数值函数且对每个 x∈ V( G)有g( x)≥ 2 .本文证明了 :若 G是一个 ( mg +m -1 ,mf -m +1 ) -图 ,则对于 G中任意给定的子图 2 K1 ,m 或 2 m-星或 2 m-对集 ,G有一个 ( g,f ) -因子分解与之 2 -正交 .

与任意图正交的[0,ki]1^m—因子分解

设G是一个图 ,k1,… ,km 是正整数· 若图G的边能分解成m个边不交的 [0 ,k1]_因子F1,… ,[0 ,km]_因子Fm,则称 F =F1,… ,Fm 是G的一个 [0 ,ki]m1_因子分解· 如果H是G的一个有m条边的子图且对任意的 1≤i≤m有｜E(H) ∩E(Fi) ｜=1,则称 F与H正交· 证明了若G是一个 [0 ,k1+… +km-m+1]_图 ,H是G的一个有m条边的子图 ,则图G有一个 [0 。

图的正交因子分解

研究了图的正交因子分解问题．设ｋ１，…，ｋｍ是正整数，Ｇ是［０，ｋ１＋…＋ｋｍ－ｍ＋１］－图，Ｈ是Ｇ的任一有ｍ条边的子图．若｜Ｖ（Ｈ）｜≥｜Ｅ（Ｈ）｜＝ｍ，则图Ｇ有一个［０。