基于自组织特征映射模型(SOFM)网络的中国自然资源生态安全区划

自然资源生态安全是国家安全的重要组成部分,自然资源生态安全区划对保障区域可持续发展提供了重要途径。基于自然资源数据、生态环境数据和相关区划资料,从生态敏感性与生态服务重要性角度构建了自然资源生态安全评价指标体系,进而揭示了中国自然资源生态安全的空间格局;通过建立区划的原则和指标,按照一级区主要反映自然资源空间分布格局,二级区主要揭示自然资源生态安全水平的差异,采用SOFM网络制订了中国自然资源生态安全区划方案。结果显示:(1)中国自然资源生态安全水平整体偏低,以中警与重警状态区域为主,安全和较安全状态的区域仅占24.22%,其中低安全等级区多分布于400mm等降水量线以西的干旱、半干旱区,高安全等级区则集中分布于水热资源与生物资源较为丰富的东南部地区;(2)中国自然资源生态安全区划方案包括8个一级区与27个二级区,总结归纳各大区自然资源的特征和威胁生态安全的问题,并针对二级区自然资源生态安全状况提出了对策建议。研究结果可为分区、分类推进全国自然资源可持续利用和国土空间优化提供理论支持与决策依据。

基于参数特征映射的多站时差测量实现

在现代定位系统中,传统的时差测量方法往往受限于信号调制方式、噪声干扰以及硬件实现复杂度等因素,难以保持高精度和实时性。针对上述问题,本文设计一种基于参数特征映射的多站时差定位系统中时差测量方法,由主站检测并产生参考信号,广播至各从站;各站根据此参考信号基于频域互相关算法完成时差测量。该方法有效提高二进制相移键控(binary phase shift keying,BPSK)信号、四相相移键控(quadrature phase shift keying,QPSK)信号、频移-相移复合调制(frequency shift keying-phase shift keying,FSK-PSK)信号等时差测量精度。本文给出了基于现场可编程逻辑门阵列(field programmable gate array,FPGA)时差测量方法的硬件实现,采用实时动态压缩方法,FPGA算法实现资源减少50%;采用抛物线拟合方法,提高时差估计精度;采用基于参数特征映射的数据传输方法,保障多站数据的完备、避免数据缺失和冗余的同时,数据传输量降低95%。仿真与试验测试结果表明,信噪比(signal-to-noise ratio,SNR)大于等于5 dB时,PSK调制信号时差测量精度优于5 ns;对于前沿缓变调制信号,随着脉冲上升沿宽度增大,时差测量精度无明显变化;最后,在外场试验与飞行试验结果中验证方法的有效性与可行性,为高精度多站时差定位系统的实际应用提供了有力支持。

青藏高原及周边地区极端降水天气事件及其基于自组织特征映射方法的天气背景分型

利用2008—2014年中国自动站与CMORPH降水产品融合资料和NCEP再分析资料,基于自组织特征映射方法对青藏高原及周边地区的6 h极端降水天气进行了统计分析。发现6 h极端降水的高值和高频次主要分布在青藏高原西南部和东南部,以及东南侧的四川盆地和南侧沿喜马拉雅山至横断山脉一带。6 h极端降水在高原西南部多发生在14时(北京时,下同),在东南部多发生在20时,而在四川盆地和南侧主要发生在08时。采用自组织特征映射方法将2008—2014年高原及周边地区6 h分辨率的天气背景分为5类,类型I至类型V体现了从夏季—春秋—冬季的渐变,6 h极端降水天气事件发生比率依类递减。高原上总的极端降水主要来自类型I的高原极端降水,类型II及以下的高原极端降水落区逐类缩减并趋于沿冈底斯山零散分布。对比各类型的天气背景发现,高原上类型II及以下的动力强迫较类型I逐渐增强,但是暖心、湿度和对流有效位能等有利热力条件却依类明显缩减,使得高原极端降水落区依类迅速缩减。有利热力条件的分布与大范围极端降水的落区有很好的对应关系,热力条件减弱后,动力条件的增强及其与高原复杂地形的相互作用是导致零散极端降水的重要原因。四川盆地和高原南侧的对流有效位能明显高于高原内,高原在周边的强迫抬升易于触发对流不稳定,释放较高的对流有效位能,形成较强和较频繁的极端降水天气事件。

基于等距特征映射的纺纱生产过程决策参数特征提取

纺纱生产中涉及的过程参数繁多,彼此相互关联且存在冗余,针对过程参数间相关性带来的质量指标难以精确预测与控制等问题,文中提出一种基于等距特征映射(Isometric Mapping,Isomap)的纺纱生产过程决策参数特征提取方法。首先,通过灰色关联分析计算过程参数与纱线质量指标间的灰色关联度,筛选出对产品质量指标影响较大的过程参数作为决策参数;然后,采用Isomap算法对决策参数进行特征提取降维,获得彼此独立的低维决策参数特征空间,将其输入到粒子群优化向量机模型(PSO-SVM)中验证所提出算法的特征提取效果;最后,通过算例进行验证,结果显示提出的方法可采用相较于原数据更少的特征空间维度获取更佳的预测效果。

基于拉普拉斯特征映射与加权极限学习机的电动潜油离心泵故障诊断方法

电动潜油离心泵(简称“潜油电泵”)采油技术在非自喷高产井和高含水井中应用广泛,但其在运作过程中易发生设备故障,后续维护会触发长时间停机,可能造成无法估量的经济损失。目前对潜油电泵故障的诊断主要依赖现场技术人员的经验,无法快速及时地自动诊断分析。为此,文章提出了一种结合拉普拉斯特征映射与加权极限学习机的潜油电泵故障诊断模型。针对潜油电泵采集的数据存在严重不平衡性问题,其首先通过加权极限学习机建立故障诊断模型;然后,为解决算法学习不充分、加权策略会带来计算成本高和应用于高纬度特征空间的效果差等问题,其引入拉普拉斯特征映射方法对模型进一步优化;最后,在TE化工过程数据集上验证了所提方法的有效性,并在潜油电泵实时故障数据集上对该算法的实用性进行实验验证。结果显示,本文算法的分类平均准确率、最大准确率及G-mean相比支持向量机、决策树、BP算法、极限学习机以及加权极限学习机的平均提升了10%以上,验证了本文方法的有效性。

基于多维信息特征映射的密集输电通道信息物理风险演化仿真

在野外恶劣环境中,密集输电通道安全性难以保证,降低了输电网的工作可靠程度。为了保证密集输电通道安全、及时风险干预,进行基于多维信息特征映射的密集输电通道信息物理风险演化仿真研究。在野外现场布设一体化环境监控系统,采集密集输电通道信息物理风险多维影响因素,并利用主成分分析法从影响因素中选取多维信息主特征。构建主特征与风险等级之间的多维信息特征映射模型,得出风险值,对比等级划分表,判断密集输电通道信息物理风险程度。结果表明:6 d前密集输电通道信息物理风险值均处在0以下,但总体呈现上升趋势,该阶段为风险发生前;在6 d之后,风险值进入低风险区域;在之后14 d,风险值分别经过了低风险、较低风险、中风险,最终停留在了较高风险区域。为保证密集输电通道安全提供了新的研究思路。

基于多尺度学习、特征映射网络的图像超分辨率重建研究

图像超分辨率的重建技术,是针对传统卷积神经网络重建(SRCNI)方法,存在的像素特征利用率低、高频细节恢复能力弱等问题,提出利用多尺度卷积核、特征映射网络,进行多图像像素递归学习、特征映射的重建执行方法。通过搜集低分辨率(LR)图像数据集、图像像素特征,基于SR图像超分辨率重建技术,使用1×1、3×3等尺度的卷积核,作出图像像素数据的降维处理、浅层特征提取、特征映射、特征信息融合等操作,并结合递归学习后的局部残差、全局残差特征反馈结果,将多尺度的低分辨率(LR)像素特征,映射到高分辨率(HR)像素特征空间,可得到特征融合后的、重建的超分辨率图像。

量子自组织特征映射神经网络

自组织特征映射是典型的无监督神经网络算法。它运用竞争学习策略实现数据分类。然而当网络中神经元个数为多项式时,自组织特征映射算法训练容易受到计算力挑战。为了降低算法训练的时间复杂度,本文提出了一个量子经典混合的自组织特征映射神经网络算法,利用量子叠加性和量子纠缠性对经典算法进行加速。在神经网络训练过程中,算法利用量子相位估计和Grover搜索算法并行实现相似度计算和标签提取。理论分析表明,本文提出的量子算法相比于经典算法在数据维度上具有指数加速。

一种新的自学习特征映射算法研究

为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法.

庞泉沟自然保护区华北落叶松林的自组织特征映射网络分类与排序

自组织特征映射网络(SOM)是新近引入植物生态学的分析方法,对复杂问题和非线性问题具有较强的分析和求解能力。研究应用SOM分类和排序研究了庞泉沟自然保护区华北落叶松林。研究结果表明,SOM将120个样方分为7个植物群落类型,分类结果具有明确的生态意义;样方和物种在SOM训练图上呈现一定规律的分布;7个群落类型各有其分布范围和界限,揭示了群落间的生态关系。在此基础上,通过引入一种在SOM训练图上可视化环境因子梯度的方法,能够较好地完成样方、物种和环境因子相互关系的分析,揭示了海拔是影响该区华北落叶松林生长和分布的最主要因子。生态分析表明SOM分类和排序是一种有效的梯度分析方法,适用于表征生态特征和探索群落和环境相互关系的研究。

基于拉普拉斯特征映射的故障模式识别方法

拉普拉斯特征映射算法能有效提取高维非线性数据中嵌入的低维流形特征。将其引入到设备故障诊断领域,应用于故障模式识别问题,提出了一种基于拉普拉斯特征映射的故障模式识别新方法。运用基于拉普拉斯特征映射的非线性降维算法直接对原始故障信号进行学习,提取出数据内在的流形特征,极大地保留了信号中内含的整体几何结构信息,有效克服了常规模式识别方法仅能获得局部线性结构的不足,明显改善了故障模式识别的分类性能。仿真和工程实例结果表明了所提方法的可行性和有效性。

零件设计与制造域间特征映射数学模型的研究

采用数学工具，在特征信息描述的基础上，系统地分析了特征映射中信息演变过程，建立了零件设计与制造域间特征映射的数学模型，探讨了特征映射原理。

自组织特征映射神经网络原理和应用研究

根据耕地利用在经济、社会和生态方面面临的压力状况,以压力状态响应框架为基础,设计一套压力大小量化的指标体系,引入具有较强的聚类和容错能力的自组织特征映射(self-organizing mapping,SOM)神经网络模型,在说明SOM网络模型和算法的基础上,应用SOM的聚类功能,以MATLAB语言构建SOM网络模型,对我国的31省市自治区耕地利用压力大小进行了分类,并结合相关文献的研究成果阐述耕地压力的地域差异原因.结果显示我国耕地压力的区域差异与经济地域差异有高度的一致性,表明经济发展是耕地压力的主要来源.选取大样本的神经网络训练得到的结果和现实的一致也表明,SOM模型是一种适用的耕地压力区域分类新方法.

基于测地线距离的广义高斯型Laplacian特征映射

传统的Laplacian特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian特征映射算法(geodesic distance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法.

自组织特征映射网络在北京松山自然保护区山地草甸数量分析中的应用

采用自组织特征映射网络(SOM)对松山自然保护区山地草甸群落进行了数量分类研究,并用Kruskal-Wallis检验和Tukey多重比较方法分析了草甸类型的环境因子之间差异的显著性。结合完全连接法和SOM,将松山自然保护区的山地草甸群落分为7个类型,其群落结构、物种组成等特征明显。这7个山地草甸群落主要受海拔高度、坡度、枯枝落叶层厚度和土壤深度等环境因子的影响,其差异极显著。生态学分析表明SOM是非常有效的植物群落分类方法,适合于山地草甸植被的研究。

基于区域特征映射的模糊掌纹识别方法

针对掌纹在非接触采集时易出现模糊现象从而导致系统识别性能降低的问题,建立了区域到点的特征映射模型,提出了一种基于区域特征映射(Region feature map,RFM)的模糊掌纹识别方法.首先根据图像的模糊原理,建立等价的模糊模型,获取模糊掌纹;然后使用RFM对模糊掌纹进行操作,将高维的区域特征映射到低维的点特征;最后,采用归一化相关性分类器对掌纹所属类别进行判定识别.使用模糊模型对Poly U掌纹库进行处理得到Poly U模糊掌纹库,并分别在Poly U掌纹库和Poly U模糊掌纹库上进行测试,识别结果较为稳定.在模糊掌纹库上,本文算法的等错误率(Equal error rate,EER)最小可达0.9069%,优于传统算法,且进行一次识别的时间为33.95 ms,得到的特征数据维数较小,降低了算法复杂度,表明了本文算法的有效性和实时性.

自组织特征映射神经网络在测井岩性识别中的应用

为了解决测井岩性识别问题,引入具有较强的聚类和容错能力的自组织特征映射(SOFM)神经网络.在说明SOFM网络的模型和算法的基础上,结合某地的实际测井资料,建立SOFM网络岩性识别模型,进行岩性识别的应用研究.结果表明,识别的准确率较高,证明SOFM网络可以用于解决测井岩性识别问题,具有很好的应用前景.

基于特征映射的非回转体零件CAD/CAPP信息集成研究

本文介绍一种面向非回转体零件并采用特征映射方法实现ＣＡＤ／ＣＡＰＰ信息集成的系统。重点讨论了系统中特征的自动分类描述及特征映射的分阶段实施等关键问题。提出了对应不同映射方法的级特征分类算法。

基于WAMS和改进拉普拉斯特征映射的同调机群在线识别

当系统发生严重级联故障导致失步运行时,需要快速准确地识别出系统中的同调机群,为下一步的自主解列控制提供基础。针对WAMS测量到的发电机动态轨迹信息往往具有非线性和非平稳性等特点,提出了一种在线识别同调机群的新方法,能充分考虑各种故障场景的动态特性和非线性系统的时变特征。首先根据WAMS量测可得到故障后发电机组的实时响应功角轨迹信息,利用基于类别信息和核空间的改进拉普拉斯特征映射算法提取特征信息,进而识别出各发电机的运行特性;再利用k-way余弦相似度因子分群算法对发电机组进行自主识别分群。最后通过新英格兰39节点系统仿真,验证了所提方法的有效性,并且适用于系统不同运行方式,能在线准确识别同调机群。

基于设计特征模型的加工特征映射技术

为了实现数控编程过程中能够自动确定加工区域,对基于特征设计系统构建产品模型的方法、产品信息模型、信息模型间的关联关系、飞机结构件加工特征定义分类、设计特征与加工特征间的内在关系进行了深入的研究,提出了基于设计特征模型映射加工特征的方法.该方法通过遍历特征设计树,判断特征间的关系,查询特征组成面信息,从而构建出特征属性邻接图,进而采用基于图匹配的特征识别方法得到加工特征,并提取加工特征信息.该方法压缩了图匹配空间,大大提高了特征识别的速度,应用此方法实现了飞机壁板类零件的特征识别.