基于KPCA降维分析的特高拱坝监测模型

为提高大坝变形预测精度,针对变形数据影响因子间的多重共线性问题,构建了基于核主成分分析(KPCA)、全局搜索策略的鲸鱼优化算法(GSWOA)和门控循环单元(GRU)的组合预测模型。首先利用KPCA对高维变形序列进行降维处理,同时使用GSWOA对GRU参数进行优化,进而构建出最优变形预测模型。以小湾特高拱坝变形数据为例,将KPCA-GSWOA-GRU模型与KPCA-WOA-GRU模型、PCA-GSWOA-GRU模型以及传统模型进行预测拟合对比。结果表明:KPCA-GSWOA-GRU模型有效降低了多重共线性问题,且在均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R^(2))等方面均优于对比模型。

改进的多变元数据可视化方法

针对传统多变元可视化方法--星形坐标法(star coordinates,简称SC)降维过程信息损失较为严重、可视化结果无法体现维度分布信息及手动配置维度轴十分繁杂的不足,提出一种改进的星形坐标法(advanced star coordinates,简称ASC),使用沿直径方向的向量作为维度轴,设计维度轴配置策略优化各维度轴之间的夹角及排列顺序,以减小多维信息对象在改进星形坐标系中与在多维坐标系中坐标差别为准则,使用最优化方法实现对用户有意义的降维运算,将多维信息映射到低维可视空间中.实验结果表明,ASC的可视化结果不仅易于理解,而且能够有效提供维度分布信息,有利于用户发掘隐性知识,基于相关度的维配置策略可以大大减轻用户操作负担。

判别分析驱动的微阵列数据的降维策略

目的探究判别分析驱动的微阵列数据之降维策略。方法3步降维策略。即首先采用"单变量检验FDR控制"结合"相关矩阵差值综合评分法"的预选维;其次采用PCA、PLS等方法作进一步降维;最后用逐步判别的思想筛选。结果以Alon等的结肠癌数据为例展示了该3步降维策略在判别分析过程中的应用,组内回代错误率为9.68%,弃一法交叉验证的错误率为11.29%。结论本文提出的"初步选维→进一步降维→逐步判别筛选"的3步降维策略对于后续的微阵列数据判别分析是实用、可行的。

差异表达驱动的微阵列数据降维策略

目的探究差异表达驱动的微阵列数据之降维策略。方法本文提出permutation检验和99.99%的下单侧可信区间相结合的策略用于"维度粗筛",HotellingT2检验结合逐步筛选的策略用于寻求组间差异表达的"局部变量组合"。结果以"正常成年男子和精子运动能力低下者精子蛋白表达差异研究"之实例展示了该降维策略的实际应用效果,结果发现了"十个蛋白组合"在组间差异表达。结论本文提出差异表达驱动的微阵列数据降维策略是实用可行的。

基于区域行进策略的飞机油箱检查机器人路径规划算法

针对类似于飞机油箱环境中连续型机器人的路径规划问题,设计基于区域行进策略的路径规划算法,结合机器人本体结构约束规划到达油箱内任意给定目标点的路径。连续型机器人具有运动灵活性,但超冗余自由度导致了三维空间规划的多解性,增加了算法的复杂度。采用降低维度的方式,通过将三维空间转化为二维平面进行规划,降低了算法的时间复杂度。将飞机油箱的单舱划分为两个区域,根据目标点所处区域位置确定规划策略。最后,基于Matlab对所提算法进行仿真,实验结果验证了算法的可行性和有效性。

基于三维指数灰度熵的快速图像分割算法

针对现有阈值分割法通常只考虑图像直方图的统计信息,而忽略了图像目标和背景类内灰度分布的均匀性,提出指数灰度熵分割算法,并推广得到三维指数灰度熵分割算法。给出了一维指数灰度熵阈值法及三维指数灰度熵阈值法的原理,在三维直方图上,将降维处理和优化搜索策略相结合,得到最优分割阈值。理论证明,阈值搜索复杂度由原来的O(L3)降至O(L1 2)。实验结果表明,与现有的多种阈值法相比,所提算法抗噪性能更强、分割效果更优,且运算时间大为减少。

稀缺二元性与制度价值论——后古典经济学范式的理论架构

本文给出了后古典经济学的范式基础,即稀缺二元性与制度价值论。稀缺二元性指出,从客体内部的相对关系而言,稀缺性表现为自然资源的相对稀缺与社会资源的绝对稀缺;从主客体对应关系而言,稀缺性表现为客体商品的相对稀缺与消费者主体可支配时间的绝对稀缺。制度价值论指出,制度是价值产生的源泉,劳动是价值形成的手段,效用是价值表现的形式。制度构建了结构化价值空间,决定了价值属性、价值维度和度量方法。本文分析了制度输出与价值掠夺的关系,指出货币非中性原理,以及货币信用的制度基础。本文认为制度输出与降维战略是新兴大国构建国际秩序与利益格局的重要手段,并通过灭失假定的思想实验进行论证。作为例证,本文指出知识产权的本质是对他人财富的间接占有,是进行跨国价值掠夺的战略工具。最后针对经济改革的评测方法,提出了价值空间的外围求和测度与多维容积测度。

基于路径积分强化的机器人目标导向运动控制

针对机器人工作路径上存在障碍干扰,导致其实际运动轨迹与期望点位置产生偏移的问题,提出基于路径积分强化的机器人目标导向运动控制方法。分析基贝尔曼的最优准则、HJB方程随机最佳控制与路径积分二者间关系,通过机器人目标导向降维策略缩小搜索的变量个数,降低计算机器人关节时间复杂度,利用目标点确认导向角度,缩小弯曲角度的搜索范围,以机器人中心位置作为控制点,将运动简化成单点控制,计算直线以及圆弧运动,在控制点上作法向运动矢量以及切向运动矢量,即完成目标导向运动控制,实验证明,所提方法能够有效规避障碍物,且机器人的实际轨迹和所期望的轨迹非常接近,超调量以及稳态误差比较小。

基于进化策略-投影寻踪算法的考虑多因素的输电线路覆冰灾害风险评估

针对目前输电线路覆冰灾害风险评估模型存在忽略地形因子、权重取值人为主观因素较大等缺陷,以保证所考虑风险因子完整性为前提,综合考虑坡度、粗糙度、高程、气温、相对湿度、风速、实测覆冰厚度值、覆冰比值、冰区量级9个风险因子,通过组合投影方式,将多维数据投影到低维空间,并结合进化策略对投影寻踪指标函数求最优解,以256条线路2个冰期样本数据为例,得出输电线路覆冰灾害风险目标5级评价标准。结果表明:当进化代数达到311代时,目标函数值达到最优0.5134;同时,Ⅳ风险等级及其以上线路占总线路的30.5%;最后以220 kV石上线为例,验证了所建立输电线路覆冰灾害风险评价模型结果的适用性以及准确性。本文方法能够有效地对输电线路覆冰风险进行评价,对实现输电线路防冰管控工作的精益化提升具有重要意义。

多用户大规模FD-MIMO下行系统中基于降维的仿射投影解码策略

针对多用户大规模全维多输入多输出(Full-Dimention Multiple Input Multiple Output,FD-MIMO)下行系统,基站侧配备M根传送天线,用户侧仅有一根接收天线的场景,提出了基于降维矩阵与仿射投影相结合的解码策略。其中,基站侧引入的降维矩阵将大规模天线进行有效合并,可降低系统开销及解码复杂度,而仿射投影技术在用户端能充分利用对角空时码的特性,将用户间的干扰完全消除,进一步解出各个用户所需要的信息。此外,还提出了基于循环矩阵形式下的传送方案和解码方法,并基于提出的仿射投影解码策略,从理论维度上分析该系统的可达速率域和自由度。最后,对所提出的方案进行了仿真,其结果也与理论分析一致。

FAST反射面形状调节策略研究

文章综合考虑FAST上各个主索节点在经度方向、纬度方向上的位移变化和边缘光滑度等因素,研究了反射面的变形策略,借助粒子群算法,建立了较为符合实际的理想抛物面模型;然后利用欧拉旋转定理建立旋转模型,得到旋转后的理想抛物面模型,再通过旋转基准球面固定照明区域的方法,求得工作抛物面上照明区域内692个主索节点编号,伸缩量以及位置坐标;最后利用降维的技巧,求出基准球面和工作抛物面上的反射信号接收比。

基于DRHOSVM的复杂结构瞬态可靠性分析

为提高结构瞬态可靠性分析的效率和精度,基于降维策略和参数优化思想,以支持向量机为建模基础,提出基于降维策略的参数优化支持向量机算法(DRHOSVM)。以航空发动机涡轮叶盘的疲劳寿命数据集为算法验证对象进行瞬态可靠性分析,通过对比直接模拟、传统支持向量机、Kriging,以验证其在建模特性和仿真性能方面的有效性和适用性。结果表明:DRHOSVM在高维数据规模下具有良好的算法精度和效率,适用于复杂结构的可靠性分析。

碳达峰碳中和目标下中国省域-行业-个人减碳路径研究——基于多区域投入产出法

本文基于2017年国家多区域投入产出表及各类能源消耗数据,采用多区域投入产出模型(MRIO)和碳足迹测算方法,同时考虑我国碳达峰、碳中和目标导向,对影响中国碳中和的关键因素进行了有效测算和减排策略分析。结果表明:中国省域碳足迹在2017年明显呈现增加的趋势,表明我国正朝碳达峰峰值趋近;碳足迹和碳排放转移在省域多维度、行业多方法和个人维度上分别表现出交叉效应、耦合效应和警示效应,通过分维度分方法维法协同对省域-行业-个人进行实施减排是实现碳中和的有效策略。

基于深度无监督学习的本体匹配技术

针对一些缺少参考对齐的本体匹配任务,提出一种基于深度无监督学习的匹配技术,通过对文本的上下文信息进行学习,提取到抽象文本特征,以此找到对齐。由于高维度输入会影响计算的效率,针对本体的多种描述构建CNN(convolutional neural network)模块并且和不同的RNN(recurrent neural network)串行连接实现特征降维,提出一种改进的基于BiLSTM(bidirectional long and short term memory neural network)的注意力机制来提取较好的抽象特征。提出一种多主导的对齐集成策略将本体不同层次的对齐进行合并,提高匹配的质量。实验在OAEI(ontology alignment evaluation initiative)的benchmark测试集上进行,提出方法的评价指标较高,并且和其它匹配系统作比较,高质量的对齐验证了所提方法具有一定的先进性和创新性。

热轧带材多缺陷和单缺陷表面质量综合预报

针对目前热轧带材表面质量缺陷类型多、产生机理不同,不能实现在线诊断的问题,提出融合各降维层深度置信网络模型的热轧带材多缺陷和单一缺陷表面质量问题综合预报技术。考虑传统深度置信网络在模型层数和节点数方面的不足,提出并建立了融合各降维层的深度置信网络模型,降低由于网络算法节点个数及层数不确定性造成的预报误差,并利用相关性将经典深度置信网络预报结果和各降维层的预报结果融合为唯一预报值。针对热轧带材生产过程表面质量多缺陷问题,考虑不同表面质量缺陷影响因素不同,建立了热轧带材表面质量多缺陷和单缺陷综合诊断策略模型。将所建模型应用到某热轧厂带材表面翘皮、铁皮印和毛刺等多缺陷预报,结果表明,该模型缺陷预报准确度达80%以上,这对热轧带材多缺陷表面质量具有良好的诊断效果。

Lasso降维策略下SIS与MDS在乳腺癌转录组数据机器学习建模中的比较

目的探索以确定独立筛选(sure independence screening,SIS)与多维尺度变换(multi-dimensional scaling,MDS)为基础的2步降维策略,及以支持向量机(support vector machine,SVM)、随机森林(random forest,RF)和梯度推进机(gradient boosting machine,GBM)构建乳腺癌淋巴结转移风险预测的统计模型,为高危人群识别及早期干预提供科学依据。方法采用SIS和MDS作为初步降维方法,并以套索算法(least absolute shrinkage and selection operator,LASSO)为第2步降维方法,通过SIS+LASSO和MDS+LASSO的2步降维策略,将筛选的变量分别纳入SVM、RF和GBM 3种机器学习模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)作为衡量模型预测性能的评价指标。结果所有预测模型中,SIS+LASSO和MDS+LASSO 2步降维策略相对SIS和MDS单步策略在SVM、RF和GBM 3种预测模型下预测稳定性提升,运行时间和运行内存减少。MDS+LASSO 2步降维策略相对于MDS单步降维策略的预测精度提升。所有策略中,GBM的预测精度均高于SVM和RF。结论在SIS与MDS基础上加入LASSO的2步降维策略,从运算速度、内存消耗、建模方法选择、预测精度等方面弥补了SIS和MDS单步降维的不足。对于不同的降维策略,GBM的预测性能均比SVM和RF好。