结合动态特征矩阵与k近邻的风电机组故障检测方法

本文对结合动态特征矩阵与k近邻算法的风电机组故障检测方法进行了研究,通过实时监测风电机组运行数据来构建动态特征矩阵,并利用k近邻算法对动态特征矩阵进行分类和识别故障模式,从而有效地提高风电机组的运行可靠性和维护效率,为风电机组的智能监测和故障诊断提供一种新的技术手段,具有广泛的应用前景。对实验结果进行分析表明,该方法在故障检测的精确性和实时性上均表现出明显的优势。因此,本研究为风电机组的智能化监控和故障诊断提供了一条新的途径,为降低风电并网对环境的影响提供了有效保障。 。

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。

基于广义柔度矩阵的井架钢结构损伤识别

钻机井架结构在生产过程中会因各种原因而出现不同程度的损伤及破坏,为解决复杂工作环境下石油钻井井架结构健康监测中损伤识别问题,提出了一种基于广义柔度矩阵的井架结构损伤识别方法。相比于柔度矩阵方法,广义柔度矩阵仅需前几阶低阶固有频率及相应的模态振型便可确保计算的精度。在构建损伤控制方程的过程中,采用矩阵分块模式求解方法,与传统方法中需将单元刚度矩阵扩充整体刚度矩阵维数相比较,所提出的求解方法只需针对单元刚度矩阵的行数进行相应扩充,而列数不变,因此从计算量的统计角度分析可大大降低构建损伤识别控制方程的计算量。最后,以实际工程中的K型井架钢结构为例,结果显示对于不同的损伤位置及程度,该方法均具有良好的识别效果,可用于其他大型结构的损伤诊断或健康监测。

k 连通非正则图的 A_(α) 谱半径

设G为n个顶点m条边的k连通非正则图,图G的A_(α)矩阵[1]定义为A_(α)(G)=αD(G)+(1-α)A(G),0≤α≤1.其中D(G)和A(G)分别为图G的度对角矩阵和邻接矩阵,利用图的最大度Δ和最小度δ得到了图G的A_(α)谱半径ρ_(α)的一个上界。此外,还确定了k连通Δ正则图的子图的A_(α)谱半径的上界。

伴随矩阵性质证明的一种新方法

定义了矩阵的旋转运算和矩阵的加符号因子运算,证明这两种运算的若干性质。利用这些性质定理研究了伴随矩阵,得到了伴随矩阵的一些重要性质。推广和改进了关于伴随矩阵的已有结论,丰富和完善了伴随矩阵的相关理论。

基于改进SOM+K-means算法的客户价值研究

为提高多特征参数聚类相似度,针对多特征参数相关性和分布不等问题,提出一种改进的聚类算法,并以此算法研究RFM客户价值模型。此改进算法,通过矩阵旋转和压缩变换以及协方差矩阵处理,构造一种聚类相似度目标的距离函数,以此距离函数结合SOM算法和K-means算法各自优点,设计改进SOM+K-means组合聚类算法。应用该算法创建RFM客户价值模型,并实验验证。通过轮廓系数法评估,该算法聚类的轮廓系数相比原K-means和SOM算法聚类的轮廓系数,分别提高约0.129和0.126。该聚类算法提高了RFM客户价值聚类效果,为客户价值研究提供了一种新的聚类方法。

n阶射影平面上d-disjunct矩阵的构作

Non-adaptive group testing(NGT)算法在许多领域中都有着非常广泛的应用,而d-disjunct矩阵是NGT算法的一个重要的数学模型.研究了n阶射影平面上d-disjunct矩阵的构作并分析了它的检纠错能力.

一类k阶拟Bent函数密码性质的矩阵特征

由于非线性组合函数的密码性质通常可以由函数的Walsh谱和自相关函数来刻划 ,因而对函数的密码性质的分析通常要计算大量的Walsh循环谱值和自相关函数值来验证 .该文利用一类k阶拟Bent函数的特殊性质 ,把对这类函数的密码性质的研究转化为对矩阵性质的研究 ,如平衡性、相关免疫性、扩散性、最高代数次数等 .这种转化避开了大量的计算 ,同时为构造密码性质好的k阶拟Bent函数提供了一种更为简洁且易于实现的方法 .

有限维向量空间上d-disjunct矩阵的构作

Non-adaptive group testing(NGT)算法在许多领域中都有着非常广泛地应用,而d-disjunct矩阵是NGT算法的一个重要的数学模型.在有限维向量空间上构造了一类新的d-disjunct矩阵.

基于k近邻和BLOSUM62矩阵方法的磷酸化位点预测

磷酸化是真核细胞蛋白质的一种重要的翻译后修饰作用。由于对蛋白质激酶底物的实验测定方法通常非常费时,而且会受多种实验条件的限制。因此通过机器学习的方法,利用蛋白质的一级序列信息对不同激酶家族作用的磷酸化位点进行有效的预测,不仅具有快速、自动等优点,还可以对相应的实验测定进行指导,具有重要的意义。本研究提出了一种基于Euclidean距离的k近邻算法,并使用了改进的判决函数,特征向量由基于BLOSUM62矩阵的平均分值构成。对多个磷酸激酶家族的测试结果显示,Sn和Sp的综合评价均高于目前常用的Scansite,KinasePhos和NetPhosK,同时该方法具有简单、高效、鲁棒性好等优点。

Nekrasov矩阵的推广

推广了Nekrasov矩阵的定义,得到了几类新的矩阵,即k层Nekrasov矩阵,k层弱Nekrasov矩阵,广义k层Nekrasov矩阵;利用矩阵的性质和不等式估计,给出了这几类矩阵与广义严格对角占优矩阵之间的关系.

基于Makov链状态转移概率矩阵的网络入侵检测

针对互联网中网络攻击预测问题,提出了一种基于概率模型的网络入侵检测方法(PNID),采用马尔可夫链对网络系统事件进行概率建模,用于预报和检测网络入侵。首先,执行K均值聚类来定义网络状态;然后,基于所定义的状态,构建包括状态概率转移矩阵和初始概率分布的隐马尔科夫模型(HMM);最后,利用模型实时检测输入数据的异常度。通过实验验证了该方法的可行性,并与其他两种方法进行比较,结果表明,该方法针对DDoS攻击具有较高的正确检测率和较低的误报率。此外,该方法对HMM训练数据集和状态数量具有较好的鲁棒性。

K层Nekrasov矩阵与广义严格对角占优矩阵的关系研究

K层Nekrasov矩阵的推广矩阵中,K层弱Nekrasov矩阵与广义严格对角占优矩阵存在迭代矩阵和不等式估计等性质,本文针对这几类矩阵与广义严格对角占优矩阵之间的置换关系进行了定义和证明,并根据广义Nekrasov矩阵与弱Nekrasov矩阵的置换不变性,推论出非奇异矩阵的充要条件,将广义K层Nekrasov矩阵和K层弱Nekrasov矩阵的对角阵的奇异性进行了充要性的推论和证明。进而通过构造特殊矩阵和特殊向量改进了广义Nekrasov矩阵研究中的不足。

文档相似矩阵在提高KNN分类效率中的应用

针对传统KNN分类算法在样本数量大、维度高的情况下相似度计算量大的问题,提出了基于相似矩阵的改进KNN分类算法。该算法通过计算样本两两之间的相似度,建立相似矩阵加速KNN算法中寻找K近邻;以搜狗自然语言实验室的文本分类语料库中的新闻文档作为实验对象,采用宏平均F测度值作为分类效果评价标准,用改进KNN方法和传统KNN方法进行对比实验。实验结果表明:通过调节参数,本方法能在不损失精度的情况下减少寻找K近邻时相似度计算的次数。

广义Kolmogorov矩阵的定性理论

本文讨论形如的拟Q-矩阵,其中0≤q_i,b_i,f_i<∞,q_i≥f_i,(i∈I).称为广义Kolmogorov矩阵.本文给出了它的h-类Q过程的存在性,唯一性准则.由此立得广义Kolmogorov矩阵为Q-矩阵及诚实Q-矩阵的充要条件.这推广了[2]—[7]的主要结果.

k重Π-循环矩阵逆矩阵的简便求法

循环矩阵是一类非常重要的特殊矩阵 ,它在数值计算、信号处理、编码理论、石油勘探等有广泛的应用 .文中引入一类新的特殊循环矩阵———k重Π 循环矩阵的概念 ,利用k重Π

关于(k,h)-Fibonacci和(k,h)-Lucas数的r-循环矩阵的谱范数(英文)

基于矩阵的一般理论与(k,h)-Fibonacci数和(k,h)-Lucas数的一些性质,给出r-循环矩阵An=Cr(F(k,h)0,F(k,h)1,…,F(k,h)n-1)和Bn=Cr(Lk,h0,L(k,h)1,…,L(k,h)n-1)的谱范数的上界与下界,得到了这些矩阵的Hadamard积与Kronecker积的谱范数的一些界.

m×n矩阵k次广义迹

给出了m×n矩阵k次广义迹的概念,并研究了其性质,在此基础上得到了m×n矩阵k次广义迹是矩阵全体特征值的k次初等对称多项式.

结合K均值和非负矩阵分解集成文本聚类算法

将非负矩阵分解(NMF)引入到文本聚类集成问题中,为解决NMF随机初始化所引起的不稳定性问题,首先采用最小最大原则确定K均值算法的初始质心,并获得稳定的聚类结果;其次,将K均值算法的聚类结果作为NMF的初始因子矩阵,并对超图的邻接矩阵进行NMF,获得基矩阵和系数矩阵;最后根据系数矩阵获得最终的聚类结果,由此设计了NMFK算法。在多组真实文本集上进行了实验,结果表明:NMFK算法运行高效,并且获得了比其他常见的聚类集成算法更加优越的结果。

k次幂等变换与k次幂等矩阵

目的把幂等变换与对合变换,幂等矩阵与对合矩阵统一起来并加以推广。方法以k-余变换与k-余矩阵为工具,并采用对比分析的方法。结果/结论引入了k次幂等变换和k次幂等矩阵的定义,给出了它们的性质和等价条件。