中国荒漠类型自然保护区空间分布格局

采用标准差椭圆、核密度、最邻近指数方法,从时空两个维度探讨中国荒漠类型自然保护区空间布局及其变化.结果表明,中国荒漠类型自然保护区的发展经历了起步期、快速发展期与稳定完善期,已形成一定的规模体系,但省域之间的分布不均衡,内蒙古与甘肃在数量与面积上均占优;近20 a来,保护区总体上呈东-西轴向分布,国家级保护区分布范围变化很小,省级保护区有向内蒙古东北部扩展趋势;核密度分析发现存在一个高密度区(内蒙古西部-宁夏)、两个中密度区(新疆西北部、甘肃西北部-青海),空间分布呈多核心集聚特征.

基于高斯分量标准化的K近邻故障检测策略

针对复杂多工况工业过程故障检测问题,提出一种基于高斯分量标准化的K近邻(Gaussian Component Standardization K-Nearest Neighbor,GCS-KNN)故障检测策略。样本数据应用高斯混合模型(Gaussian Mixture Model,GMM)进行训练,将数据分解为多个高斯分量;通过每个高斯分量的均值和协方差对该分量内的数据进行标准化处理;应用K近邻(K-Nearest Neighbor,KNN)算法对标准化后的样本进行检测。GCS-KNN通过高斯分量标准化消除数据的多模态特性,提高传统基于KNN检测方法的检测率。利用数值例子和半导体工业过程仿真实验验证了该方法的有效性,并与传统的主元分析(Principal Component Analysis,PCA)、KNN、动态主元分析(Dynamic PCA,DPCA)和加权KNN(Weighted KNN,WKNN)等方法进行对比,结果证实此方法具有显著的优势。

倾向评分配比在SPSS软件上的实现

目的研究倾向评分配比法在SPSS软件上的实现,并对分析结果进行解释。方法通过安装与SPSS对应版本能够连接的R软件和插件,以及实现倾向评分配比需要的程序包,在SPSS界面添加PS Matching模块,然后结合实例演示如何使用模块。结果成功实现了评分配比,并对匹配效果给出直观和定量的统计描述与评价。结论在SPSS软件中,可以较为方便地实现倾向评分配比。

集中式多传感器概率最近邻域算法

本文以对算法实时性要求较高的实际场合为背景研究了集中式多传感器多目标跟踪问题,理论分析了该环境下现有经典算法的优缺点;在此基础上,研究了基于概率最近邻域算法的集中式多传感器多目标跟踪算法:提出了并行处理结构的集中式多传感器概率最近邻域算法,该算法首先利用概率最近邻域算法中最近邻量测源自目标的概率完成多目标数据互联,在各传感器送来的观测数据中获取一个与各目标航迹统计距离最小的量测,然后利用各个量测的统计距离以及其源于目标的概率将这些量测整合为一个等效量测,最后获得融合中心的状态估计;提出了顺序处理结构的集中式多传感器概率最近邻域算法,该算法利用离目标最近的量测源于目标的概率判断各传感器是否应参与融合中心的状态估计过程,降低了计算量。蒙特卡罗仿真结果表明:与经典的顺序多传感器联合概率数据互联算法相比,上述两种算法的耗时降低了50%以上,且在跟踪背景杂波适中的情况下能够有效跟踪目标。为了进一步验证上述两种算法的有效性和实用性,本文采用实测数据对算法进行验证,实测数据的处理结果表明在对算法实时性要求较高的实际场合下并行和顺序两种处理结构的集中式多传感器概率最近邻域算法的性能均优于顺序多传感器联合概率数据互联算法。

基于PHD滤波和数据关联的多目标跟踪

针对杂波环境下的多目标跟踪,概率假设密度(probability hypothesis density,PHD)滤波不能提供目标航迹信息的问题,提出一种基于PHD滤波和数据关联的多目标跟踪方法。利用PHD滤波消除杂波并得到各个时刻的目标个数和目标状态估计。将PHD滤波的结果重新定义为量测数据,通过数据关联进一步消除虚警和漏警并给出目标航迹。仿真结果表明,该算法可以在有效地提高杂波环境下多目标跟踪精度的同时提供各目标航迹信息。

基于最近邻的集中式多传感器多目标跟踪算法

经典的集中式多传感器多目标跟踪算法通常计算量较大，经常难以满足系统的实时性要求，工程上实现起来比较困难，为进一步扩大集巾式多传感器的应用范嗣，使其在对算法实时性要求较高、跟踪精度要求较小的实际场合中广泛应用。文章基于最近邻域思想，研究了并行处理结构的集中式多传感器最近邻域算法，并从算法跟踪精度、实时性、有效跟踪率3个方面对其与经典的顺序多传感器联合概率数据互联算法进行了仿真比较。经仿真验证，并行处理结构的集中式多传感器最近邻域算法实时性提高了60％以上，且在跟踪背景杂波适中的情况下能够有效跟踪目标。

一种加权邻域数据关联算法研究

借鉴概率数据关联的思想,在标准最近邻域算法基础上提出了加权邻域数据关联算法(WNDA)。该算法综合考虑相关波门内的所有量测(包括正确量测和虚假量测)对状态的影响,提高了关联效果。同时算法不需要杂波密度等先验知识,不需要计算量测的关联概率,因而保持了较小的计算量。仿真结果表明,该方法有效地降低了误关联对跟踪效果的影响,同时保持了较小的计算量,在实际工程中有较好的应用前景。

基于概率最近邻域算法的分布式多传感器多目标跟踪算法

为进一步扩大分布式多传感器的应用范围,基于概率最近邻域思想,研究了分布式多传感器概率最近邻域算法,并对其与分布式多传感器联合概率数据互联算法进行了性能仿真分析。经仿真验证,分布式多传感器概率最近邻域算法能够解决多传感器多目标跟踪问题,且实时性有较大提高。

基于TSNS和KNN规则的复杂多阶段过程故障检测

针对复杂工业过程数据的动态性、非线性和多阶段性等特征,提出基于时空近邻标准化和KNN规则(Time-Space Nearest Neighborhood Standardization and K Nearest Neighbor Rule,TSNS-KNN)的复杂多阶段过程故障检测方法。首先使用训练样本在时间和空间域上的两层嵌套近邻集的统计信息对样本预处理,然后将标准样本的累积近邻距离作为检测统计量进行故障检测。TSNS-KNN在排除非线性干扰的同时,消除了前后时刻样本间的动态相关性,将多阶段数据转换为单阶段数据,从而实现对复杂多阶段过程的检测。将该方法运用于数值实验和青霉素发酵过程,并与其他方法进行比较,对比结果进一步验证了TSNS-KNN方法的优越性。

黑龙江省单一及混作农作物种植结构提取研究

以2012年MODIS数据产品250 m精度的MOD13Q1数据为数据源,采用Savitsky-Golay滤波法提取并平滑NDVI时间序列曲线,提取11种物候关键值,利用AMP,Start,Length三种物候关键值,采用面向对象分类方法的隶属度函数法提取出黑龙江省农用地范围,然后选取AMP,Start,Length,Left,Base,Right,Small七种物候关键值,采用面向对象分类方法的标准最邻近法,提取出黑龙江省单一及混作农作物的种植结构共十种。

欧式距离与标准化欧式距离在k近邻算法中的比较

相似性度量是综合评定两个数据样本之间差异的指标,欧式距离是较为常用的相似性度量方法之一。本文分析了欧式距离与标准化的欧式距离在KNN算法中对数据分类的影响。仿真实验结果表明,当向量之间的各维度的尺度差别较大时,标准化的欧式距离较好地改善了分类的性能。

奇异值能量标准谱在机械振动信号降噪中的应用研究

针对机械设备振动信号的宽频带、非线性和非平稳特性,提出了一种基于奇异值能量标准谱的自适应降噪方法。首先利用平均最近邻域发散度判定法计算嵌入维数并对信号进行相空间重构,然后对相空间重构矩阵进行奇异值分解,最后提出奇异值能量标准谱概念,根据能量标准谱拐点位置自适应地确定奇异值的重构阶数以重构有用分量,从而实现信号降噪。数值仿真和柴油机缸盖振动信号分析结果表明,本方法能够有效消除信号中的噪声并保留原信号的特征,提高信噪比。

基于改进AP选择和K最近邻法算法的室内定位技术

针对复杂的室内环境和在传统K最近邻法(KNN)算法中认为信号差相等时物理距离就相等两个问题,提出了一种新的接入点(AP)选择方法和基于缩放权重的KNN室内定位算法。首先,改进AP的选择方法,使用箱形图过滤接收信号强度(RSS)的异常值,初步建立指纹库,剔除指纹库中丢失率高的AP,使用标准偏差分析RSS的变化,选择干扰较小的前n个AP;其次,在传统的KNN算法中引入缩放权重,构建一个基于RSS的缩放权重模型;最后,计算出获得最小有效信号距离的前K个参考点坐标,得到未知位置坐标。定位仿真实验中,仅对AP选择方法进行改进的算法平均定位误差比传统的KNN算法降低了21.9%,引入缩放权重算法的平均定位误差为1.82 m,比传统KNN降低了53.6%。

村镇文旅项目工程管理模式优选研究

工程管理模式的正确选择对村镇文旅项目成功建设及特色保护类乡村振兴意义重大,但现实村镇文旅项目工程管理模式错用混用问题突出。为了满足村镇文旅项目工程管理和决策的需求,根据人文资源细分文旅项目;筛选并优化得到适合村镇文旅项目的可行工程管理模式;通过改进的德尔菲法建立村镇文旅项目管理模式选择指标体系,且采用有序加权平均算子(OWA)赋权;提出“两步走”的工程管理模式优选模型。第一步基于最近邻算法(KNN)确定文旅项目一级管理模式;第二步运用TOPSIS灰色关联模型优选文旅项目二级管理模式,建立村镇文旅项目管理模式标准清单供业主参考;并以某文旅小镇项目为例,验证清单的科学性。

基于IMDS-DLNS方法的工业过程故障检测

针对多维尺度变换(multidimensional scaling,MDS)方法对高维数据进行维数约简时,新样本缺少映射矩阵无法进行低维嵌入的问题,提出了增量式多维尺度变换(incremental multidimensional scaling,IMDS)方法。首先,引入双重局部近邻标准化(dual local nearest neighbor standardization,DLNS)技术以解决IMDS方法降维后数据仍然具有多中心、方差差异明显等问题;其次,采用Hotelling T^(2)统计量对过程进行监控,组成增量式多维尺度变换和双重局部近邻标准化的故障检测方法(IMDS-DLNS);最后,通过数值模拟过程和青霉素发酵过程,将IMDS-DLNS方法分别与PCA,KPCA和FD-KNN等方法作对比分析。结果表明,IMDS-DLNS对比其他方法有更高的故障检测率。IMDS-DLNS方法对多变量、多模态过程具有良好的故障检测能力,能够保障产品质量和生产的安全性,可为工业过程故障检测研究提供参考。

面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。

基于改进的局部近邻标准化和kNN的多阶段过程故障检测

针对多阶段过程数据具有多中心和各工序结构不同的特征问题,提出了一种基于改进的局部近邻标准化和k近邻的故障检测(ILNS-kNN)方法。首先寻找样本的前k个近邻样本的前K局部近邻集;其次使用局部近邻集的均值和标准差来标准化样本,获得标准样本;最后在标准样本集上计算样本的累积近邻距离作为检测指标进行故障检测。改进的局部近邻标准化(ILNS)将各阶段数据的中心平移到原点,并且调整各阶段数据的离散程度,使之近似相等,从而将多阶段过程数据融合为服从单一多元高斯分布的单阶段数据。进行了青霉素发酵过程故障检测实验。实验结果表明ILNS-kNN方法对所设置的六类故障的检测率高于97%。ILNS-kNN方法在保持对一般多阶段过程故障的检测能力的同时,能够实现对阶段方差差异显著的多阶段过程故障的检测,从而更好地保证多阶段生产过程的安全性和产品的高质量。

基于标准正交判别投影的转子故障数据集降维方法

针对旋转机械智能决策技术的故障数据分类问题,提出一种基于标准正交判别投影(SODP)的转子故障数据集降维算法。该方法从时域、频域及时频域构造原始故障特征集,将振动信号转化为高维特征数据集;运用SODP选择出其中最能反映故障本质的敏感特征子集;将得到的低维特征子集输入到KNN分类器中进行故障模式辨识。用一个双跨度转子系统的振动信号集合进行验证,证明了该方法能够有效地提取出全局与局部判别信息,使故障类别之间的差异性变得更清晰,相应地提高了故障模式识别准确率。研究表明该算法可为实际转子智能故障诊断提供参考。

基于SP-LNS-KNN的半导体生产过程故障检测方法研究

半导体生产过程是典型的间歇过程,针对其过程数据的多模态、多阶段、模态结构不同和批次不等长等特点,提出了基于统计模量的局部近邻标准化和K近邻相结合的故障检测方法(SP-LNS-KNN)。首先计算样本的统计模量,其次对样本的统计模量使用其局部K近邻集进行标准化,最后计算样本与其前K近邻距离,得到平均累积距离D作为检测指标,进而对工业过程进行在线故障检测。统计模量保留了数据的主要信息,将二维样本数据简化为一维数据;局部近邻标准化可以有效降低中心漂移、模态结构差异明显的影响。SP-LNS-KNN不仅能够对大故障实现检测,并且能够提高对小模态的微弱故障的检测能力。使用SP-LNS-KNN对一个实际半导体生产过程数据进行故障检测实验,并将实验结果与PCA、KPCA、LOF和FD-KNN方法的结果进行对比分析,验证了方法的有效性。

一种改进的最近邻聚类算法

传统的最近邻聚类算法一般采用欧式距离的计算准则,当各个分量的分布不一样时,采用欧式距离有着明显的缺点;针对以上问题,采用标准化欧式距离的计算准则,将熵值法引入到算法中,提出了基于熵值法和标准化欧式距离的改进的最近邻聚类算法;熵值法用来修订算法的标准化欧式距离计算公式,以提高算法的聚类精确程度.