基于流形特征域适配的滚动轴承故障诊断

针对变工况下存在两域特征分布复杂,数据在原始空间进行分布对齐时,特征扭曲和发散难以消除等问题,提出一种基于流形特征域适配(manifold feature domain adaptation, MFDA)的滚动轴承故障诊断方法。该方法通过无监督的方式生成一个与目标域具有相似分布的中间域,构建与源域、中间域和目标域相关的公共子空间,并利用局部生成差异度量保留数据在子空间中的流形局部几何结构,以避免数据对齐时出现扭曲和发散;同时利用最大均值差异度量对齐中间域和目标域,以最小化两域间的分布差异,保证数据间局部与全局结构的相关性。最后,利用学习到的特征,以最小二乘法实现滚动轴承的跨域故障识别。在三组滚动轴承数据集上进行试验验证,与其他智能识别算法相比,该方法能有效避免特征扭曲和发散,且具有优良的泛化性能。

基于流形特征相似度的感知图像质量评价

图像质量评价(Image quality assessment,IQA)的目标是利用设计的计算模型得到与主观评价一致的结果,而人类视觉感知特性是感知图像质量评价的关键.大量研究发现,认知流形和拓扑连续性是人类感知的基础即人类感知局限在低维流形之上.基于图像低维流形特征分析,本文提出了基于流形特征相似度(Manifold feature similarity,MFS)的全参考图像质量评价方法.首先,利用正交局部保持投影算法来模拟大脑的视觉处理过程获取最佳映射矩阵进而得到图像的低维流形特征,通过流形特征的相似度来表征两幅图像的结构差异,从而反映感知质量上的差异.其次,考虑亮度失真对人眼视觉感知的影响,通过图像块均值计算亮度相似度并用于评价图像的亮度失真;最后,结合两个相似度得到图像的客观质量评价值.在四个公开图像测试库上的实验结果表明,所提出方法与现有代表性的图像质量方法相比总体上具有更好的评价结果.

大管径气提装置的流形特征和运行性能分析

以大管径气提装置为研究对象,以常温清水为提升介质,测试了长度6m,内径95mm扬水管,在多种工况下的扬水性能。通过对试验结果的分析和处理,研究了大管径气提装置的主要流形特征,验证了Golan流形分界方程在大管径流形判断中的实用性。从气水两相流的角度,综合分析了大管径气提装置的气体当量速度、液体当量速度、滑移速度、淹没比及提升效率的相互关系,得出了大管径气提装置运行性能变化规律,提出了大管径气提装置的关键性能参数的合理取值。

特征与度量联合优化信息几何检测器

目前,信息几何检测器主要采用协方差矩阵特征模型,在矩阵流形上度量待检测单元数据与杂波数据间的差异,以区分目标与杂波,从而实现雷达目标检测.然而,在复杂杂波背景下,雷达回波信号信杂比低,杂波在其中占据主导地位.因此,含有目标回波的雷达回波信号与纯杂波具有统计相似性,该相似性使得二者在矩阵流形上较难区分,从而限制了信息几何检测器的性能优势.为突破特征表示所造成的性能增益限制,本文提出了基于特征与度量联合优化的信息几何检测器.首先设计了特征与度量可调的信息几何检测器灵活框架,并在此基础上基于纽曼-皮尔逊准则建立了特征与度量的联合优化模型,而后利用局部平坦假设与多层感知器,将联合优化模型中的决策变量参数化,并提出了双阶段优化求解方法.基于仿真数据与实测海杂波数据的实验结果表明,该方法检测性能优于现有信息几何检测器等典型目标检测方法,且在目标多普勒接近杂波谱峰时具有较大优势.

等距映射降维用于高光谱影像低维流形特征提取

通过观察对比等距映射流形坐标和光谱特征的变化趋势来解释每一维流形坐标的光谱含义,目的在于从具有光谱解释的流形图中提取低维流形特征。通过设计两个实例来验证本文提出的低维流形特征提取方法。结果显示,Isomap低维流形图可用于提取目标地物的低维流形特征,同时也证明了等距映射流形坐标光谱解释的可行性。这对Isomap降维在高光谱影像中的应用具有很大的理论指导意义。

在多个半平面特征流形上的奇异积分

在多个半平面的特征流形上引入了奇异积分算子 Bn 和 Γn,分别得到了 Bn 和 Γn 在L和B(X)中的合成公式 ,并且讨论了带有 Bn 和 Γn

Clifford分析中于特征流形上奇异积分方程的正则化

借助于多元复分析的思想，此文利用Clifford分析中于特征流形上奇异积分的两种Poincare＇-Bretrand置换公式，研究特征流形上奇异积分方程的Fredhlom理论，找到了它的正则化算子．

稀疏回归和流形学习的无监督特征选择算法

针对无标签高维数据的大量出现,对机器学习中无监督特征选择算法进行了研究。提出了一种结合自表示相似矩阵和流形学习的无监督特征选择算法。首先,通过数据的自表示性质,构建相似矩阵,结合低维流形能够表示高维数据结构这一流形学习思想,建立一种考虑流形学习的无监督特征选择优化模型。其次,为了保证选择到更有用及更稀疏的特征,采用l2,1范数对优化模型进行约束,使特征之间相互竞争,消除冗余。进而,通过变量交替迭代对优化模型进行求解,并证明了算法的收敛性。最后,通过与其他几个无监督特征算法在四个数据集上的对比实验,证明了所提算法的有效性。

n圆柱和m个半平面拓扑积特征流形的奇异积分方程组

在n圆柱和m个半平面拓扑积特征流形上引入算子Sn+m、Tn+m,分别得到它们的有关性质;并讨论了含有Sn+m、Tn+m的奇异积分方程组.

多圆柱域特征流形上的奇异积分方程组

在多圆柱域中引入奇异积分算了H^n、B^n和Γ~n,利用H^n、B^n和Γ~n的一系列复合奇性积分公式,讨论了含H^n、B^n和Γ~n的常系数奇异积分方程组,得到一些有意义的结果。

欧氏空间中二次超曲面的特征流形和半不变量

本文引入半向量的概念,利用它,导出一个用已知二次方程()0,,1=nxxaL中的系数表达的不变向量b。从而我们将‘中心方程组’推广为‘定位方程组’。若用*S记其解集所示轨迹,称为曲面的特征流形,则可证明()constxxaSn=*,。

球面中子流形与特征P流形的谱间隙

给出了欧氏球面中子流形的两次Ｌａｐｌａｃｅ算子的谱间隙的一个新估计，同时讨论了特征Ｐ流形的两次Ｌａｐｌａｃｅ算子的谱间隙．

自编码网络短文本流形表示方法

针对短文本分类任务中文本表示存在的高维稀疏问题,提出基于自编码网络的短文本流形表示方法.通过自编码网络重构文本得到流形映射,提取短文本的流形特征,实现非线性降维.根据标签与多篇文本在高维观测空间的全局映射关系,对已有流形映射进行整体调整,扩充短文本信息得到最佳流形表示模型,使用该模型得到短文本流形表示.结合SVM、KNN、Nave-Bayes 3种分类算法,该方法在公开数据源的Macro_F1均超过97.8%,分类效果优于VSM、LDA、LSI.结果表明,该模型生成的流形表示能以非稀疏形式更准确地描述短文本特征信息,使分类效果得到显著提升.

基于流形学习的高动态范围图像质量评价

高动态范围图像通过更高的对比度和更广的显示亮度增加用户的身临其境感和用户体验质量,因而对其质量评价有着广泛的应用需求。已有研究表明流形可作为大脑感知的一种表述,故提出了基于流形学习的高动态范围图像质量评价方法。该方法将高动态范围图像进行预处理后进行亮度分解和纹理提取,分别对亮度分解和纹理提取后的边缘与纹理特征图像进行流形特征相似度度量;然后考虑色度域扩展,对色度分量直接进行结构相似度度量;将六个特征采用随机森林方法得到图像的最终客观质量值。该方法在高动态范围图像数据库中进行验证,其PLCC与SROCC指标分别达到了0.9238与0.9117,研究结果表明该方法能很好地符合人眼视觉感知特性。

实Clifford分析中奇异积分方程的可解性

借助多元复分析的思想，首先研究实Ｃｌｉｆｆｏｒｄ分析中于特征流形上具有交换因子核的奇异积分的Ｐｏｉｎｃａｒｅ′Ｂｒｅｔｒａｎｄ置换公式．再利用这个公式研究特征流形上具有交换因子核的奇异积分方程．在一定条件下得到了该积分方程的可解性．

一种改进的ISOMAP算法在图像检索中的应用

传统的核化ISOMAP(K-ISOMAP)算法对于多个分散类簇数据集的低维映射不能较好地表现数据集的内在拓扑结构。针对此缺点,本文将对基于ISOMAP的多类多流形算法(MCMM-ISOMAP)进行核化,提出核化的多类多流形ISOMAP算法(K-MCMM-ISOMAP),该算法不仅使得多类数据集在降维后保持较好的内在拓扑结构,而且具备了K-ISOMAP算法的泛化能力,可以将测试数据直接映射到低维空间。因此,该算法可以在多类图像数据集中实现图像检索的功能。实验结果表明该算法与K-ISOMAP相比更具有效性。

显著中心先验和显著-深度概率矫正的RGB-D显著目标检测

随着深度特征在图像显著检测领域中发挥越来越重要的作用,传统的RGB图像显著检测模型由于未能充分利用深度信息已经不能适用于RGB-D图像的显著检测。该文提出显著中心先验和显著-深度(S-D)概率矫正的RGB-D显著检测模型,使得深度特征和RGB特征间相互指导,相互补充。首先,依据3维空间权重和深度先验获取深度图像初步显著图;其次,采用特征融合的流形排序算法获取RGB图像的初步显著图。接着,计算基于深度的显著中心先验,并以该先验作为显著权重进一步提升RGB图像的显著检测结果,获取RGB图像最终显著图;再次,计算显著-深度矫正概率,并对深度图的初步显著检测结果使用此概率进行矫正。接着,计算基于RGB的显著中心先验,并以该先验作为显著权重进一步提升深度图像矫正后的显著检测结果,获取深度图像的最终显著图;最后,采用优化框架对深度图像最终显著图进行优化得到RGB-D图像最终的显著图。所有的对比实验都是在公开的数据集NLPR RGBD-1000数据集上进行,实验结果显示该文算法较当前流行的算法有更好的性能。

基于相关熵和流形学习的多标签特征选择算法

从相关熵的角度出发,提出一种基于相关熵和特征流形学习的稀疏正则化方法,用于解决多标签特征选择问题。在相关熵定义的基础上给出多标签特征选择的回归模型;结合l_(2,1)范数的性质和特征流形学习的定义建立基于相关熵和特征流形学习的稀疏正则化多标签特征选择模型及算法;证明该算法的收敛性并且通过试验验证所给算法的有效性。

Bergman－Weil积分公式的拓广

本文把Ｃｎ空间中著名的Ｂｅｒｇｍａｎ－Ｗｅｉｌ公式拓广到一类具有低维解析待征流形的微分多面体域上，从而获得在一类非解析的多面体域上建立具有全纯核的全纯函数的积分表示式．

Characteristics of turbulent flow distribution in branch piping system

Flow distribution in branch piping system is affected by flow characteristics and different geometric variations. Most of the flow distribution studies are performed with one-dimensional analysis to yield overall information only. However, detailed analysis is required to find effects of design parameters on the flow distribution. For this aspect, three-dimensional turbulent flow analysis was performed to assess turbulence model performance and effects of upstream pressure and branch pipe geometry. Three different turbulence models of standard k-e model, realizable k-e model and standard k-co yield similar results, indicating small effects of turbulence models on flow characteristics analysis. Geometric variations include area ratio of main and branch pipes, branch pipe diameter, and connection shape of main and branch pipes. Among these parameters, area ratio and branch diameter and shape show strong effect on flow distribution due to high friction and minor loss. Uniform flow distribution is one of common requirements in the branch piping system and this can be achieved with rather high total loss design.