基于图像块整体稀疏性与流形投影的压缩成像

如何利用自然图像本身固有的先验知识来提高重构图像质量是压缩成像系统的一个关键问题.本文在压缩成像系统中融合图像块整体稀疏性与流形特性,提出了一种高质量压缩成像算法.在该算法中,图像块由字典稀疏表示,同时还可由一组与图像块位于同一低维流形上的近邻点线性逼近,从而使稀疏重建信号分布在原始信号所处的流形附近.另外本文充分利用了图像中任意位置处图像块的稀疏性先验知识,使得压缩成像算法在低采样率下能重构出质量较高的图像.

动态多流形投影算法在统计过程监测中的应用

为了解决工业数据的序列相关性以及数据的全局和局部结构在某些异常状态下的变化问题,通过"时滞偏移"方法将动态行为纳入多流形投影(multi-manifold projections, MMP)模型,提出一种动态多流形投影算法(dynamic multi-manifold projections, DMMP)在统计过程监测中的应用方案。首先,在原始采样数据的基础上加入时滞变量使之具有动态特性;其次,通过分别求解全局图最大值和局部图最小值,获得全局和局部结构信息;然后,构建统一框架,即全局图最大值和局部图最小值,提取高维动态数据有意义的低维描述;最后,通过对比统计量与控制限进行故障检测,将基于DMMP的监控方案通过田纳西-伊斯曼过程验证其可行性和有效性。仿真结果表明,DMMP的整体性能优于一些传统的保持全局或局部特征的算法。新算法解决了传统算法中具有时间相关性的数据信息获取不全面的问题,为提高传统算法在动态工业过程故障检测中的性能提供了参考。

基于流形保持投影的驾驶疲劳识别

提出了一种基于流形保持投影的驾驶疲劳识别方法.利用光流技术计算人脸皮层的运动速度,并以此作为疲劳特征;为了有效地进行疲劳特征提取(即特征降维),在保局投影的基础上,将数据的非近邻信息引入目标函数中,提出了流形保持投影方法,有效地保持了疲劳数据的局部流形结构和全局流形结构,同时利用格拉姆—施密特正交化过程解决了保局投影非正交问题.实验结果表明该方法具有很好的识别效果.

正交流形保持投影方法

为克服保局投影的局限,在保局投影的基础上,提出正交流形保持投影方法。在保局投影目标函数中引入数据的非近邻信息,有效地保持数据的局部流形结构和全局流形结构;采用格拉姆·施密特正交化过程获取正交投影基向量,解决保局投影非正交问题。采用ORL和Yale人脸数据库中图像进行实验,实验结果验证了该方法的有效性。

基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究

非侵入式负荷监测是“坚强智能电网”用户侧智能数据挖掘的关键技术。针对现有辨识算法对叠加态负荷辨识准确率低的问题,提出了一种基于均匀流形逼近与投影(UMAP)和KELM结合的非侵入式负荷辨识模型。首先利用UMAP对原始负荷特征作嵌入,提取负荷的类内流形结构,并结合随机梯度下降法优化负荷的全局结构,在保留负荷原始相邻位置信息的前提下有效增大负荷特征的区分度;然后,采用径向基函数搭建核映射网络,利用ACO算法对映射网络的径向范围和模型的惩罚系数寻优,建立最优辨识模型。与多种基于机器学习的辨识方法相比,所提模型对叠加态负荷的辨识准确率提升显著,在TIPDM和BLUED数据集上的辨识准确率分别达到了98.48%和99.44%。

基于流形的局部加权协从表示人脸识别

针对稀疏表示分类(sparse representation classification,SRC)运行时间过长和协从表示分类(collaborative representation classification,CRC)仅利用人脸数据的全局特征的不足,提出了一种基于流形的局部加权协从表示方法(locality weighted CRC,LWCRC),并将其应用在人脸识别中。首先将位于高维流形空间中的人脸特征进行局部加权投影到低维空间,然后通过Tikhonov正则化阵用训练样本加权表示测试样本,最后通过最小二乘(residual least square,RLS)分类器进行分类。通过在AR、FERET和Extended-Yale-B人脸数据库上的实验结果表明,提出的方法在性能上优于SRC、CRC、NRS方法,且对光照具有一定的鲁棒性。

基于得分差分MMP的多模态过程故障检测

针对工业过程中的多模态问题,提出一种基于得分差分多流形投影(SDMMP)的多模态过程故障检测算法。首先,运用多流形投影(MMP)算法构造统一的全局图和局部图计算原始样本的得分。其次,采用k近邻方法计算近邻样本的均值向量,在此基础上计算样本的估计得分,并运用估计得分计算得分差分矩阵和残差矩阵。再次,建立新的SPE和T^(2)监控指标来监测得分差分子空间和残差子空间的变化,应用核密度估计法(KDE)计算控制限。最后,将新的统计量与控制限比较进行故障检测。将SDMMP算法应用于数值例子和田纳西-伊斯曼过程进行监测与诊断。仿真结果表明,与主元分析(PCA)、局部保持投影(LPP)和MMP相比,SDMMP算法在具有多模态特征的工业过程故障检测中具有明显的优越性。

基于UMAP改进的多域特征提取方法及轴承故障诊断

针对传统多域特征提取方法占用计算资源过大、分类精度不足等问题,提出了一种基于统一流行逼近与投影算法(UMAP)改进的多域特征提取方法。通过对原始信号进行多域特征采集结合UMAP的全局信息提取能力进行信息融合与低维映射重构特征集;在此基础上将特征集输入到支持向量机中进行模型训练,实现轴承的故障识别与诊断。基于某大学公开的滚动轴承实验数据集对比分析了几种典型的优化算法与传统多域特征提取方法,证明所提方法识别滚动轴承故障状态的成功率为100%,验证了该方法的优越性。

基于加权UMAP和改进BLS的锂电池温度预测

锂电池热过程的温度预测对锂电池的寿命管理和使用安全有着重要意义。一般电池管理系统热管理依赖准确的热过程模型。然而锂电池热过程的机理复杂,属于强非线性分布参数系统,具有参数时空耦合、时变、强非线性的特点,常规方法难以实现其热过程的精确建模。针对上述问题,提出了一种基于加权UMAP和改进BLS的三段式锂电池热过程建模方式。首先通过引入加权改进的均匀流形逼近与投影(weighted uniform manifold approximation and projection,WUMAP)降维算法解决非线性降维难题的同时保留了数据的全局与局部信息。然后利用一段宽度学习系统(broad learning system,BLS)模型对降维得到的时序数据预测。最后再通过一段粒子群算法优化的混合核宽度学习系统(particle swarm optimization-mixed kernel broad learning system,PSO-MKBLS)模型对时空域温度数据重构。为验证模型有效性,使用平板式32 Ah的Li(Ni_(0.5)Co_(0.2)Mn_(0.3))O_(2)三元软包锂电池的热过程建模试验。实验结果表明:最终模型与改进前相比,R2提高0.0546,MAE和RMSE分别降低0.0082和0.0092;同时与多个对比模型相比,相对误差ARE较低(在0.035以内),并且各误差指标也更好,证明模型具有良好的预测精度。

具有离散-时间捕食-食饵模型的稳定性和Neimark-Sacker分支

讨论了一类具有Holling-II功能反应函数的离散-时间捕食-食饵模型在第一象限内的动力学行为,首先分析了系统不动点的稳定性,然后应用中心流形投影法和分支理论,阐释了系统随参数变化而发生Neimark-Sacker分支情形和倍周期分支进入混沌的情形,并给出了数值模拟.

基于时间迁移模型的旋转机械实时故障诊断

提出一种时间迁移模型,以提升旋转机械工况发生变化时的实时故障诊断性能,其由历史数据构成源领域、当前数据构成目标领域。首先,根据变工况规则确定模型的数据领域,并提取其时域特征向量构成五维空间。其次,将源和目标领域通过最大方差投影(MVP)和流形正则化投影(MRP)分别映射至二维子空间,并利用最小均值差异(MMD)准则缩短两者距离。最后,在投影空间中利用BP神经网络和支持向量机(SVM)分类器对源领域建立分类模型,并应用至目标领域,并通过筛选源领域样本以更新诊断模型。齿轮传动系统试验结果表明,时间迁移能够解决工况发生变化时的实时机械故障诊断问题,相比传统迁移成分分析(TCA)模型能提升诊断性能,故为其工程应用提供有价值的技术手段。

基于ESMMP算法的工业过程故障检测

针对多流形投影(multi-manifold projection, MMP)算法忽略原始数据高阶统计量信息的问题,将统计量模式分析(statistic pattern analysis, SPA)算法引入MMP算法中,提出集成统计量多流形投影(ensemble statistic multi-manifold projection, ESMMP)算法。首先,对SPA算法中的窗口宽度参数设置不同的值,计算原始数据的均值、方差、偏度和峰度等低阶和高阶统计量来构建多个统计量空间,避免了单一窗口宽度参数难以适用于不同类型故障数据的局限性;然后,采用MMP算法在各统计量空间建立T;和SPE统计量进行监控;最后,通过贝叶斯策略融合各子模型的监控结果。数值例子和TE过程的仿真结果验证了所提算法在工业过程故障检测方面的有效性和优越性。

基于多域特征提取的气液两相流流型识别

针对气液两相流的准确识别问题提出了一种多域特征处理方案。利用电阻层析成像(ERT)系统获取垂直上升管道流动数据,从测量数据与截面电导率分布图像两方面分析,对高维测量数据降维处理后提取时域特征,同时提取线性反投影(LBP)算法重建图像空域特征,进一步对图像进行Walsh-Hadamard变换后提取列率域特征。使用统一流形逼近与投影(UMAP)算法对量化的多域特征降维处理,最后搭建支持向量机(SVM)实现流型识别。结果表明,该流型分类框架对泡状流、泡状-段塞过渡流型、段塞流及严重段塞流的分类准确率分别为98.1%、96.3%、95.2%、94.8%。

面向电厂设备异常检测的自组织映射深度自编码高斯混合模型研究

工业领域的生产设备异常检测实际上是采用无监督技术准确预测设备早期劣化的异常工况和定位具体的异常参数。深度自编码高斯混合模型DAGMM在生产设备数据集上异常检测性能较优,但仍有提升空间。针对深度自编码存在的高维信息丢失的问题,提出使用自组织映射辅助均匀流形近似与投影改进的模型SOM-UMAP-DAGMM。通过将UMAP算法改造为神经网络,在原来的损失函数上新增一项交叉熵实现与DAGMM联合训练,补充高维数据分布信息;并结合预训练SOM,补充空间拓扑结构信息。在两个公开数据集和3个生产设备数据集的实验结果上显示,SOM-UMAP-DAGMM较DAGMM性能得到了一定的提升。

基于集成动态结构分析的故障检测

为了进一步提高动态监测模型的适用性和可靠性,需要对给定数据集的结构信息进行完整的保留,而不是单方面的保留。针对传统动态多元统计分析方法不能同时考虑给定数据集的不同结构特征问题,提出一种基于集成动态结构分析(EDSA)的故障检测算法。分别利用动态主元分析、动态局部保持投影和动态多流形投影模型计算其T 2和平方预测误差(SPE)统计量;通过贝叶斯推理将各个模型的统计量组合成一个集成统计量;通过集成统计量与控制限对比确定数据是否故障。通过数值例子和田纳西-伊斯曼过程来验证基于EDSA的故障检测算法的可行性和可靠性。仿真结果表明,EDSA的整体性能优于传统的单一算法。新算法解决了传统算法中无法保留数据集不同结构特征信息的问题。

一种基于改进VMD和UMAP的滚动轴承故障特征提取方法

针对滚动轴承振动信号难以提取低维度敏感特征的问题,提出了一种基于逻辑回归优化变分模态分解(Variational Mode Decomposition,VMD)及均匀流形逼近和投影(Uniform Manifold Approximation and Projection,UMAP)的滚动轴承故障特征提取方法。首先,通过移动窗方法进行原始数据的样本划分,完成训练集以及测试集的构建;其次,随机抽取训练集部分数据进行不同分解模态数下的VMD,并对各层子信号进行特征提取,完成多个特征集的构建;然后,通过逻辑回归分别计算各特征集中各特征与标签的复相关系数,以确定变分模态分解的分解模态数和高度相关特征,并将此应用于训练集和测试集,得到高维特征数据集;最后,采用UMAP降维,获取具有高判别性的低维度特征,完成最终特征集构建。以3种常用智能算法的识别准确率及测试特征集中类内余弦距离和类间余弦距离的比值作为评价指标,结果表明,该方法不仅能实现多种轴承故障特征的有效提取,而且抗噪性良好,对于实际轴承故障诊断时的特征提取具有一定的参考价值。

Complete Kaehler Submanifolds in CP^n

In this paper we mainly investigate projectively flat complete Kaehler submanifolds, in CP^n. We give the pinching constants and the local structure.

航拍视频的多向条带拼接算法

无人机航拍视频中经常出现航向频繁改变的情况。基于条带的视频拼接算法尽管在处理速度上有很大优势,但是限制了相机的拍摄方式,主要处理平动相机拍摄的视频。用于采集全景图信息的纵向条带如用来扫描非平动场景会使效率降低甚至失效,所以不能直接拼接航拍视频。针对该问题,本文提出一种多向条带拼接算法,通过量化场景运动方向到预先定义的多个区间,分情况选取最佳方向的条带,控制了条带扫描方向与场景运动方向之间的最大夹角,从而避免了采集效率的降低。实验结果表明这种方法能有效拼接航向变化的仿真视频,全景图结果覆盖的场景范围大于原算法,证明了算法的有效性。

具有种群Logistic增长的SIR模型的稳定性和Hopf分支

基于种群Logistic增长假设,本文构建了一个三维非线性发生率的SIR模型.首先探讨了该模型平衡点的稳定性,然后应用中心流形投影法得到了系统在非平凡平衡点附近产生超临界分支,并给出了数值模拟.