二维结构的有限元网格自动生成算法的研究

对二维结构有限元网格的生成技术进行了探讨，从直边四边形区域的单元生成到曲边四边形区域的节点坐标映射，再到复杂二维结构的拼装，提出了一种比较完整的有限元网格自动生成算法，并给出了内燃机活塞网格生成的实例，结果表明，该算法对于内燃机活塞这样的复杂二维结构具有较强的建模能力。     

基于二维温度场的平面任意区域三角形网格自动剖分

介绍了基于二维温度场平面任意区域的三角形网格的自动剖分方法,结合AFM(Advancing Front Method)法给出了一种网格前处理的简单实用的算法.并在网格划分的后处理实现中,借助Object ARX开发软件包,把前处理划分的结果输出到AutoCAD中,成功地实现了图形的可视化.实例及网格特性表明:这种网格自动剖分方法简单有效,且易于实现CAD/FEM一体化.     

基于分形特征的医用图像边缘增强和检测

由曼德勃罗特（BenoitB.Mandelbrot）的分形理论可知,建立在分形布朗运动模型之上的医用图像总可以计算得到一分形维数。本文在建立于分形布朗运动模型之上的分形维数的估算进行了讨论。通过将整个医用图像中每个像素的分形值,转化为相应象素的灰度值,得到了边缘增强和检测图。结果显示,基于分形的医用图像转化算法较之传统的图像边缘增强算法有利于减少噪声。     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

基于相空间重构的短时交通流分形研究

应用基于混沌与分形理论的相空间重构技术对短期交通流量变化时间序列的分形特征进行了研究，通过G-P算法在MATLAB中的实现，求解出交通流量变化时间序列的关联维数，最后对实际采集数据进行了实例分析。     

质子交换膜燃料电池扩散层分形维数计算方法研究

采集了一组放大倍数不同的质子交换膜燃料电池扩散层材料扫描电子显微镜图像，对5种数字图像分形维数计算方法进行研究，以期找出最佳的研究扩散层材料分形维数的计算方法．试验结果表明：盒维法最简单，物理意义明确，计算结果准确，计算时间短．因此采用盒维法测定扩散层分形维数最合适．     

基于差分计盒维数的分形图像编码方法

提出了一种利用差分计盒维数（简称ＤＢＣ,一种估计分形维数的方法）新的分形图像编码方法,该方法利用ＤＢＣ来寻找一个与值域子块在分形维数上最接近而且与其差别小于某一预定阈值的定义域子块,这种方法的优点在于能够有效减少搜寻对应于某一值域子块的最佳定义域子块及最佳变换的搜索空间。     

基于自权值线性判别分析算法的图像处理研究

鉴于传统的线性判别分析(LDA)算法未考虑数据从高维空间嵌入到低维子空间中样本之间的相似性,导致该算法在处理非高斯分布数据时不能取得较好的效果,为此,本文提出了一种改进的自权值线性判别分析算法。改进的模型通过将样本对之间的距离分布转换为样本点之间的权值以区分样本之间的差异性,使模型考虑数据从高维空间嵌入到低维子空间中隐含的局部流形结构,进而提高模型处理非高斯数据的能力。通过人工合成数据和真实数据对改进的模型进行实验验证,表明改进的自权值算法在一定程度上可以改善传统LDA在处理非高斯数据上的降维性能。     

基于网格平面化的三维数字水印算法研究

提出了将成熟的二维数字水印技术运用到三维模型水印的思想。鉴于寻找三维模型几何与拓扑不变量的难度，提出了将三维数据转换到二维空间，直接运用二维水印算法。利用平面参数化建模方法，把原始几何信号转换成具有相同频谱特性的平面信号，实现了基于网格平面化的三维数字水印算法。     

A Two-Stage Feature Selection Method for Text Categorization by Using Category Correlation Degree and Latent Semantic Indexing

With the purpose of improving the accuracy of text categorization and reducing the dimension of the feature space,this paper proposes a two-stage feature selection method based on a novel category correlation degree(CCD)method and latent semantic indexing(LSI).In the first stage,a novel CCD method is proposed to select the most effective features for text classification,which is more effective than the traditional feature selection method.In the second stage,document representation requires a high dimensionality of the feature space and does not take into account the semantic relation between features,which leads to a poor categorization accuracy.So LSI method is proposed to solve these problems by using statistically derived conceptual indices to replace the individual terms which can discover the important correlative relationship between features and reduce the feature space dimension.Firstly,each feature in our algorithm is ranked depending on their importance of classification using CCD method.Secondly,we construct a new semantic space based on LSI method among features.The experimental results have proved that our method can reduce effectively the dimension of text vector and improve the performance of text categorization.     

A FRACTAL INTERPOLATION SPEECH CODING ALGORITHM

ＡＦＲＡＣＴＡＬＩＮＴＥＲＰＯＬＡＴＩＯＮＳＰＥＥＣＨＣＯＤＩＮＧＡＬＧＯＲＩＴＨＭ＊ＺｈｏｕＺｈｉｊｉｅ（周志杰）ＨｕＧｕａｎｇｒｕｉ（胡光锐）（Ｄｅｐｔ．ｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖ．）...     

Proton Exchange Membrane Fuel Cell Modeling Based on Seeker Optimization Algorithm

Seeker optimization algorithm (SOA) has applications in continuous space of swarm intelligence. In the fields of proton ex-change membrane fuel cell (PEMFC) modeling, SOA was proposed to research a set of optimized parameters in PEMFC polariza-tion curve model. Experimental result showed that the mean square error of the optimization modeling strategy was only 6.9 × 10-23. Hence, the optimization model could fit the experiment data with high precision.     

综合混沌相空间重构与相似性原理的铁路客流量预测

重构相空间理论对我国铁路客流量数据时间序列进行相空间重构,通过计算分形维数和提取最大Lyapunov指数,分析得出了铁路客流量时间序列数据的演化具有混沌特征,结合我国铁路客流量在全年中的波动特点,提出适合我国国情的综合混沌相空间重构与相似性原理的铁路客流量预测算法.该算法能自动参考过去相似年度同期的客流量变化趋势,对预测值进行智能化调整.通过以某火车站客流量为预测对象进行验证,结果证明了该预测算法的准确性和实用性.     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

RESEARCH FROM SINGLE FRACTAL DIMENSION TO GEN-ERALIZED FRACTAL DIMENSION OF SPEECH

ＥＮ－ＥＲＡＬＩＺＥＤ ＦＲＡＣＴＡＬ ＤＩＭＥＮＳＩＯＮ ＯＦ ＳＰＥＥＣＨTX＠董远＠胡光锐＠陈玮ＩｎｔｒｏｄｕｃｔｉｏｎＳｅｖｅｒａｌｍｅｃｈａｎｉｓｍｓｉｎｓｐｅｅｃｈｆｌｏｗｓｃａｎｂｅｖｉｅｗｅｄａｓｒｏｕｔｅｓｔｏｃｈａｏｓ．Ｔｈｅｎｏｎｌｉｎ...     

列车轴温监测数据软测量方法

为解决监测数据缺失导致的轴温监测系统误诊和漏诊率较高的问题, 提出了一种基于数据特征分析的轴温监测数据软测量方法; 通过轴温监测点的布局与相关性分析, 确定了监测数据软测量的源数据范围; 采用自组织特征映射算法, 通过对源数据归一化、优胜区域定义与隶属度优化, 实现了轴温数据本征维数确定与数据聚类; 引入多维尺度分析方法, 通过数据间距的相似性量化与距离矩阵特征值分解, 实现了轴温数据的类内降维; 采用多维尺度分析方法对类间降维数据再次降维, 提出了一种分步式降维方法, 构建了信息量最大化与计算量最小化的平衡策略; 采用深度学习栈式自编码器方法提取类间降维数据的内部特征, 构建了缺失轴温数据的软测量模型。研究结果表明: 基于降维数据的软测量方法的时间效率比基于原始数据的软测量方法高14.25%;2种方法的精度相当, 当一维数据缺失时, 数据软测量的平均精度可达99.83%;当二维数据缺失时, 平均精度可达99.75%;当三或四维数据缺失时, 平均精度均可达99.16%;在满足最大允许误差2.5%、误差容忍度1.0%条件的情况下, 针对任意缺失维度不高于四维的情况, 提出的方法可有效地实现高精度与高效率的缺失数据恢复。      

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

基于RBM-GASA-BPNN 的潜在高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.     

基于RBM-GASA-BPNN的潜在 高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.