基于最大间隔和流形假设的半监督学习算法

半监督学习是一种介于监督学习和无监督学习之间的弱监督学习模式,其在学习过程中将少量标记示例和大量未标记示例结合起来构建模型,以期取得比监督学习仅使用标记示例更高的学习精度。在该学习模式下,文中提出了一种将最大间隔准则和示例空间的流形假设思想相结合的半监督学习算法。该算法在利用示例流形结构估计未标记示例标记置信度的同时利用最大间隔准则构建分类模型,并采用交叉优化方法以迭代的方式交替地求解分类模型参数和标记置信度。在12个UCI数据集和4个由MNIST手写数字集生成的数据集上的实验结果表明,采用半监督直推学习方式,该算法的性能优于其他对比算法的情况为60.5%;采用半监督归纳学习方式,该算法的性能优于其他对比算法的情况为42.6%。

多主体博弈共赢的电动汽车充电桩共享方法

充电桩共享是缓解车桩配置不平衡的一种可行方案。该文综合考虑配电网、电动汽车(EV)用户、充电桩、聚合商四方主体利益,提出一种基于主从博弈的充电桩共享方法。给出了基于车桩匹配中心的充电桩共享多主体博弈框架,并分别建立四个主体的成本和效益函数;提出考虑节点边际电价的车-桩-网三阶段主从博弈经济调度模型,并给出基于静态不完全信息博弈的充电桩及其聚合商最优报价策略和基于最小费用最大流的车桩匹配策略;结合图论最短路最大流理论,提出基于Ford-Fulkerson最大流算法的主从博弈双层迭代求解方法。算例分析表明,该文所提方法能有效提升四方主体经济效益、车桩匹配成功数和充电桩使用率。

进口国知识产权保护与服务出口二元边际

基于联合国服务贸易数据库,利用2000—2015年177个出口国和71个进口国的双边服务分行业出口数据,计算各国服务出口的二元边际,引入修正后的G-P指数衡量知识产权保护,使用泊松拟最大似然方法进行基准回归。结果表明:进口国知识产权保护程度的提升对伙伴国服务出口集约边际有显著的正向影响,对服务出口扩展边际产生负向影响。异质性研究表明,进口国知识产权保护对服务出口集约边际和扩展边际的影响及影响程度存在国别和行业差异。进一步研究发现,知识产权保护通过提高合同执行效率发挥市场扩张作用,推动服务出口集约边际增长;知识产权保护通过促进创新能力增强本土服务企业供给水平,完成国内市场的进口替代,负向影响服务出口的扩展边际。

风电机组载荷优化对变桨轴承力学行为影响研究

以往的研究主要关注的是变桨轴承本身的力学性能与设计改进,在载荷变化对变桨轴承力学行为影响规律方面还缺乏系统性研究,以致难以定量预测载荷优化对变桨轴承可靠性提升产生的影响,不利于变桨控制策略的准确制定。为此,引入了在线测试与仿真分析技术,研究了载荷优化对变桨轴承力学行为的影响。首先,采用基于应变载荷测试与位移传感器的在线测试方法,测试了风电机组在不同功率水平下载荷优化前后的叶根载荷,以及相应的变桨轴承内外套圈径向与轴向相对位移;然后,提出了一种有限元分析方法,建立了考虑变桨轴承及其周边支撑结构柔性的变桨系统有限元模型;最后,将实测载荷作为输入进行了仿真计算,分析了载荷优化对变桨轴承变形、滚动体与滚道间最大接触应力及最小边缘接触余量角的影响。研究结果表明:载荷优化降载3.46%~5.08%后,相同功率水平下变桨轴承变形减小,最大接触应力减小1.10%以上,最小边缘接触余量角增大0.47°以上,变桨轴承可靠性得以提升。该研究结果可为载荷优化控制策略的准确制定提供指导。

gap度量下线性时变系统的最优鲁棒性

本文主要研究了离散时间线性时变(Linear time-varying,LTV)系统中基于gap度量的鲁棒性优化问题,该问题涉及最大稳定性边缘的计算。借助套代数中算子的内外因子分解方法,推导出了最大稳定性边缘的公式,并证明了一致渐近时不变LTV系统最优控制器的存在性。

考虑低碳宣传水平的供应链成本共担契约研究

本文分析了一个二级供应链中零售商的低碳宣传问题,构建了一个制造商对零售商低碳宣传费用进行补贴的成本共担契约模型,通过引入拉格朗日函数K-T条件,得到最大低碳宣传水平和非最大宣传水平下的最优解和契约达成的有效区间,并分析了各影响因素对两种情况下最优解及有效区间的影响。研究发现,成本共担契约能否达成取决于消费者低碳宣传敏感度和零售商的边际利润,零售商的边际利润较大时,可实现最大低碳宣传水平下的成本共担契约,零售商的边际利润较小时,可实现非最大低碳宣传水平下的成本共担契约;零售商最大低碳宣传水平下有效区间范围与低碳宣传成本系数以及最大低碳宣传水平负相关,与消费者低碳宣传敏感度以及制造商低碳产品边际利润正相关,零售商非最大宣传水平下则相反。最后通过MATLAB仿真模拟验证了模型的正确性和有效性。

一种模糊双向最大间距准则人脸识别方法

研究提出一种模糊双向最大间距准则(fuzzy bidirectional maximum margin criterion,FBMMC)特征提取方法,并将其用于人脸识别。在FBMMC中,首先通过引入原始训练样本集的模糊隶属度矩阵,定义了面向图像的行方向模糊离散度矩阵和行方向模糊最大间距准则,进一步求得行方向最优投影矩阵;然后,对原始训练样本集中的每一个样本,采用行方向最优投影矩阵进行投影变换,从而得到行方向特征训练样本集。同样地,通过引入行方向特征训练样本集的模糊隶属度矩阵,给出了面向图像的列方向模糊离散度矩阵和列方向模糊最大间距准则的定义,进一步求得列方向最优投影矩阵。FBMMC在得到行、列两个方向的最优投影矩阵后,就可以将原始数据空间的样本数据投影到一个相对低维的特征空间,从而完成对原始样本数据的特征提取。在ORL和Yale人脸数据库上的实验结果表明,文中提出的模糊双向最大间距准则特征提取方法用于人脸识别具有较高的识别率。

基于MMC与CV模型的苗期玉米图像分割算法

针对苗期玉米田复杂土壤背景噪声,提出一种基于MMC(最大间隔准则)与CV(Chan-Vese)模型的玉米彩色图像分割算法。利用MMC对玉米彩色图像灰度化,用TV(全变分)滤波器对灰度图像进行去噪,用CV模型对去噪图像进行图像分割。试验结果表明,算法优于传统的颜色因子与Otsu组合算法,能有效去除图像中的小杂草和青苔,实现玉米目标提取,错分率为4.32%,漏分率为9.69%,相似度为86.57%。

一种基于核最大间距准则的硬件木马检测新方法

在功耗旁路信号统计模型的基础上,提出了一种基于核最大间距准则的硬件木马检测方法及改进的检测方法.将原始功耗旁路信号映射到高维空间,使其具有更高的可分性,然后再投影到低维子空间,从而发现原始数据中的非线性差异特征,实现功耗旁路信号的非线性特征提取与识别.针对AES加密电路中木马电路的检测实验表明,该方法测得超出检测边界的样本数(792)多于Karhunen-Loève变换(400),取得更好的检测效果.

基于双向二维最大间距准则的局部放电灰度图像特征提取

针对高压交联聚乙烯电力电缆中间接头绝缘缺陷的辨识问题,提出一种局部放电灰度图像特征提取的双向二维最大间距准则方法,对获取的局部放电灰度图像从水平和垂直2个方向进行投影,得到了不同类别灰度图的鉴别矢量,选用最近邻分类器进行局部放电分类,以辨识电缆中间接头出现的不同绝缘缺陷。该方法解决了局部放电灰度图像特征提取维数大、识别样本少的难题。在对实验室4种典型电缆接头绝缘缺陷产生的PD信号进行对比辨识表明,其局部放电特征提取的速度和绝缘缺陷的识别率优于常用的主成分分析或Fisher鉴别分析方法。

基于负荷裕度最大化的发电出力优化 (一)优化模型的提出

发电机有功出力方式优化是提高系统传输能力的主要控制手段。文中推导了负荷裕度最大点处有功出力方式的最优性条件,进而提出一种有功出力优化新模型。该模型将一个优化问题转换成一个非线性方程组的求解问题,为发电机有功出力优化在电压稳定中的应用奠定了一定的理论基础。通过构造极限曲面法向量与有功出力方式的灵敏度关系,并对参考点进行精心选择,准确地确定了最佳的发电机出力修正方向。

一种新的基于MMC和LSE的监督流形学习算法

针对局部样条嵌入算法(Local spline embedding,LSE)存在样本外点学习和无监督模式学习问题,本文提出了一种新颖的正交局部样条判别投影算法(O-LSDP).该算法通过引入明确的线性映射关系,构建平移缩放模型,以及正交化特征子空间,从而使该算法能够应用于模式分类问题并显著改善了算法的分类识别能力.在标准人脸数据库和植物叶片数据库上的实验结果验证了该算法的有效性与可行性.

基于最大间距准则(MMC)新的有效特征提取方法

基于最大间距准则(Maximum Margin Criterion,MMC)下,提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小;又要减小最佳鉴别矢量间的统计相关性。与原MMC特征提取方法相比,新的特征提取方法降低了甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过分别在ORL人脸库和NUST603人脸库上实验结果表明提出的具有统计不相关性的MMC特征提取方法在识别率方面整体上好于原MMC特征提取方法和常用的主成分分析(PCA)法。另外,揭示了MMC准则特征提取与Fisher准则特征提取的内在关系。

具有模糊聚类功能的双向二维无监督特征提取方法

依据最大间距判别准则(Maximum margin criterion,MMC)的基本原理,并结合模糊技术和张量理论,提出一种矩阵模式的模糊最大间距判别准则(Matrix model fuzzy maximum margin criterion,MFMMC),并在此基础上形成具有模糊聚类功能的双向二维无监督特征提取方法(Two-directional two-dimensional unsupervised feature extraction method with fuzzy clustering ability,(2D)2UFFCA).该方法不但能直接实现矩阵模式数据的模糊聚类,而且还可以对矩阵模式数据进行双向二维特征提取,实现特征降维.同时我们还从几何的直观含义出发,合理地设定矩阵模式的模糊最大间距判别准则中的调节参数γ,并从理论上证明其合理性.为了提高特征提取的效率,还提出一种能有效计算矩阵模式数据的投影变换矩阵的方法.实验结果表明该方法具有上述优势.

一种适用于小样本问题的基于边界的特征提取算法

特征提取技术是模式识别领域进行数据降维和强化判别信息的有效方法．线性判别分析是监督特征提取方法的典型代表,获得广泛应用,但受到小样本问题的制约．对此提出一种适用于小样本问题的基于边界的特征提取算法．算法利用高维数据小样本情况下线性可分概率增加以及其低维投影趋于正态分布的特点,定义了新的类别边界,不但考虑了由线性判别分析提出的类内、类间离散度,也兼顾各类别的方差差异性．通过极大化该边界获得最优投影向量,同时避免因类内离散度矩阵奇异导致的小样本问题．进一步将算法推广到多类问题．高光谱数据特征提取与分类实验表明,算法在小样本情况下对于两类和多类问题均具有良好的推广性能,优于多种线性判别分析的改进算法,并且在样本较多时也取得了满意结果．

分块MMC及其在人脸识别中的应用

用最大间距准则(Maximum Margin Criterion,MMC)算法进行特征提取时,提取的是全局的特征,对局部的特征不能有效地抽取。因此,对MMC算法进行改进,提出一种基于分块MMC(Modular Maximum Margin Criterion,MMMC)的人脸识别方法。首先对图像矩阵进行分块,然后对分块后的矩阵进行MMC特征抽取,对每一子块抽取的特征进行整体融合,最后采用最近邻判决准则进行分类识别。在ORL、Yale人脸图像库进行的实验结果表明,新算法相比于MMC算法有更好的识别性能。

基于最大间距MFA的鉴别分析

针对边界Fisher分析(MFA)所面临的小样本问题,本文基于最大间距准则(MMC),提出了一种基于最大间距的边界Fisher分析(MMMFA)算法。该方法利用描述类间数据可分性的相似度矩阵与描述类内数据紧致性的相似度矩阵之差作为鉴别准则,从而避免了MFA鉴别分析所遇到的小样本问题。然后探讨了本文算法与传统的线性降维算法,如PCA、LDA和LPP算法之间的联系。理论分析表明,PCA、LDA和LPP算法都是本文算法的特殊情况。另外,为了进一步提高本文算法的运行效率,提出了一种基于QR分解的MMMFA求解算法。在ORL和Yale人脸数据库上的实验表明,MMMFA算法性能明显优于PCA、LDA、LPP和MFA等算法。

基于稀疏保持判别嵌入的人脸识别

最近,人们对高维数据(例如人脸图像)潜在的稀疏表征结构有很大兴趣。提出一种称为稀疏保持判别嵌入(SPDE)新降维算法,该算法在稀疏保持投影(SPP)的目标函数中增加了改进的最大间距准则(MMMC)。SPDE保留了SPP的保持稀疏结构特性,利用了MMMC的全局判别结构。SPDE合并了稀疏准则和Fisher准则,具有更强的判别力,尤其训练集小的时候,更适合于人脸识别任务。SPDE能够自然地避免小样本问题并且计算是有效的。在3个公共人脸数据库(ORL、Yale以及FERET)上的实验结果表明SPDE对人脸识别是有效的和可行的。

基于IRT若干参数估计方式的比较

在项目反应理论(IRT)框架下,就目前流行的若干能力参数和项目参数的估计方法进行分析比较,阐述了它们各自适用的范围和不足之处,为选用估计方法提供依据.

基于负荷裕度最大化的发电出力优化(二)模型求解

在修正方向已知的条件下,首先建立了修正步长的优化模型,并通过对前后2次出力方式修正角度的限制,使模型只需进行一次迭代即可确定较优的修正步长,在保证收敛精度的同时大大减小了计算量;然后通过已知的修正方向和步长更新发电机出力方式,并在新的发电机出力方式下重新计算崩溃点,通过交替迭代使负荷裕度和发电机出力方式逐步收敛于最优值。在多个IEEE标准算例上验证了所提出方法的快速、有效性,并根据仿真结果对有功出力优化在提升系统负荷裕度方面的作用进行了总结。