基于二重语义相关性图卷积网络的跨模态检索方法

随着深度神经网络的不断发展,跨模态检索模型的构建也随之取得了长足的进步。以图卷积网络(GCN)为基础的跨模态检索方法可以较好地捕获数据的语义相关性,因此越来越受到人们的关注。但是,目前大部分研究多将标签之间和样本之间的相关性融入到跨模态表示当中,并没有考虑到标签集合之间的相关性对于跨模态检索模型性能的影响。在多标签场景下,标签集合之间的多标签相关性可以有效地描述对应样本之间的语义关系,因此充分发现多标签相关性并将其融入到跨模态表示中,对于提高跨模态检索模型的性能有着重要的意义。提出了一种基于二重语义相关性图卷积网络(dual semantic correlation graph convolutional networks,DSCGCN)的跨模态检索方法,该方法利用GCN自适应地发现标签之间和多标签之间的语义相关性,并将此二重语义相关性融入到样本公共表示中。此外,还提出了一种多标签相似性损失,用于使生成的样本公共表示相似性更接近于语义相似性。通过在NUS-WIDE、MIRFlickr-25K和MS-COCO三个数据集上的实验可以发现,由于引入了多标签语义相关性,DSCGCN可以获得令人满意的检索效果。

基于自适应矩阵的核联合稀疏表示高光谱图像分类

针对高光谱图像丰富的空间信息和光谱信息未充分利用的问题,提出了基于自适应矩阵的核联合稀疏表示高光谱图像分类的方法。在特征表示阶段,定义了自适应矩阵特征,通过结合自适应邻域块策略与非线性相关熵度量构成的特征来描述原始光谱像素,充分融合了形状可变的空间信息与非线性光谱信息。在分类阶段,考虑自适应矩阵和高光谱图像非线性,采用对数欧式核函数,构建了核联合稀疏表示模型,以获得重构误差。同时利用字典空间信息构建了矩阵相关性,引入平衡参数实现了稀疏重构误差与矩阵相关性的联合分类。在两个数据集上的实验结果表明,该算法充分利用了高光谱图像的空间信息、光谱信息,能够有效提高分类精度。

基于相关性矩阵的火控计算机测试平台设计

为解决新型装甲车辆火控计算机在维修保障上存在的检测深度不足、效率低、可靠性不高等问题,设计了用于装甲车辆火控计算机部件级、板级性能检测和故障诊断的自动测试平台;平台以相关性矩阵模型为基础、故障特征最大信息熵为准则进行优化测试点,从而设计了性能测试模块,并为故障诊断模块中故障字典的建立提供了测试结果信息,完成了软件设计;该平台最终可将故障定位到元件,在使用过程中检测深入、操作简便、稳定可靠,为装甲车辆火控计算机的维修保障提供了有力的支持。

基于故障-测试相关性矩阵的测试性分析

为有效检测出系统测试中存在的不可测故障、冗余测试和隐含故障等,提出一种基于故障-测试相关性矩阵的测试性分析方法。首先给出不可测故障、模糊组、不可隔离故障、冗余测试、隐含故障和伪故障的定义;在此基础上,提出基于故障-测试相关性矩阵的测试性分析流程和求解方法。算例分析结果表明:该方法能有效完成系统测试性分析,且操作简单,具有较大的工程应用价值。

一种建立复杂系统相关性矩阵的新方法

由系统相关性模型建立相关性矩阵是基于相关性模型故障诊断技术的关键一步.针对复杂系统,往往存在冗余和工作模式不单一的问题,本文提出了一种新的求解冗余系统相关性矩阵的方法.分别求解系统单故障和最小故障与测试的相关性,将二者进行合并得到系统的相关性矩阵;给出了系统在多种工作模式下,多个相关性矩阵的合并原则.通过案例系统验证,说明该方法能够获得完整的复杂系统的相关性矩阵.

基于决策树与扩展相关性矩阵的故障诊断方法

故障诊断的准确性直接影响维修的时间与费用,目前,电子产品故障诊断中多采用相关性矩阵的方法,用0/1逻辑构建诊断知识实现诊断,该方法无法充分利用测试信息,影响了故障隔离能力。因此,针对该问题,将莱特准则引入相关性矩阵的构建中,运用多值编码代替0/1编码,构建了一种新的相关性矩阵,以矩阵中的不同测点信息作为决策树的输入,以信息增益为特征优选原则,优选了测试点,构建了诊断决策树模型,给出了故障诊断策略。该方法提高了故障隔离能力,诊断过程更符合实际需求。利用上述方法,以电源模块为对象,进行了案例应用,通过故障注入实验的方式,验证了该方法的有效性,结果表明,通过文中的方法所得的故障隔离率指标优于基于传统相关性矩阵(D矩阵)的方法。

基于可交互相关性矩阵的维度重排径向坐标可视化方法

针对现有维度排序方法较少考虑到用户参与的问题,文中提出基于可交互相关性矩阵的维度重排径向坐标可视化方法.采用考虑到径向坐标可视化(RadViz)特性、拥有可变参数的层次聚类算法推荐初始的维度顺序,提供展示算法结果的系统树图用于指导用户交互式地调整、选取、删除维度,进行特征子集选择.实验表明,文中方法具有较好的交互性,注重用户体验,减轻RadViz中的投影点重叠问题.

基于多元相关性矩阵的中长期负荷预测方法研究

中长期负荷预测是电力系统规划建设、运行安排的重要基础数据。当前我国经济发展进入新常态。增长速度、经济结构和驱动要素都将发生根本性转变。传统的中长期负荷预测面临原参考指标不适用、可参照历史数据有限等问题。为此,深入分析我国经济新常态下的发展模式转变特征。从增长速度、经济结构和驱动要素三个方面构建中长期负荷预测参考指标库。基于多元相关性矩阵构建了新常态下中长期负荷预测方法,降低了对历史数据的依赖性。最后基于我国某地区实际数据构造算例,验证了所提出方法的有效性。

基于相关性矩阵的装备体系贡献率概略评估方法

在装备建设规划论证中,如何从大量装备项目中遴选合适的装备纳入规划体系是一关键问题。从装备体系能力生成出发,通过分析装备体系构成,装备体系能力形成,遂行使命任务等方面的贡献作用,采用贡献作用相关性矩阵的数学方法对装备在体系中的“贡献率”评估建模。以装备对多样化使命任务的“贡献率”作为依据,实现不同种类装备之间的横向比较分析,支撑装备遴选择优。通过实证案例分析验证了方法的合理性和有效性。

考虑分布式光伏电源与负荷相关性的接入容量分析

研究了配电网网架结构和运行工况已知的条件下,分布式光伏电源的可接入容量问题。通过分析配电网网架结构和各节点负荷的历史数据,设定分布式光伏电源接入位置和容量初始值,构建了初始相关性样本矩阵。通过分析分布式光伏电源出力与负荷的相关性,提出了光伏发电就地消纳能力指数的概念及计算方法,构建了改进型相关性样本矩阵。以系统向配电网传输功率最小为目标函数,建立了节点电压、配电网潮流为主要约束的规划模型,利用前推回代潮流算法和退火算法求解。以中山供电局马新站10 kV配电网为例,仿真及潮流验算结果表明:对于一个已知网架结构和运行工况的配电网,考虑分布式光伏电源与负荷的相关性可有效提高分布式光伏电源的接入容量。

风速相关性产生新方法及对电网电压稳定影响

风速随机性导致风机输出功率不稳定,继而对电力系统电压稳定产生影响。同一地区相邻风电场风速变化具有相关性,进一步增大了对电力系统电压稳定的影响程度。本文提出一种相关风速产生新方法并应用于多风电场电力系统电压稳定分析,利用改进帕克-希恩(PS)算法产生相关正态变量,将概率变换到威布尔分布空间得到符合要求的风速相关性矩阵,再将所产生矩阵应用于潮流分析并进行奇异值分解,确定多风电场电力系统静态电压稳定程度。以风速相关的四风电场电力系统为例,证明了应用改进PS算法产生相关风速比传统的Cholesky方法更精确。以实际37节点电网为例,仿真分析了风速相关性对静态电压稳定的影响。

基于故障相关矩阵的最优测试序列生成方法

针对最优测试序列生成问题,采用与或图搜索生成测试序列,将系统故障与测试之间的关系作为节点生成的依据,在综合了信息论与启发式搜索理论的基础上,由霍夫曼编码和信息熵构成的启发式搜索函数来引导与或图的搜索生成诊断树,安排最优的测试顺序,实现用最少的代价隔离系统故障;在解决与或图搜索问题中应用了改进后的AO*算法,避免出现"NP-完全"的复杂计算问题,整个过程大大减少了生成节点的数量,提高了故障隔离效率。

基于波动相关性及主分量变换的多元线性回归模型研究

文章针对多元线性回归模型提出了一种建立在主分量变换基础上的方法。该方法通过因变量与各个变量间对应的波动量建立相关性矩阵,以此来获得多元相关性分布状态;通过主分量变换获得具有最大相关性的主分量;最后按照主分量矩阵与各相关矩阵的距离及最小二乘估计确定回归系数。该算法建立在波动相关性分析基础上,反映了系统内相关要素之间的统计确定性,且建立在相关性统计上的主分量变换能够消除共线性问题对回归系数的影响,增加了最小二乘估计方法的可靠性。

基于邻域相关性MC模型的空域隐写检测算法

空域隐写作为最常用的隐写方式之一,对其进行隐写分析具有较高的实用价值。空域隐写破坏了图像的邻域相关性,通过分析其在隐写前后发生的改变,能有效检测图像是否进行了隐写。如何对邻域相关性进行量化分析成为问题解决的关键。通过对图像邻域相关性进行MC建模,提出了一种有效的空域隐写检测算法。该算法在相关性MC模型的基础上提取出相关性量化矩阵,分析了其在隐写前后发生的变化,并提取出相应的检测特征。最后,以Fisher分类器作为检测分类器进行了检测实验。实验结果表明该算法能有效检测多种空域隐写算法,其平均检测率达到85%以上。与其它空域隐写检测算法相比该算法具有更好的适用性。

某夹具结构模态仿真与试验及相关性验证

针对某雷达夹具,首先系统地介绍了LMS试验模态测试方法,得到了该结构的固有频率与振型,进一步使用有限元方法计算了结构的自由模态.在此基础上,研究了仿真模态结果与试验模态结果的差异,给出了相关性分析的预处理方法,进而得到了试验模态与仿真模态的相关性结果,验证了仿真模型的有效性,为进一步的频谱分析,减少样机试验奠定基础.

词间相关性的CMRM图像标注方法

自动图像标注因其对图像理解和网络图像检索的重要意义,近年来已成为新的热点研究课题.在图像标注的CMRM模型基础上,提出了一种基于词间相关性的CMRM标注方法.该方法提取了标注字之间的词间相关关系,并利用图学习算法,通过将词间相关性矩阵叠加到初始标注矩阵的方法对标注结果进行了改善.利用Corel5k标注图像库中的自然场景图像进行实验.实验结果表明,该方法很好地完成了对测试集图像的自动标注,在查全率与查准率上较CMRM模型有所提高.

基于相关性密度的多变量时间序列属性选择

属性选择是一种有效的数据预处理方法。为了移除多变量时间序列属性集中的冗余属性和噪声属性,选择出包含足够原始信息并能提高精度的属性子集,提出一种基于相关性密度的属性选择算法。该算法使用相关性矩阵表示原多变量时间序列,定义每个属性的局部密度来表示属性的代表性,定义属性的判别距离作为该属性与其他属性间的区分度。最后根据决策图的分布来筛选具有较大代表性和区分度的属性。使用SVM分类器对UCI数据库中的4种不同数据集进行实验,实验结果表明该算法相比已有算法在分类准确度和时间效率上均有一定的优越性。

加权信息量支持下融合InSAR形变特征的滑坡易发性评价

使用SBAS-InSAR处理六盘水市水城区2018-07~2019-08共69景Sentinel-1A卫星影像,获取地表形变作为动态评价因子,用于完善传统滑坡易发性评价研究缺乏动态特征数据应用的问题。结果表明,使用10种静态评价因子融合InSAR形变特征数据作为动态评价因子,在耦合层次分析法与信息量法的加权信息量模型下对比仅使用静态特征数据,ROC曲线下面积分别为0.756 02和0.888 68,模型性能提升约13.3%;再将历史灾害点叠加于2种分区图下检验分区精度,相比于未融入形变特征,融入形变特征可纠正约12.44%的误分类区域,能较好地提升分区的可靠性。

一种基于有限域的确定性测量矩阵构造算法

针对随机测量矩阵硬件实现困难、存储开销较大的问题,提出两类稀疏确定性测量矩阵的构造方法。首先利用嵌套操作将正交矩阵与有限域确定性测量矩阵相结合,构造一类相关性渐进最优的测量矩阵;随后分析指出有限域确定性测量矩阵相关性具有一定自由度,即有关列向量具有正交特性。利用该特性可进一步优化测量矩阵,使其相关性降低,基本达到冗余矩阵的相关性下确界(Welch界)。提出的两类确定性测量矩阵均为稀疏矩阵,故存储开销较小,编码及重构复杂度较低。仿真结果表明,相对现有的多种随机矩阵,文章提出的确定性测量矩阵拥有更好的重建性能,具有较好应用价值。

四旋翼农业无人机模块化设计及有限元分析

为进一步提高四旋翼农业无人机的升级、装配和维修效率,拓展农业无人机的应用范围,提出一种针对农业无人机的模块化设计方法。首先,综合分析四旋翼农业无人机中任意零件间在连接固定、功能和几何参数层面的相关关系,构建零件关系图,将相关性强的零件聚类成部件,并计算部件在各层面的相关性矩阵。其次,利用AHP赋予各层面不同权值,计算部件间综合强度相关性矩阵,依据模块评判原则合并部件。最后,建立模块结构,根据作业需求组合相应模块,并对关键功能模块进行静动态特性分析。研究结果表明:该模块化设计方法将28个无人机零件简化为6个独立的模块;无人机更新换代时,只需对相应发生改变的模块进行重新设计制造;模块的独立性简化装配的工艺流程,降低维修成本;6个模块可以组合成喷洒无人机或播撒无人机,使无人机不仅适用于农药的喷洒,也适用于种子和肥料的撒播;通过对中央舱模块的有限元分析,其最大应力为23.889 MPa,远小于碳纤维最大抗拉强度4 780 MPa,前四阶固有频率都大于无人机工作时最高频率32.75 Hz,以及其最大形变量为0.004 635 9 mm,满足无人机极限工况下的形变要求。