随机降维映射稀疏表示的电能质量扰动多分类研究

提出一种随机降维映射特征提取与稀疏表示分类相结合的电能质量扰动信号识别方法。首先将扰动信号测试样本表示为训练样本集的过完备字典稀疏线性组合,然后使用随机测量矩阵获取测试样本降维特征量和稀疏表示感知矩阵,应用最小L1范数解决方案求取扰动信号测试样本的稀疏解,由冗余误差最小值确定目标归属类,实现对电能质量扰动的稀疏表示多分类识别。研究表明随机矩阵降维映射特征提取不依赖于电能扰动样本特性,构造简单,运算快速,具有普适性;稀疏表示分类法与支持向量机相比无需组合多个二分类器来实现多分类器。仿真和实验结果表明该方法能有效提取各种电能扰动特征,抗噪声鲁棒性好,在信噪比20 dB以上的噪声环境中电能质量扰动分类准确率达95%以上。

线性降维映射方法识别火山岩岩性

随着世界对油气资源的需求不断增加,火山岩油气藏的勘探和开发逐步成为油气储量、产量的新的增长点。火山岩岩性研究是火山岩油气储层研究的基础。常规的识别岩性方法不是很有效,作者曾用主成份分析方法来识别火山岩岩性,取得了一些效果,能够把基性岩,中性岩和酸性岩三大类岩石区分开来。但当岩性中也包括结构时,识别的效果就不是很理想,很难将流纹岩和流纹质凝灰岩区分开来。对岩石薄片鉴定,全岩分析以及综合测井曲线得到的火山岩岩样应用线性降维映射方法来识别,取得了很好的效果,它能将常规主成份分析方法很难区分的流纹岩和流纹质凝灰岩区分开来。

非线性主轴降维映射法在固体火箭发动机设计优化中的应用

为在二维或三维空间中表达固体火箭发动机高维设计空间,引入非线性主轴降维映射法对多维非线性设计优化问题进行降维处理。以某大型固体火箭发动机设计问题为例,将10变量4有效约束优化问题降维映射到二维空间进行研究,拟合的非线性主轴降维映射模型中,目标函数和约束函数的相对误差控制在1.5%以内。研究表明,非线性主轴降维映射法具有发现多变量非线性优化数学模型本征特性的特点,能对设计变量重要性排序;通过降维展示设计空间全景,为优化算法和优化初始点优选提供了直观、有力的工具;优化轨迹实时展示为优化算法性质研究及算法切换提供了依据;根据优化轨迹从优化结果在降维空间中的位置能够判断优化结果是否具有全局最优解特性。

通过非线性方差守恒的降维映射实现模式数据可视化

本文描述了一种降低多维模式数据维数的新方法。该方法通过保证所表述数据的方差不变，用非线性无监督学习方法实现从原模式空间到降维空间的映射，目的是用降维群体使复杂的多大群体实现“可视化”。本文与强调特征提取的Ｋ－Ｌ方法和联想方法，以及强调基于原始表述相似性分类格式的ＡＲＴ和特征映射方法有联系，也有不同。新方法运算更加有效。文中描述了新方法的基本特点。

基于降维映射的五轴U摆线铣削刀轨生成研究

刀具轨迹生成作为数控加工的重要组成部分,是包含铣削方式、刀具工件结构以及加工余量等多因素在内的复杂体系。U摆线铣削是在摆线铣削基础上结合侧铣加工特性的走刀策略,能够以大轴向切深完成粗加工,平稳切入切出的走刀形式可以有效平滑切削力,分散局部载荷。以整体叶轮流道为目标,提出一种基于降维映射的U摆线铣削刀轨生成方法。建立U摆线铣削几何模型,定义摆线表征参数并给出摆线残留量计算方法。根据刀具运动规律将轨迹离散为系列微元,以刀具与前一刀轨迹的交点为划分依据将轨迹划分为多个区域,分别获得相应摆线位置角下刀-工包角计算方法。安排了系列实验,验证了U摆线铣削在切削力及刀具磨损方面的加工优势。结合U摆线铣削特征建立铣削边界预处理方法,考虑到三维空间刀具轨迹计算复杂,定义空间几何域及降维参数域,在此基础上给出平铺微弧的降维映射方法并分别在不同摆线区间计算降维轨迹。为获得无干涉U摆线铣削刀轴矢量,借助等参数方程建立双向比例域映射算法,通过求解系列偏转角度实现任意矢量逆映射。最后将轨迹矩阵编码为通用机床语言,通过仿真算例及铣削实验验证刀轨生成方法的可行性。

降维映射分析法及其应用

用人工神经网络将多维空间的样本数据降维映射到二维平面上 ,并生成目标函数的等值线 ,可全景式地展现出样本数据集操作空间的面貌和特征 ,由此可直接看出最优操作点或最优操作区域。映射平面上的任意点可通过逆映射算法将其还原到多维空间。本文对这个方法的基本原理进行了简要的描述 ,并用于操作优化的实例计算。演示的实例说明 ,这个方法比模式识别方法优越。

随机结构响应密度演化分析的映射降维法

提出了随机结构响应密度演化分析的映射降维算法.在一般线性与非线性随机结构分析中,采用近年发展起来的密度演化方法,能够获得动力响应的瞬时概率密度函数及其演化过程,具有较好的精度.当具有多个随机变量时,采用常规的格栅型选点将导致过大的计算工作量.基于Cantor集合映射的基本思想,将多维空间中的离散网格点逐次两两降维,按照概率测度值进行排序、取点,从而将具有多个随机变量的随机结构分析问题的计算工作量降到与仅含单一随机变量的随机结构分析相当的水平.与随机模拟结果的比较表明:建议的方法具有较高的精度和效率.

因素空间理论下多目标因果分析的降维算法

为降低利用多目标因果分析法进行因果规则提取的计算繁杂性,给出多目标因素条件下降维映射和钻入决定度降维的定义,对目标因素进行合取,根据选定目标因素的钻入决定度判断结果,进行目标因素的约简,得到了目标因素的降维算法;在目标因素的降维算法的基础上,研究了目标因素之间的关联性,并给出了关联指标定义,结合多目标因果分析法,提出多目标因果分析降维算法.研究结果表明:多目标因果分析降维算法具有实用性和有效性.研究结论为多目标优化带来一些新空间.

基于LLE方法的地震属性特征提取技术及其应用(英文)

从大量的地震属性中提取最能反映地质特征的综合属性是储层预测技术的关键,通常选用降维方法来优选属性。目前应用最为广泛的线性降维方法。但是,由于地震属性与地质特征的关系通常是非线性的,基于线性变换的地震属性降维优化方法不能充分地反映这种非线性关系,降低了储层预测的精度。流形学习是一种新的非线性学习方法,它是通过保持数据局部结构的方式将高维数据投影到低维空间,挖掘和发现隐藏在数据中的内在特征与规律性,开拓了地震属性降维优化研究的新领域。本文首次实现了3D地震数据的层问属性特征提取,讨论了LLE方法及其关键技术,并以奥陶系礁滩相储层实例说明LLE和PCA两种方法降维及聚类的不同效果。理论模型分析和实例应用表明:LLE较好地保持了数据本身的原始结构;提取的综合属性和聚类相图较好地刻画了沉积相带、储层和流体的特征。这说明流形学习具有更好的特征提取性能。

基于实测受扰轨迹考虑量测误差的失步解列判据

失步解列判据是失步解列控制措施启动的重要依据,要求能够快速、准确地判断出电网的失步状态。针对目前失步解列判据的时效性和准确性不能协调配合等问题,提出一种基于角速度-角半径(v-R)受扰轨迹及其一阶导数随R变化的dv/d R-R受扰轨迹变化趋势的失步解列判据。首先通过降维映射将多机系统实测受扰轨迹映射到一维扩展相平面上,证明了该映射的保稳性。对稳定和失稳受扰轨迹特性进行分析和证明,为克服量测误差产生的误判问题,采用最小二乘法对dv/d R-R受扰轨迹进行实时拟合,通过拟合后曲线判断系统失步情况。在新英格兰10机39节点系统中证明了该判据可以有效地防止误判,另外通过与动态鞍点失步解列判据以及Ucosφ失步解列判据进行对比分析,验证了该判据的快速性。

降维网络及其在混凝土配合比优化设计中的应用

提出在BP网络的输入层与隐层或径基函数网络的输入层与隐层之间增加一个只有 2个结点的线性函数层(Z层 ) ,以构成基于BP网和基于径基函数网的降维映射网络。这两种网络均将多维输出Y (可为一维 )与多维输入X之间的非线性映射关系转变成与二维向量Z之间的非线性映射关系。网络学习后 ,就可以在由Z构成的二维映射平面上描绘出输出向量的等值线 ,通过这些等值线可全景式地、准确可靠地确定出样本数据集的最优操作区域 。

竞争层结构可调SOM网络在中药模式识别中的应用

针对经典SOM算法无法准确反映原始数据的特征信息,提出了竞争层结构可调的SOM算法——CSA-SOM算法。该算法增加了竞争层神经元动态调节的步骤,调节的依据是不断比较原数据的位置信息和映射后低维空间的位置信息,使两者最终能趋于一致。因此降维后的数据能够较好地保持原数据的特征,包括距离信息、角度信息以及分布信息。该算法有效地实现了红景天药材的准确清晰分类。算法理论分析和实验结果均表明,CSA-SOM算法是一种快速、准确的数据内在规律映射可视化算法,与SOM算法相比,CSA-SOM算法的特征映射效果比较好,解决了SOM算法会使映射后数据结构发生扭曲的问题。

地震属性优化与预测新进展

近年来,地震属性广泛应用于油气勘探开发中,并在构造解释、储层预测等方面发挥了重要作用,为此对地震属性分类、属性提取、属性优化和属性预测方法等进行了较为系统的归纳与总结。在此基础上,重点介绍了地震属性优化中的各种数学变换降维方法,其中包括:线性降维方法中的主成分分析法和独立成分分析法;非线性降维方法中的核函数法、局部线性嵌入法和等距映射法。

基于流形学习的地震属性特征提取方法及应用

地震属性与地质特征的关系通常是非线性的．传统的基于线性变换的地震属性降维优化方法不能充分反映这种非线性关系，降低了储层预测的精度。流形学习通过保持数据局部结构的方式将高维数据投影到低维空间，挖掘和发现隐藏在数据中的内在特征与规律性，是地震属性优化研究的新领域。文中提出了基于流形学习的地震属性特征提取方法，把基于线性降维的主成分法（PCA）和基于非线性降维的局部线性嵌入法（LLE）提取地震属性特征的方法进行了对比。理论模型分析和实际应用均表明：在处理非线性问题上．流形学习具有更好的聚类分析能力和特征提取性能．LLE提取的地震属性比PCA提取的属性更加准确地刻画了有利储层的展布特征，说明流形学习在地震属性优化方面具有较好的应用前景。

经食管超声心动图标准切面导航可视化系统设计与实现

针对经食管超声心动图诊断心血管疾病学习曲线长、教学培训难度大的问题,设计了一种经食管超声心动图标准切面导航可视化系统,以实现经食管探头的实时导航功能。该系统首先利用测距仪、角度测量器、勾摆模拟器和超声扇面旋转模拟器组成四个维度上的传感系统;其次通过设计经食管超声心动图20个标准切面的导航图和降维映射方法将探头的三维数据通过映射到二维平面导航图中;最后基于Unity平台实现了切面的超声图像和导航图的实时切换;同时该系统利用了基于水平集的各向异性扩散算法用于提高显示切面的质量。该系统能够指引医生更快、更准确地找到20个标准切面,帮助医生快速掌握获取标准切面的技术,便于医生对病例进行详细的分析,作出准确的诊断。

可视化方法对提取总黄酮工艺条件的优化

采用一种新的工业过程操作优化方法———可视化优化方法 ,对超声波法从银杏叶中提取总黄酮工艺条件进行优化 .通过对实验数据进行分析、处理和降维映射产生平面图 ,并对各影响参数与目的指标之间进行函数拟合 ,生成目标函数等值线 .从等值线图中找出最佳操作点或方向 ,进而作出优化决策 .实例计算结果表明 。

基于改进正2k边形坐标的可视化方法研究

针对网络安全领域处理海量高维数据时遇到的认知困难,提出一种基于改进的正2k边形坐标的可视化方法,利用可视化效果评价指标和相关系数对维度进行重排,优化了高维数据在降维映射后的显示效果。实验结果表明,该方法保持了易于发现维度分布信息的优点,并解决了散点图数据混乱和呈现信息单一等缺点,能够更加有效地发现聚类信息,为管理员进一步分析和挖掘威胁提供了便利。