基于鲁棒马氏距离统计量的多源融合抗差估计方法

为了有效抵御复杂多变城市环境下的全球卫星导航系统(GNSS)信号干扰、增强多源融合定位可靠性,提出一种基于鲁棒马氏距离的多源融合抗差估计方法。该方法在分析观测值故障传播特点以及典型方差膨胀抗差估计模型基础上,基于相邻新息序列构造鲁棒马氏距离检验统计量。历史新息的引入能够提高系统观测冗余,同时不同观测量间的新息交互增强了异常检验统计量的鲁棒性。根据鲁棒马氏距离的统计特性,给出抗差关键门限取值规则并分别结合两种典型加权策略自适应调节观测值噪声矩阵。利用典型城市峡谷环境下惯性导航系统(INS)/GNSS/激光雷达(LiDAR)/VINS多源融合车载数据进行相关实验,与现有方法相较,所提方法能够将三维均方根定位误差最低限制在3.37 m。通过对比不同组显著性水平下的定位结果,进一步说明所提方法在城市峡谷环境下定位的优越性。

基于改进CRITIC-TOPSIS的电能质量评估方法

随着风能、太阳能以及水电的并网和用户侧设备对电能的敏感,电能质量的优劣需要更加合理的评估.基于改进CRITIC-TOPSIS建立电能质量综合评估决策模型.首先,通过CRITIC法对数据的运算完成对指标的赋权,得到的权重值未受到主观意识的影响从而更加客观准确.然后用加权广义马氏距离替代欧式距离改进的TOPSIS法可以解决协方差矩阵不可逆、指标之间重要性差异和相关性等问题,得到的评估结果更加合理准确.最后,将综合评估模型代入5个监测点中,得到的结果表明,该模型能够得到相对合理的排序,为评估电能质量的优劣提供了新的思路.

一种基于数字孪生的小功率DC/DC变换器健康状态监测方法

针对空间电源高可靠和长寿命的要求,提出一种基于数字孪生技术小功率DC/DC变换器健康状态监测方法。首先实时更新DC/DC变换器退化参数,建立“高保真”数字孪生模型;其次基于虚拟实体通过蒙特卡罗方法生成大量数据样本;然后使用层次分析法确定不同指标的权重,根据指标权重计算加权马氏距离,对最终的健康程度分类。以Superbuck变换器为实验电路,验证了所提方法的有效性。

基于加权马氏距离判别的计算机实验室火灾风险预警方法

为识别计算机实验室内潜在的火情,并及时发出分级火灾预警信息,该文提出一种基于加权马氏距离判别的计算机实验室火灾风险预警方法,通过部署多种类型传感器采集并分析易引起火灾风险的多项指标数据,判断实验室内火灾风险等级,并针对不同火灾风险等级提出相应的预警处理措施。通过模拟实验证明,基于加权马氏距离判别的计算机实验室火灾风险预警方法具有较高的预警精度。

基于加权马氏距离的BUCK电路健康度评估与预测

BUCK电路作为一种典型电力电子电路,是电子设备中电源模块的重要组成部分,在高速铁路列控车载设备中有广泛的应用。对电子设备的组成电路进行健康度评估与预测是提升电子设备可靠性的有效手段,因此,对BUCK电路开展健康度评估与预测的研究有助于提升车载设备的安全性与可靠性。提出一种基于敏感权重加权马氏距离的BUCK电路健康状态评估方法,可实现对电路健康状态的量化并得到电路的健康度,在得到电路健康度的基础上,构建基于NARX神经网络的BUCK电路健康度预测模型。首先建立BUCK电路的PSpice仿真模型,提取负载端响应输出的四种时域特征,得到BUCK电路健康状态特征集;针对不同特征对电路元件参数变化情况敏感度不同,计算不同特征的敏感度作为衡量该特征权重的指标;根据健康样本加权马氏距离计算结果和“3σ”原则划分健康阈值界限,实现对BUCK电路的健康度评估;利用待测样本健康度,构建基于NARX神经网络健康度预测模型,预测结果的均方根差为0.0071,验证了所提模型的可用性与有效性。

基于改进TOPSIS的我国区域物流竞争力评价

为提升区域物流能力评价的有效性,基于CRITIC-熵权法和改进的加权广义马氏距离TOPSIS法,构建了区域物流竞争力评价指标体系及模型,该模型利用距离计算改进的TOPSIS,克服了评价指标体系相关性对评价结果造成的影响。以中国31个省份的相关数据进行实证分析,将评价结果与传统TOPSIS法进行比较,验证了改进TOPSIS法的有效性与稳定性,并基于评价结果对区域物流与经济的协调性进行研究。研究结果表明:中国各区域物流竞争力以沿海地区为首,向内逐渐减弱:沿海地区、华北和华东地区物流竞争力较强,西北和西南地区整体竞争力较弱;区域物流业与经济的耦合协调度整体处于中级协调阶段,区域物流需求能力与区域经济的耦合协调度较低。

度量学习引导的加权聚类集成算法

已有的聚类集成方法大多通过对基聚类加权来降低低质量基聚类对聚类集成结果的影响,从而提升聚类集成算法性能.然而,这些工作往往对数据的所有特征等权重考虑,忽略了特征之间的相关性与差异性,无法真实地反映样本间的相似性.针对上述问题,本文提出了一种度量学习引导的加权聚类集成算法,将对马氏距离度量学习与基聚类权重学习相融合,从而提升聚类集成算法性能.算法根据上轮求得的基聚类权重进行聚类集成,基于集成结果构建的成对约束学习马氏距离度量,将划分为同簇的样本拉近,划分为不同簇的样本推远,并在新投影空间中为基聚类学习权重.在多个公开数据集上的实验结果表明,提出的算法优于现有的代表性聚类集成算法.

基于改进的ISODATA的超球覆盖仿生模式分类算法

现有仿生模式识别分类器难以解决含有多个聚集点、非线性和稀疏性样本的分类问题。因此,引入特征分类贡献度,提出了基于改进的迭代自组织数据分析(M-ISODATA)的超球覆盖仿生模式识别算法。首先引入马氏距离对自组织数据分析方法(ISODATA)的欧氏距离替换,并引入熵权法对马氏距离进行加权以赋予各特征不同的贡献度;同时为了去除干扰样本点,引入改进的局部离群因子检测方法(M-LOF)对样本进行训练,减少了不同类别流形之间的重叠区域。再利用改进的自组织数据分析方法(M-ISODATA)对每类训练样本点动态聚类,寻找到同一类的多个小类覆盖区中心后,用超球进行该类的有效覆盖,并对落入重叠区域的测试样本点进行二次划分,实现测试样本的正确分类。最后在iris数据集上验证该算法的有效性,并将该算法应用于雷达辐射源信号的分类识别。实验结果表明,该算法具有很好的拒识、免重训能力,对于雷达信号的识别率能达到97.29%,相比于传统典型模式识别算法具有更好的识别能力。

基于改进TOPSIS方法的步枪多方案决策

提出一种基于组合赋权和广义马氏距离的改进TOPSIS方法。将灰靶方法与TOPSIS方法相结合,采用灰靶贡献度与专家打分法结合的方法确定指标组合权重,利用广义马氏距离替代欧氏距离,对传统TOPSIS方法进行了改进,对枪械多方案进行评估验证。最后对国内外10种7.62 mm步枪方案进行了分析对比,验证了方法的合理性与可行性。所提方法完善了TOPSIS决策方法体系,为解决多指标方案决策问题提供了新的思路。

加权距离判别分析法在岩体质量等级分类中的应用

距离判别分析法是一种按多指标性能参数进行分类的方法,已被应用于工程岩体质量的等级分类中。但传统的距离判别法对各个指标的重要性同等对待,夸大一些微小变化指标的作用。因此,采用加权马氏距离对样本中各指标进行加权处理以区分其重要性。首先对工程岩体质量指标运用主成分分析思想,计算出一组新的指标参数和与之对应的反应原始指标信息的贡献率,以贡献率组成对角阵作为权值矩阵;然后把数据标准化处理,计算加权马氏距离判别岩体质量等级。将该方法应用于工程实践,并与人工神经网络法、距离判别法进行比较。研究结果表明,加权距离判别分析法具有更高的判别能力,是一种准确有效的岩体质量分级方法。

基于近红外光谱和化学计量学的驴肉鉴别方法研究

驴肉具有极高的食用价值,资源的缺乏使其价格持续走高,由此引发的欺骗和掺假亟待解决。选取了不同部位(脖子、肋板、后墩和腱子)的驴肉样品(n=167)及牛肉(n=47)、猪肉(n=51)和羊肉(n=32)样品在4 000~12 500cm-1光谱范围上建立了驴肉的近红外光谱鉴别模型。比较了马氏距离判别分析、簇类独立软模式分类法、最小二乘-支持向量机方法分别结合平滑(5点、15点及25点)、一阶和二阶微分、多元散射校正和标准归一化的光谱预处理方法对肉块样品及大中小三个不同粉碎粒径(7,5,3mm)肉糜样品的分类模型结果发现,原始光谱前11个主成分得分作为输入的马氏距离判别及前6个主成分作为输入的最小二乘-支持向量机肉块样品分类模型较优,校正集和预测集正确率分别为100%和98.96%;原始光谱前5个主成分作为输入的LS-SVM大粒径肉糜样品分类模型结果较优,校正集和预测集判别正确率为100%和97.53%;原始光谱前8个主成分得分作为输入的簇类独立软模式分类法中粒径肉糜样品分类模型结果较优,校正集和预测集的判别正确率均为100%;而对于小粒径肉糜样品,原始光谱前7主成分输入的马氏距离判别和前9主成分输入的簇类独立软模式分类法模型均得到了校正集和预测集100%的判别正确率。以上模型中的驴肉样品均得到了100%的判别正确率。研究结果表明,使用近红外光谱分析技术结合化学计量学方法鉴别驴肉是可行的。

基于Gabor小波和加权马氏距离的带钢表面缺陷检测

针对现有带钢表面缺陷检测方法检测率低,难以满足高质量带钢生产的需求。本文融合Gabor小波变换和加权马氏距离阈值化方法,提出了一种新的带钢缺陷检测算法。首先通过实验获取Gabor滤波器一组最优参数,对采集到的样本图像做Gabor模板卷积,得到边缘图像。然后对图像像素点进行加权处理,重新估计马氏距离的协方差矩阵,增大感兴趣区域像素点权重,得到任意灰度值样本与总体样本加权的马氏距离,增强了目标缺陷的边缘特征。最后利用连通区域标记法,搜索并标记带钢缺陷位置,完成了缺陷检测。实验对比表明本文提出的带钢缺陷检测新算法检测率为94.13%,漏检率为4.87%,验证了算法的有效性。

基于谱残差视觉显著性的带钢表面缺陷检测

针对带钢表面缺陷检测实时性要求高,采集的图像易受光照环境影响且缺陷特征弱等因素影响,提出一种基于谱残差视觉注意模型的带钢表面缺陷在线检测算法。首先,提出改进同态滤波方法对图像预处理,去除光照不均匀的影响,改善后续的分割结果。然后,构建谱残差视觉注意模型,通过对数频谱曲线差分得到缺陷显著图像。最后,提出加权马氏距离方法对显著图像阈值化增强,并利用连通区域标记法,标记出原带钢图像的缺陷位置。对提出的算法进行了实验验证,结果显示:该算法检测速度快,单幅图像平均检测耗时仅37.6ms,满足带钢在线实时检测要求。在同一缺陷数据库与灰度投影法,多尺度Gabor边缘检测法和隐马尔可夫树模型法进行了性能对比,结果表明:本文算法对带钢常见8类缺陷类型,平均检测率达到了95.3%,且漏检率和误检率较低,有效性高于对比算法。

模拟电路层次聚类故障分析与马氏距离故障诊断

基于聚类分析与马氏距离,提出了一种模拟电路故障分析与故障诊断的方法。首先简述了层次聚类分析与马氏距离的基本原理。然后通过一个模拟电路故障诊断实例,验证本文的有效性。首先给出一个模拟电路图,对该电路的常见故障状态进行仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集的样本进行聚类分析,验证聚类算法对各种故障分类能力,并且计算各类故障的样本平均值。最后随机仿真一种故障,计算当前电路状态与各类故障之间的马氏距离,实现模拟电路的故障诊断。实例表明,本方法能够准确清晰地辨别模拟电路的各类故障,仅需少量样本即可获得各种状态的典型参数,对模拟电路进行客观有效的故障诊断。

基于马氏距离特征加权的模糊聚类新算法

模糊聚类分析是模糊模式识别中一个重要研究领域,而其中最经典的模糊C均值算法认为样本矢量各特征对聚类结果贡献均匀,没有考虑不同的属性特征对模式分类的不同影响,在处理属性高相关的数据集时,该算法分错率增加。针对这些问题,提出了一种基于马氏距离特征加权的模糊聚类算法,利用自适应马氏距离的优点对特征加权处理,对高属性相关的数据集进行更有效的分类。实验证明该方法的可行性和有效性。

模拟电路的马氏距离故障诊断方法研究

针对欧氏距离在模拟电路故障诊断中的不足,提出模拟电路的马氏距离故障诊断方法。利用MULTISIM对电路的软故障和硬故障进行仿真获取故障特征样本,在MATLAB中计算样本与故障类之间的马氏距离,并选择距离最小的故障类作为诊断结果。仿真结果表明:在20次不同特征维数的试验中,欧氏距离,正规化欧氏距离和马氏距离故障诊断方法的平均诊断准确率分别为:86.7%,87.1%和92.9%。马氏距离的诊断方法不受特征相关性的影响,能够正确诊断出欧氏距离和正规化欧氏距离诊断方法的误诊样本,在模拟电路的故障诊断中的准确率更高。

基于输出电压和电源电流协同分析的故障诊断方法

提出了基于输出电压和电源电流协同分析的模拟电路故障诊断新方法。由于不同故障对输出电压和电源电流谐波频谱的幅度和相位的敏感程度不同,因此使用该方法可以有效地检测到灾难型故障和参数型故障,并且该方法对传统方法无法检测的时延类故障依然有效,在协同分析过程中分别采用欧式距离和马氏距离作为灾难型故障和参数型故障检测的判别依据,并且文中分析了由于输入激励不同、分析谐波次数不同所导致的故障覆盖率问题。与基于输出电压的分析方法相比,基于输出电压和电源电流协同分析的方法具有更高的故障覆盖率。

广义邻域粗集下的集成特征选择及其选择性集成算法

针对实际模式识别系统中样本特征常具有的连续值属性、高维性、强相关性和冗余性等影响分类效果的问题,在广义邻域粗集模型下提出一种集成特征选择及其选择性集成算法.该算法先提取样本特征并利用所提出的马氏距离分布熵评估其重要度,再基于特征重要度构建广义邻域粗集模型,并在此模型上以特征重要度为启发式信息设计基于蚁群算法的属性约简算法,然后通过改变广义邻域粗集模型参数的方式获得更多具有更大差异性的基分类器,最后利用主成分分析法对产生的基分类器进行选择性集成.模拟电路故障诊断结果表明,该算法比AdaBoost等算法取得的分类精度至少提高了2.6%.

马氏距离在模拟电路硬故障检测中的应用研究

针对模拟电路硬故障检测问题,提出了一种基于马氏距离的快速检测算法,并利用pspice电路仿真软件对一个二阶滤波电路进行了电路建模及故障检测仿真。在pspice环境下,进行含容差待测电路无故障和各故障模式下的蒙特卡洛仿真,选取输出电压作为采样点,利用输出电压的小波分解系数求出无故障态和各故障模式下的时-频马氏距离,并以此作为电路故障判据。matlab下的计算结果显示,这种故障检测算法对模拟电路硬故障具有良好的检测能力,故障诊断正确率可达92%以上,且具有算法简单、计算量小的优点。

基于加权广义马氏距离的TOPSIS方法在水库防洪调度决策中的应用

针对汛期水库防洪调度决策指标存在相关性的特点以及基于欧氏距离的传统TOPSIS方法无法解决属性指标间相关性的不足,提出加权广义马氏距离计算公式,改进了TOPSIS方法,有效解决了属性指标之间的相关性、决策者主观偏好和决策信息客观属性对决策结果的影响以及协方差矩阵不可逆的问题.实例分析表明,该方法计算结果更符合工程实际,可为水库优选调度方案提供理论支撑.