基于非精确图匹配的CAD模型搜索方法

为了弥补现有的三维CAD模型搜索方法难以搜索到不同近似程度的相似模型的缺陷,提出一种基于面属性化邻接图非精确匹配的CAD模型搜索方法.首先提取CAD模型中的B-rep信息将CAD模型转化为面属性化邻接图;然后计算目标模型与被搜索模型的面属性化邻接图之间的顶点相容程度矩阵和边相容程度矩阵,并由此建立2个模型相似程度的度量作为选择不同顶点匹配矩阵M的优化目标函数;在对匹配矩阵M进行连续化松弛后,运用Sinkhorn行列交替规范化方法求解匹配优化问题.实验结果表明,采用该方法能够搜索到不同近似程度的相似模型;并且由于避免了具有NP复杂性的精确图匹配过程,检索效率也能满足实际要求.

具有运动边界与含时频率的一类环状非球谐振子模型势的精确解(英文)

在球坐标系中研究了一类具有运动边界与含时频率的环状非球谐振子模型势的Schrdinger方程.应用坐标变换将运动边界转化为固定边界,从而获得了系统的精确波函数.研究表明,系统的角向波函数是一个推广的缔合勒让德多项式,径向波函数可以表示为贝赛耳函数.最后我们简单讨论了指数运动边界和指数含时频率这一特殊情况.

基于非精确迪利克雷模型的有源配电网鲁棒最优潮流

为解决最优潮流运行的负荷随机需求与风电的间歇性出力等不确定性,进行了配电网的鲁棒最优潮流研究。首先,构建考虑网损成本及主网购电成本的鲁棒最优潮流模型。然后,采用非精确迪利克雷模型挖掘历史数据构造盒式不确定集,描述风电-负荷不确定性。其次,对非凸非线性模型进行二阶锥松弛,采用对偶理论、大M法进行单层线性化推导,得到可行域为二阶锥空间的单层锥优化模型,通过商用求解器求解得出最优潮流方案。最后,在IEEE 33节点系统中验证了模型与方法的有效性。

基于非等距预测模型的填土路基沉降量分析

根据路基沉降量的实测资料,利用3种常用的灰色预测模型对路基沉降量变化规律进行分析及精度对比,选取预测精度最高的灰色预测模型预测路基最终沉降量。同时,基于改进灰靶决策理论,对路基沉降的影响因素进行综合分析,将靶心距与路基最终沉降量对应,利用非等距预测模型最终沉降量与靶心距之间的规律进行分析。研究结果表明:该模型可以揭示路基沉降与影响因素之间的量化关系,为路基沉降的预测与规律分析提供了新的思路与参考。

双渗分形油藏动态数学模型的精确解

将非线性分形理论应用于描述油藏非均质渗流中 ,通过分析和考虑油藏的实际渗流情况 ,引入分形维数Df 和分形指数θ来描述油藏的分形特征和油藏非均质性 ,在此基础上 ,建立了双渗分形油藏的渗流数学模型 。

外噪声下相变模型福克-普朗克方程的含时精确解

采用微分方程的李群方法 ,研究了外噪声影响下的非平衡相变模型对应的Fokker Planck(FP)方程 ,得出了含时间概率密度P(x ,t)的严格表达式 ;讨论了最可几值x随时间的变化 .在时间t→∞时 ,由严格解给出了概率密度的定态解Pst(x) ,并讨论了此时的最可几值x与确定性描述的区别 .

基于时间Dirichlet过程混合模型的在线目标跟踪

针对目标跟踪过程中,可变目标表观的特征数据会发生"分布漂移"的问题,提出一种基于非参贝叶斯多模表观模型的目标跟踪方法。首先,以时间Dirichlet过程为先验分布,把先前估计的目标样本划分为不同的聚集,使得每个聚集表示一类表观,同时,每个表观类被建模为判别式分类器;然后,基于贝叶斯后验推断,权衡先前表观模型的分类误差和拆分聚集的代价,从数据中自主学习表观模型;最后,基于Noisy-OR模型,以贪心(Greedy)策略协同各表观分类器判别出目标。仿真结果表明该方法能较好的跟踪可变目标表观,改善了目标跟踪性能。

一种基于非参数贝叶斯模型的聚类算法

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术,并且与监督学习不同的是聚类分析中没有类别或标签的指导信息,所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点.由此提出了一种基于Dirichlet过程混合模型的聚类算法,并用collapsed Gibbs采样算法对混合模型的参数进行估计.新算法基于非参数贝叶斯模型的框架,能够在不断的采样过程中优化模型参数并形成合适的聚类个数.在人工合成数据集和真实数据集上的聚类实验结果表明:基于Dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数,而且具有较强灵活性和鲁棒性.

Dirichlet过程混合模型SAR图像分割算法

传统的合成孔径雷达(SAR)图像参数化有限模型都有其特定的物理背景或者数学假设,很难准确估计SAR图像中各地物的密度分布,为了解决这一问题,提出一种基于非参数化无限混合模型的SAR图像分割方法,该方法利用Dirichlet过程对SAR图像进行建模,进一步采用非参数化Bayes模型分割包含复杂地物目标的SAR图像。Dirichlet分布作为一种基于分布的分布可以确定不同类别的先验概率,由样本估计出密度函数来描述图像,从而可以更精确地分割各类地物。该算法在模拟图像与真实SAR图像上进行了比对测试,实验结果验证了Dirichlet过程混合模型SAR图像分割算法的有效性和稳健性。

子空间聚类的非参数模型及变分贝叶斯学习

子空间聚类的目标是在不同的特征子集上对给定的一组数据归类.此非监督学习方法试图发现数据"在不同表达下的相似"模式,并且引起了相关领域大量的关注和研究.首先扩展Hoff提出的"均值与方差平移"模型为一个新的基于特征子集的非参数聚类模型,其优点是能应用变分贝叶斯方法学习模型参数.此模型结合Dirichlet过程混合模型和选择特征子集的非参数模型,能自动选择聚类个数和进行子空间聚类.然后给出基于马尔可夫链蒙特卡罗的参数后验推断算法.出于计算速度上的考虑,提出应用变分贝叶斯方法学习模型参数.在仿真数据上的实验结果及在人脸聚类问题上的应用均表明了此模型能同时选择相关特征和在这些特征上具有相似模式的数据点.在UCI"多特征数据库"上应用无需抽样的变分贝叶斯方法,其实验结果说明此方法能快速推断模型参数.

SF_6高压断路器机械故障概率的非精确条件估计

在小样本条件下,结合SF_6高压断路器自身特点,引入非精确概率概念,提出一种将非精确狄里赫雷模型(IDM)与贝叶斯网络相结合的断路器机械故障概率估计方法,对断路器机械故障可能性范围进行估计。首先,对表征断路器力学性能的特性参数进行状态划分;其次,根据历史数据,建立处理非精确条件概率推断问题的贝叶斯网络,并利用非精确狄里赫雷模型得到断路器机械故障样本缺乏条件下贝叶斯网络节点的非精确条件概率测度;最后运用贝叶斯网络的推理算法,根据断路器本次开断的参数估计得到在下次开断时其出现机械故障的非精确概率。该方法体现了短时间尺度下,断路器机械故障概率随其运行状态变化而时变的特点,并为小样本情况下断路器机械机构的可靠性评估以及状态检修提供了依据。通过算例验证,证明了所提方法的有效性。

电力设备停运概率的非精确条件估计

在小样本条件下,电力设备的运行可靠性参数难以精确获取,对其波动范围进行估计,可为电力系统运行提供更为客观、全面的评估与决策依据。由此,该文提出了一种基于信度网络(credal network,CN)的电力设备停运概率的非精确条件估计方法,对暴露型设备运行中条件相依的停运概率指标的区间范围进行估计。该方法基于设备停运的历史统计数据和估计目标时段的运行工况条件,构建了处理非精确条件概率推断问题的信度网络,并利用多状态随机变量的非精确狄利克雷模型(imprecise Dirichlet model,IDM),统计获得了设备停运样本信息缺乏条件下信度网络节点的非精确条件概率测度,进而采用信度网络推理算法,估计得到了给定运行工况条件下设备停运概率的区间范围。方法体现了电力设备运行可靠性参数依估计目标时段运行工况变化而时变的特点,为解决停运样本信息缺乏条件下的电力设备运行可靠性评估问题提供了新的思路。文章通过对实际投运于山东电网某地区的LGJ-300型架空输电线路停运概率的非精确条件估计,验证了文中方法的有效性。

一些耦合非线性方程的精确解(英文)

应用代数方法与适当假设 ,给出了一些具有物理意义的耦合非线性方程的精确行波解 ,方程类型包括流体力学中描述长波相互作用模型耦合Zakaharov -Kuznetsov ,耦合Kadomtsev -Petviashili方程等 .

基于Dirichlet过程混合模型的滚动轴承运行状态识别

针对滚动轴承的运行状态识别问题,利用典型DP混合模型良好的聚类特性,提出了基于DPMM的滚动轴承运行状态识别算法,并推导了算法聚类的详细步骤。利用轴承状态监测数据进行了验证和分析,结果表明:DPMM算法不依赖于训练样本,模型结构能够随着观测数据的变化实现自适应变化和动态调整,自动识别轴承的运行状态数;同时,识别结果不依赖于DPMM算法初始参数的选择,具有较强的稳定性和适应性。

多孔介质中自然对流Brinkman模型的新精确解

李对称理论是寻求数学物理方程精确解的有效方法。基于李对称理论得到了Brinkman模型的对称和约化方程,通过求解约化方程得到了该方程的一些新精确解,包括变量分离解和行波解,部分变量分离解包含了导热率的各向异性对温度的影响,这些解和行波解是已有文献中没有报道过的,可以更真实地反映Brinkman模型的自然对流流动现象。

非均匀顶板岩层对覆岩破坏的控制作用模拟研究

松散含水层下采动顶板覆岩破坏问题受到广泛关注,但现有数值模拟成果普遍将顶板覆岩简化为均匀层状结构,不能反映出不同岩性的岩层分布对覆岩破坏的控制作用,具有一定的局限性。以孙疃矿101采区1010工作面为例。首先依据相关资料基于GOCAD软件建立精确三维地质模型,其次通过转换接口将模型导入FLAC^(3D)软件中模拟采动,分析顶板非均匀岩层对覆岩破坏的控制作用。结果表明:非均匀顶板煤岩层及四含松散层对覆岩破坏具有一定控制作用;软弱岩层越厚,塑性区最大高度越高,发育速度越快,反之高度越低,速度越慢;塑性区发育至软弱煤岩层时,高度增长明显。而发育至坚硬煤岩层时,高度增长较小甚至不增长;四含松散层厚度越大,塑性区最大高度越高,发育越快,反之最大高度越小,发育越慢。

一类基于可能世界的非精确推理

借助于可能世界模型,讨论了一类非精确推理。

涉及一个非局域对称的Kaup-Kupershmidt方程新的精确解

利用Kaup-Kupershmidt(KK)方程的一个非局域对称,可在两种不同的方法上找到方程新的精确解。首先,用标准的展开近似,我们得到KK方程有限的Lie-B(?)cklund变换和单孤子解。其次把一些局域对称与这个非局域对称组合起来,我们给出其群不变解,进而可求得新的孤子解。

基于狄利克雷模型的分布鲁棒机组组合

在应对风电不确定性电源发电的机组组合决策中,针对风电随机过程难以表达为确切概率密度与分布的问题,提出基于非精确狄利克雷模型的分布鲁棒机组组合优化模型与求解方法。其核心体现在:首先,依据历史信息,采用非精确狄利克雷模型(imprecise Dirichlet model,IDM)构造包含风电输出功率所有可能概率分布的模糊集;其次,依据该模糊集,在满足一定置信水平下,推演风电输出功率不确定性区间的表达,从而使其与传统自适应鲁棒优化模型相衔接;由此,构建了分布鲁棒优化决策模型,同时采用列约束生成(column and constraint generation,C&CG)算法对其求解;最后,通过IEEE118节点系统算例,验证模型和方法的有效性。

含局部空间约束的t分布混合模型的点集配准

基于高斯混合模型(Gaussian mixture model,GMM)的点集非刚性配准算法易受重尾点和异常点影响,提出含局部空间约束的t分布混合模型的点集非刚性配准算法.通过期望最大化(Expectation maximization,EM)框架将高斯混合模型推广为t分布混合模型;把Dirichlet分布作为浮动点的先验权重,并构造含局部空间约束性质的Dirichlet分布参数.使用EM算法获得配准参数的闭合解;计算浮动点的自由度,改变其概率密度分布,避免异常点水平估计误差.实验表明,本文提出的配准算法具有配准误差小、鲁棒性好、抗干扰能力强等优点.