一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

等维灰数递补技术在隧道地表沉降预测中的研究与应用

基于等维灰数递补数据处理技术,建立了等维灰数递补GM(1,1)模型,对洞口山体沉降进行预测和模拟,以判定洞口山体的稳定性。结果表明:等维灰数递补数据处理技术充分利用了系统响应的最新信息,降低了预测系统的灰度,提高了模型的预测精度,预测结果可靠,与常规灰色预测模型相比,该法更具有实用价值。     

城市客运车辆中的人机工程学问题

本文结合人机工程学在客运车辆中的应用,提出并阐述了在设计城市客运车辆时应该注意的问题与遵循的原则.     

基于均值化主成分分析的交通安全评价方法研究

为对我国各地日趋严峻的道路交通安全现状进行科学、合理的评价,选择适用的安全评价方法是非常必要的,对主成分分析法进行了改进研究,充分考虑了主成分自身存在指标差异性被忽略、因子载荷存在负值等影响,通过采用均值法处理数据、选取较少主成分等途径有效改进了主成分法。构造了可以综合反映交通安全状况的6项相对指标为主体的道路交通安全综合评价指标体系,并以我国2009年东部省份的道路交通安全状况数据为例进行实例分析,采用传统主成分法和改进后的主成分法分别进行了道路交通安全综合评价,通过聚类分析法对改进前后评价结果的差异进行了比较研究。     

基于分形理论的气缸套磨损表面特征形貌表征

基于分形维数和多重分形谱理论,以不同工况下镀铬气缸套—PVD活塞环摩擦磨损试验试样为对象,通过三维共聚焦激光扫描显微镜获取磨损表面的二维灰度图像,并将其转化成黑白二值图像,采用盒维数法测算缸套磨损表面的分形维数,运用多重分形谱测算谱宽度,定量表征气缸套磨损表面的形貌特征和表面的高度均一性。结果表明,气缸套磨损表面具有明显的分形特征,且为一重分形。表面越粗糙,分形维数越小,分形谱宽度值越大。     

基于主成分分析的舰船装备维修费组合预测

针对基于回归的组合预测模型,由于舰船装备维修费预测时可利用的样本小、可用的单项预测方法多,容易导致预测模型的数量比用于组合预测的样本数量多,出现回归系数无法估计的问题。在建立基于回归的舰船装备维修费组合预测模型前,首先对各单项预测方法预测结果进行主成分分析,建立舰船装备维修费实际值在选取主成分上的回归模型,给出基于主成分分析的组合预测模型;然后针对主成分分析中根据主成分的累积贡献率确定主成分数量具有一定的主观性,建议采用AIC确定主成分的数量;最后,采用实例对给出的方法进行分析和验证。结果表明:在舰船装备维修费组合预测中,该方法不仅解决了预测模型多于用来组合预测的样本数量问题,而且还可以解决单项预测方法之间的共线性问题,且其预测性能明显优于常用的组合预测模型。     

海监船与渔政船主尺度单变量回归分析

文章分析了我国海监船和渔政船发展现状及发展趋势,通过整理分析了相关的船型数据资料,利用逐步回归的数学方法建立了海监船和渔政船主尺度的数学模型,并对数学统计模型进行了实船验证。数学模型的建立有利于分析和掌握海监船与渔政船主尺度变化的规律,为报价设计和初步设计提供了科学依据。     

港口物流指数的编制初探

从物流、港口、港口物流的概念入手,分析了影响港口物流指数的诸因素并由此建立了港口物流发展水平指标体系。运用主成分分析法对港口物流发展水平进行了分析,并得出了港口物流指数,。     

Fault diagnosis of marine diesel engine intake and exhaust system based on dynamic feature fusion北大核心CSCD

[目的]船舶系统由多设备的复杂机构组成,各组件参数具有动态性和非线性的特点,所以故障诊断过程复杂。为提高诊断效率,提出一种动态特征融合方法。[方法]利用分形理论、动态理论及核主元分析(KPCA)法对系统状态数据进行重构、映射及筛选,得到主元特征数据矩阵,求得平方预测误差(SPE)及相应的控制限,构建出基于船舶柴油机进排气系统健康数据的离线监测模型,利用该模型对系统进行故障诊断分析。为验证模型的有效性,选取某船舶柴油机进排气系统的故障数据进行验证分析。[结果]结果表明,动态特征融合分析方法可有效实现对系统动态非线性状态数据的精确分析,实现对系统故障的高效分析和诊断。与KPCA及支持向量机(SVM)方法相比,所提方法具有更好的故障诊断性能。[结论]该方法可实现船舶柴油机进排气系统故障的检测和诊断,提升系统运行的可靠性和安全性。     

基于乘客群体特征的城市轨道交通满意度研究

为提高城市轨道交通服务质量、优化乘客乘车体验、提升城市轨道交通在公共交通中的竞争力，对城市轨道交通乘客满意度开展研究。首先，选取乘客特征因素，引入皮尔逊积矩相关系数来分析乘客满意度与乘客特征因素的相关关系，提取对满意度存在显著影响的乘客特征因素。然后，运用主成分分析法刻画乘客群体特征，据此对乘客进行分类，并采用克鲁斯卡尔-沃利斯检验法来分析其满意度的差异性。基于此，对某城市地铁A号线2019年乘客满意度调查数据进行了分析，结果显示：地铁A号线乘客的出行频率、出行目的和收入水平与乘客满意度显著相关。通过主成分分析将乘客划分为常乘客与非常乘客，发现两者对城市轨道交通服务的关注点不同，常乘客更关注乘车效率，非常乘客更关注信息指引准确性，运营单位应针对不同乘客群体展开差异性服务。