ON THE m^(th) ORDER DIFFERENCE SEQUENCE SPACE OF GENERALIZED WEIGHTED MEAN AND COMPACT OPERATORS

In this article, using generalized weighted mean and difference matrix of order m, we introduce the paranormed sequence space l（u, v, p; △（m））, which consist of the sequences whose generalized weighted △（m）-difference means are in the linear space l（p） defined by I.J.Maddox. Also, we determine the basis of this space and compute its α-, β- and γ-duals. Further, we give the characterization of the classes of matrix mappings from l（u, v, p, △（m）） to l∞, c, and co. Finally, we apply the Hausdorff measure of noncompacness to characterize some classes of compact operators given by matrices on the space lp（U, v, △（m）） （1 ≤ p 〈 ∞）.

一种用于深空网天线组阵的基于归一化权的Matrix-Free Power Method

对深空网天线组阵中的几种信号相关算法作简要介绍,重点研究无需形成矩阵的幂的方法——Matrix-Free Power Method。通过理论分析,提出一种改进算法,即基于归一化权的Matrix-Free Power Method。理论计算和软件仿真结果均表明,基于归一化权的Matrix-Free Power Method信噪比合成性能略优于原Matrix-Free Power Method。

一种商空间理论下信息熵的属性权重确定方法

在对多属性多目标方案进行排序或决策时,属性权重的确定对最终决策结果的影响非常重要。针对无决策属性的多样本数据,提出了一种基于层次商空间信息熵的属性计算方法。该方法通过对样本数据的相似度和等价关系矩阵分层建立商空间结构,重新定义商空间理论下的信息熵,在商集上计算确定属性权重。最后将该方法应用到一个既无决策属性又无核属性的油田开发多目标决策数据集中,验证了该方法的科学性和可行性。

基于向量空间模型的有导词义消歧

词义消歧一直是自然语言理解中的一个关键问题 ,该问题解决的好坏直接关系到自然语言处理中诸多应用问题的效果优劣 .由于自然语言知识表示的困难 ,在手工规则的词义消歧难以达到理想效果的情况下 ,各种有导机器学习方法被应用于词义消歧任务中 .借鉴前人的成果引入信息检索领域中向量空间模型文档词语权重计算技术来解决多义词义项的知识表示问题 ,并提出了上下文位置权重的计算方法 ,给出了一种基于向量空间模型的词义消歧有导机器学习方法 .该方法将多义词的义项和上下文分别映射到向量空间中 ,通过计算多义词上下文向量与义项向量的距离 ,采用 k- NN(k=1)方法来确定上下文向量的义项分类 .在 9个汉语高频多义词的开放和封闭测试中均取得了突出的成绩 (封闭测试平均正确率为 96 .31% ,开放测试平均正确率为 92 .98% ) 。

基于加权浓缩树的粗糙集属性约简算法

针对基于分辨矩阵约简算法中存在冗余元素,从而导致空间存储代价高的问题,提出一种基于加权浓缩树的属性约简算法。该算法可以进一步剔除冗余元素,压缩存储分辨矩阵中的信息,并且在构建树结构的过程当中考虑了属性重要度的影响。实验结果与C-Tree及差别信息树算法进行比较,提出的算法可以获得更优的属性约简结果,有效地降低了空间复杂度。

基于泡沫图像特征加权SVM的浮选工况识别

针对浮选泡沫视觉特征的多样性和重要度差异以及浮选工况样本数分布不平衡等问题,提出一种基于在线泡沫视觉表观特征加权支持向量机的浮选工况识别方法.通过色彩空间变换,在CIE-Lab空间计算泡沫颜色,采用多方向融合的空间灰度共生矩阵提取泡沫纹理特征,以视觉特征的信息增益评价该特征的重要度,再利用不同工况的样本数加权策略消除样本数不平衡的影响,采用支持向量机方法实现了浮选工况的自动识别.工业运行数据测试结果表明:该方法能够在线识别浮选工况,自动识别准确率达98%,比人工识别率高6%,比传统灰度共生矩阵方法高2%.

基于Bayes准则的STAP协方差矩阵估计算法

针对杂波功率随距离缓变的非均匀环境,提出了一种新的基于Bayes准则的加权最大似然估计(WMLE)算法,以改善空时自适应处理(STAP)中的协方差矩阵估计.通过对训练数据进行事件定义,利用Bayes准则给出了加权系数的准确计算方法,解决了WMLE中加权系数的求解难题.仿真分析验证了所提出算法的正确性和有效性.

一种在矩阵空间中识别文本蕴涵的动态交互网络

针对文本蕴涵问题提出一种动态交互网络(dynamic interactive network,DIN)进行识别。不同于已有交互模型,DIN将两句词向量投射到二维矩阵空间中进行交互,然后利用输出矩阵为同时处理上下文信息和控制信息流动的GRU编码器生成动态权重。前者通过更高阶形式的信息交互挖掘深层逻辑片段,后者通过改变交互信息与上下文信息的结合模式帮助编码器有效区分两者的重要性差异。模型在SNLI测试集上获得了88.0%的识别准确度,超过已有的最佳模型,且使用的训练参数仅为它的一半。

关于正规Boole矩阵行空间的基数

称Ｂｏｏｌｅ矩阵Ａ是正规的，是指Ａ的行秩与列秩相等．本文主要得到两个结果．第一，推广了Ｊ．Ｋｏｎｉｅｃｚｎｙ在ＳｅｍｉｇｒｏｕｐＦｏｒｕｍ，ｖｏｌ．４４（１９９２）发表的论文Ｏｎｃａｒｄｉｎａ－ｌｉｔｉｅｓｏｆｒｏｗｓｐａｃｅｏｆＢｏｏｌｅａｎｍａｔｒｉｃｅｓ的主要结果．第二，若ｎ阶Ｂｏｏｌｅ矩阵的行空间基数大于２￣（ｎ－２）－２，则Ａ必是正规的．

GIS区域数据时空线性建模方法

GIS区域数据时空分析研究是指在区域对象空间拓扑结构保持不变的情况下,属性数据随时间变化的时空过程和时空格局的探测、建模和预测。其统计模型需要考虑时序相关性和空间关联性两方面因素,时空线性建模通常采取空间回归模型和时序回归模型相结合的方法。在现有区域时空线性模型的基础上,给出了多阶多元时空线性回归模型的一般形式,并针对一阶时空线性回归模型,研究了在回归参数不同限定条件下的模型特定形式及相互关系,分析了模型中权重矩阵的构建方法,提出了一种结合最小二乘和最大似然的模型参数估计双层迭代算法,并对模型的实际应用进行了分析。

带W权Drazin逆的性质及计算

给出了带W权Drazin逆阵的一些性质以及A(2)T,S的一种计算方法。

输电网络联通下的可再生电力消纳省际空间特征研究

我国可再生能源发展得不平衡、不充分,制约了消纳水平的整体提升。准确认识中国输电网络联通下的省域可再生能源消纳水平的差异与演变趋势,探究区域增长机制与均衡作用,是规划区域协调发展的重要基础。文章基于探索性空间数据分析方法和地理信息系统,根据区域电网及特高压建设状况建立了空间权重矩阵;分析了全国31个省级行政区2015-2017年可再生能源消纳水平空间特征。研究结果表明,非水可再生能源消纳比例指标的空间集聚特征最为显著,但集聚程度明显减弱,格局分布呈现由单一极化向多极扩散演变的特征;高水平集聚增长极的代表省域有青海、甘肃、宁夏等;输电网络的联通提升了传统省域邻接的通达性与准确性;特高压线路对省域可再生消纳水平差异有显著的均衡作用,有助于增长极省域保持自身提升,实现良性扩散。

基于惯性权重矩阵的自适应粒子群算法

为得到一种简单易实现、寻优能力强的粒子群算法,以便满足实际工程优化问题的需求,提出一种基于惯性权重矩阵的自适应粒子群算法（RDR-PSO）。首先,定义了算法稳定运行概念并从离散状态空间方程角度分析了粒子群算法,在该概念下得到算法稳定运行时参数限制条件和粒子的运动规律;然后,定义了粒子活跃度,引入使算法每一步较大概率收敛较小概率发散的参数组合选择策略、惯性权重矩阵策略、根据粒子活跃度速度重置和历史最优值扰动策略,得到一种改进的粒子群算法（RDR-PSO）;最后,对RDR-PSO算法性能进行仿真测试,结果表明,该算法具有收敛精度高、全局寻优能力强和简单易实现的优点,具有广泛的应用前景。

基于加权范数的时空相关K分布杂波建模

提出了一种基于离散复线性空间加权范数的时空相关K分布杂波建模及仿真方法.该方法利用经典的零记忆非线性变换(ZMNL)法或球不变随机过程(SIRP)方法,生成时间相关的杂波序列,并对其进行归一化处理.通过线性变换矩阵,使一维的杂波转换成满足一定性质的二维序列,通过求解离散复线性空间加权范数最小值,对二维序列进行迭代修正并得到时空相关的杂波序列.通过理论推导证明了该二维序列满足时空二维杂波的时间相关性、空间相关性及幅度特性.仿真结果验证了该方法的正确性和可行性.

基于ArcEngine的空间权重矩阵的实现与应用

针对ArcGIS的空间分析能力,利用ArcEngine组件设计了面向空间离散点和区域多边形空间权重矩阵生成算法,使用C#语言在计算机上实现。用该算法对郑州市GDP数据构建了两种空间权重矩阵,并进行了空间相关性分析。

基于相对距离准则的STAP协方差矩阵估计算法

针对杂波功率依距离缓变的非均匀环境,提出了基于相对距离准则的加权协方差矩阵估计算法。通过对加权最大似然估计概念的描述和原始问题的公式化,在相对距离准则下设计加权函数,使得在样本矩阵求逆(SMI)检测器的条件下,检测算法的相对距离达到最大,并给出了实用的近似加权系数求解方法。通过性能分析可知,在相对距离最大条件下估计的协方差矩阵的条件信杂噪比损失同时达到最大。最后的仿真分析也验证了该算法的正确性和有效性。

基于自组织特征映射的聚类集成算法

为改善单一聚类算法的聚类性能,提出一种基于自组织特征映射(SOM)的聚类集成算法。该算法利用多个具有差异性的聚类成员,将原始数据集转换成一个新的特征空间矩阵;然后计算各个聚类成员的聚类综合质量,并将其作为新特征空间矩阵的属性权重,最后利用SOM神经网络进行集成,产生最终的共识聚类结果。实验结果表明,与集成前的基聚类算法和其它聚类集成算法相比,该算法能够有效地提高聚类质量。

STARMA网络时空序列预测模型研究

针对传统方法建立的空间权矩阵难于真实、准确地反映空间邻近变量之间相互影响的不足,提出一种基于样本数据驱动的空间权矩阵建立方法,将建立空间权矩阵转换为求解未知系数线性方程;针对STARMA模型只具有线性形式而无法捕获时空序列中非线性模式的不足,提出STARMA网络模型,采用网络结构,以非线性函数代替线性组合。通过实验分析验证了基于样本数据驱动的空间权矩阵建立方法和STARMA网络的有效性。

基于语义的关键词过滤权重算法

在关键词权重统计算法的基础上,从语义角度出发,通过关键词对主题的表征强度并考虑关键词在文档中的位置等其他因素来计算关键词权重,为此创造性地提出了基于语义的矩阵词典和权重策略,使过滤更高效且权重取值更合理。实验表明,其对不良网页的过滤准确率也更高。

基于认知的发射权矢量空时联合设计

针对机载MIMO雷达杂波的抑制问题,提出了一种基于认知的空时二维联合优化发射权矢量设计方法。利用地形数据库等先验知识,以及过去的探测信息来构造杂波及目标转移矩阵。建立了基于目标及杂波转移矩阵的问题模型,并根据广义瑞利商的特性,得出矩阵方程,利用矩阵的特征值分解求解矩阵方程,得出最优发射权矢量。通过与常规发射及STAP的对比仿真验证了该方法的有效性,并对此方法在杂波时域起伏的先验与未知两种情况下的输出信杂噪比作了对比,说明了环境信息先验的重要性。