基于VGG⁃19和MMD卷积神经网络模型的国画风格迁移

卷积神经网络因效果强大而被广泛应用于图像识别,在提取图像特征方面有极大的进步。由于风格迁移技术主要是针对西方油画,而国画是一种传统的中国艺术风格,其在风格迁移方向上缺乏广泛的应用。设计以国画代替西方油画作为风格图像,以自然景观照片作为内容图像,探究传统国画经过卷积神经网络后的提取效果。实验依据VGG算法模型并结合TensorFlow 2框架,对采集的数据集进行预处理,采集像素制成数据矩阵,输入VGG⁃19浅层模型进行训练,通过MMD最小化分布特征图差异,增强卷积层的目标效果。该方法取得比较满意的结果,可为风格迁移转换的研究提供更多参考。

MPA-MMD方法在变转速齿轮箱振动信号特征提取中的应用

变转速工况下齿轮箱振动信号的分量通常具有时频重叠和跨频带特征,分量直接分离非常困难。对此,引入一种新的多通道多分量分解(multichannel multipoint distribution, MMD)方法,并利用新型群体智能优化算法——海洋捕食者算法(marine predators algorithm, MPA)求解MMD方法中的关键优化问题,进而提出了基于MPA优化的MMD(MPA-MMD)方法。MPA-MMD方法将每一个分量表示为一组加权特征向量的线性组合,因为不依赖时间尺度特征,所以特别适合分解具有时频重叠或跨频带特征的复杂信号。通过设置具有分量重叠、跨频带和波动性特征的加噪仿真信号,将MPA-MMD与基于其他优化算法的MMD,以及多通道变分模态分解进行了对比分析,结果表明MPA-MMD在分解效果、收敛性和抑噪性方面的优势;在此基础上,针对变转速工况下齿轮箱振动信号具有分量重叠和跨频带的复杂特征,将MPA-MMD应用于变转速工况下齿轮箱振动信号的特征提取,具有针对性的试验信号分析结果表明,MPA-MMD可直接准确地获得受转速影响的故障分量。

基于MMD和AR-Kriging的160t架桥机前起重小车车架结构优化

160 t全预制架桥机中的起重小车为直接受载部分,借助响应面代理模型对前起重小车的车架结构进行优化。使用相关性分析法和MMD算法选出具有代表性的样本点。通过AR-Kriging方法和多目标遗传算法对车架进行了优化。在对候选点进行验证比较后,确定了最终的优化结果,优化后车架的质量减轻了14.3%。

基于TES算法研究勇气号登陆点火星表面的温度特性

热红外高光谱遥感已经成为火星探测中主要的探测手段。基于温度与发射率分离(TES)算法研究了火星漫游车勇气号登陆点的温度特性。首先,对TES算法中的最大最小值差(MMD)模型进行了修正,利用ASU光谱库中102种火星上存在可能性比较大的矿物光谱拟合得到MMD修正模型。对采用MMD修正模型的TES算法进行了验证,得到的温度反演误差在1K以内。利用勇气号前240天的微小型热辐射光谱仪(Mini-TES)观测数据分别对火星的短期温度变化和季节性温度变化进行了分析。火星白天最高温出现在火星本地时间(LTST)13点到14点之间,昼夜温差大。火星白天平均温最低出现在第190天左右,温度有明显的季节性。

一种改进K-means聚类的近邻传播最大最小距离算法

针对初始聚类中心不合理的选择会导致K-means算法的聚类结果局部最优,且降低聚类算法收敛速度的问题,提出一种基于近邻传播算法和最大最小距离算法联合计算初始聚类中心的算法(APMMD)。该算法通过近邻传播算法从整个样本集中获得Kap(Kap>k)个具有代表性的候选中心点,再利用最大最小距离算法从Kap个候选中心点中选择k个初始聚类中心。在多个UCI数据集上实验,结果表明APMMD算法获得初始聚类中心应用于K-means聚类,迭代次数明显降低,聚类结果稳定且具有较高准确率。

SAR目标增量识别中基于最大化非重合体积的样例挑选方法

为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境,其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本,这会造成大量存储资源的浪费,同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题,该文提出基于最大化非重合体积的样例挑选方法(ESMNV),一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题,旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先,ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS),并使用高阶矩来表示分布。然后,它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后,结合贪心算法,ESMNV逐步选择使样例分布与目标类别分布差异最小的样例,确保在有限数量的样例情况下最大化所选样例的非重合体积。