嵌入维数

摘要： 奇异谱分解在处理强噪声信号时获得的模态分量可能包含期待频段之外的信息,会造成严重的模态混叠现象并影响分析效果,深入研究发现造成上述现象的原因是迭代过程中轨迹矩阵的嵌入维数设定不合理。在大量数据分析的基础上提出了一种优化的奇异谱分解方法(OSSD),以迭代过程中划分的频段及重构分量时特征向量的选择为依据确定新的参数并设定嵌入维数,不仅可以使构造的轨迹矩阵更加合理,还可以使分量的重构更加准确。仿真及试验分析表明,该方法可以有效抑制模态混叠现象,减少分解所得分量在频域上的能量泄漏,准确提取滚动轴承振动信号中的故障特征。

摘要： 对于正整数m,如果一个有限正整数集合在模m的每个同余类具有相等数量的元素,则称该集合是模m均匀分布的。文章主要研究的是在数字半群的重数为4的情况下,通过数字半群的定义及相关引理,证明得出当数字半群的间隙集是模m均匀分布时,m所满足的条件。

摘要： 随着嵌入维数的增大,排列熵(permutation entropy,PE)算法的运算规模将会成倍增加,对计算的时效性提出了更高的要求.针对国际上首台计算性能超过100P的神威·太湖之光异构众核超级计算机,提出一种针对排列熵算法移植和并行化方法,核组之间基于MPI对相空间矩阵进行数据划分,核组内部基于OpenACC实现划分区域内部并行;然后针对SW26010众核处理器结构特征,调整减少主从核通信次数和消除原子操作,将排列熵算法成功移植并加速;最后通过大坝振荡数据进行测试.测试结果表明,该方法能够很好地发挥SW26010众核处理器加速优势,单核组性能较主核版本最高可获得7.18倍加速,同时在神威·太湖之光大规模集群上进行强可扩展性分析,128核组时最高实现了85.6倍的性能提升.

摘要： 电力系统在国民经济发展中具有重要地位,保持电网的供需平衡是电力系统稳定运行的基础.为了更好的解决供电系统的日前调度问题,文章针对Lyapounov最大指数法嵌入维数提出了一个自回归误差算法,它克服了以往人为对嵌入维数取值造成的不准确问题.同时,通过提出的回归算法模型还可以解决由于人为因素造成的预测误差较大及误差具有随机性问题,能够使得电网发电机组备用计划制定更加合理,减少了发电机组由于备用不合理带来的经济损失.

摘要： 为提高车辆动态称重压电信号的信噪比,要在奇异谱分析(SSA)降噪算法中确定合理的嵌入维数与重构阶次.基于Cao算法,提出一种稳定性方法确定嵌入维数,并以累积能量贡献率变化量确定重构阶次,在Lorenz信号上加入不同方差的高斯白噪声进行实验仿真,验证SSA降噪算法的可行性和有效性,并评价噪声方差对结果的影响.在不同车速下,对五种载重不同的车辆进行工程实测试验.结果表明,车速在10～50 km/h,平均称重误差控制在2.72％ ～4.72％,利用SSA降噪算法处理车辆动态称重压电信号,达到较好的降噪效果,称重精度及稳定性均能满足实际工程要求.

摘要： To improve the prediction accuracy of the relevance vector machine model,an improved method for equipment condition prediction is proposed.An improved kernel function of variance Gauss kernel is constructed to improve the global performance and generalization ability of the kernel function.By using the method of selecting the number of adjacent points in the chaotic sequence local prediction method,the H-Q criterion is used to optimize the embedding dimension of the training space to avoid the blindness of subjective selection;a linear search algorithm is proposed to optimize the kernel parameter values.Through the prediction example of terminal guidance radar equipment test parameters,the effectiveness and superiority of the improved RVM are verified.%为提高相关向量机(relevance vector machine,RVM)模型的预测精度,提出了一种改进RVM的装备退化状态预测方法.首先,通过构建一种方差高斯核函数(variance Gauss kernel function,VGKF)来提高核函数的全局性能和泛化能力;然后通过借鉴混沌序列局域预测法中邻近点个数的选取方法,利用H-Q准则(Hannan-Quinn rule)对训练空间预测嵌入维数进行优化,避免了主观选取的盲目性;最后提出一种线性搜索算法,优化确定核参数值.通过末制导雷达装备测试参数的预测实例,验证了改进RVM的有效性和优越性.

摘要： 利用混沌时间序列的径向基函数神经网络的预测模型,分析了汉语语音基本因素元音[a]、[o]、[e]、[i]、[u]、[ü]的非线性动力学特征,计算了它们的嵌入维数,并且根据所求得的嵌入维数重构了它们的相空间,从重构的相空间吸引子来看元音[a]、[o]、[e]、[i]、[u]、[ü]的时间历程具有混沌运动的特征.

摘要： 以黄河上游唐乃亥站年降水序列为例,应用混沌理论定量分析时间序列混沌特征量:最大Lyapunov指数λ1 =0.6658和分数维D2=2.691,利用自相关函数法和GP算法分别得出延迟时间τ=2,嵌入维数m=9,重构相空间；并采用主分量谱分析法、最大Lyapunov指数法分析该时间序列混沌特性；最后在考虑允许预测误差和初始测量误差基础上得出混沌时间序列的最大预测时间尺度为3年。

摘要： 提出了一种基于LS_SVM的高精度抑制局部放电信号窄带干扰的新方法。局部放电脉冲是一种短暂的暂态过程，但在频域表现为较宽的带宽，与窄带干扰的频带有重叠，通常的在频域抑制窄带干扰信号会造成局放脉冲能量损失。本文从时域出发，首先用最小二乘支持向量机抽取出一段窄带干扰信号，并利用自相关函数对其周期延拓，从而获取完整的窄带干扰信号;讨论了最小二乘支持向量机嵌入维数(m)对估算精度及参数(γ，σ)选择的影响;再将原始数据与获取的窄带干扰相减，从而抑制窄带干扰。研究分析表明，本方法可以高精度地抑制窄带干扰，极大地保留了局放信号的特征信息--幅值，相位和极性，窄带干扰越强抑制效果越好，窄带信号频率与局放脉冲越接近，本文方法优势越明显;合理选择嵌入维数可以提高精度，提高对参数变化的鲁棒性。

摘要： 本文运用相空间重构方法对交通流进行短时预测,首先根据重构展开法确定时间延迟、根据Cao-方法计算嵌入维数；然后在相空间重构局域方法的基础上，对交通流预测方法进行改进，给出预测模型。通过实证分析，结果表明改进后的预测模型达到较好的预测精度。

摘要： 针对欧氏距离不能反映预测点与邻域点的相关性程度,提出了改进加权一阶局域法,该方法综合考虑了邻域点对预测点的邻近效应以及邻近点对预测点的关联性,同时利用Cao氏方法和互信息法对负荷时间序列进行嵌入维数和延迟时间的计算.通过算例比较分析,当嵌入维数较高时本文方法仍具有较好的预测精度.

摘要： 本文采用了一种基于优化相空间重构的多变量混沌时间序列的预测方法。主要思想是设定多变量混沌时间序列的各个变量的嵌入维数和延迟时间的范围,以预测评价函数作为评判最优嵌入维数和延迟时间的标准,选择出优化的相空间重构参数并获得优化的相空间重构,以此作为神经网络的输入,获得最佳的预测结果。通过对Lorenz 系统和实际的二维时间序列的仿真,证明了此方法的有效性。

摘要： 基于跳频码固有的混沌特性,结合统计学习理论的优点,探讨了支持向量机预测跳频码的方法,以Logistic-Kent及Logistic映射跳频码为例,使用支持向量机对其进行了预测研究并对嵌入维数的选取作了详细分析,为实际参数的选择提供了一定的依据.实验结果表明:该方法具有很强的实用性,而且整体预测效果明显好于非线性自适应预测及神经网络预测器.

摘要： 一种基于四元数的三维旋转知识图谱嵌入方法，所述方法包括以下步骤：第一步：定义知识图谱三种关系模式和相关形式化表述；第二步、定义四元数的基础和基于四元数乘法的三维旋转表示；第三步、基于四元数进行关系三维旋转建模，同时推导模型针对知识图谱三种关系模式建模的能力，并进行模型训练以获得更好地四元数向量表示。本发明引入了四元数来对知识图谱中的实体和关系进行建模表示，将实体表示成三维空间中的一组向量，关系表示实体间的三维旋转变换，能够解决当前嵌入模型无法有效地学习和推理知识图谱中各种关系模式，特别是组合关系模式的问题，从而能够有效地降低实体和关系的模糊程度，提升知识图谱链接预测准确率。

摘要： 一种深度皮尔逊嵌入的维数约简方法，该方法首先构造深层皮尔逊嵌入网络，其代价函数为高维样本间的相似度矩阵与低维嵌入样本间的欧式距离矩阵中行向量的皮尔逊相关系数和；再通过随机或者无监督预训练来初始化网络参数；最后以一种保存数据局部相关结构的方式来有监督微调整个网络。本发明采用皮尔逊相关系数来衡量高维样本对的相似度矩阵与低维样本对的欧式距离矩阵中行向量的相关度，并要求它们尽可能地负相关，保证了高维空间中越大相似度的样本对在低维空间有着越小的欧式距离。本方法的创新之处在于提供一种基于深度学习和皮尔逊相关系数的维数约简方法，可广泛应用于解决机器学习领域中的可视化、分类等任务中。

摘要： 本发明涉及一种基于有监督增量式局部线性嵌入（SILLE）维数化简的早期故障辨识方法，该方法先从时域和频域两个作用域来获取复杂旋转机械早期故障的特征信息，构造全面表征不同故障特性的时频域特征集向量，再利用SILLE将高维时频域特征集向量自动约简为区分度更好的低维特征向量，并输入到分类器中进行分类决策，最终得到各测试样本早期故障的辨识结果。该方法充分发挥了时频域特征集在故障特征全面挖掘、有监督增量式局部线性嵌入（SILLE）技术在信息化简和分类器在模式识别上的优势，实现了旋转机械早期故障辨识方法的自动化、高精度、快速性和通用性。

摘要： 本公开提出了基于改进盒维数法的基因健康分形维数获取系统，包括：盒子数计算模块，被配置为：将原始基因网络转换为带节点互斥力的网络，计算原始基因网络中各个节点间的互斥距离，对节点着色并计算盒子数；改进盒维数模块，被配置为：从网络中任意节点对间最短的互斥距离到次短的任意节点对间最短的互斥距离直到网络的互斥直径，依次改变盒子大小，计算不同盒子大小对应的覆盖网络所需要的盒子数；基因健康分形维数获取模块，被配置为：基于覆盖网络所需的盒子数与盒子大小之间的幂律关系，进行回归拟合，所得拟合直线斜率的绝对值即为网络的分形维数。其计算精度高，稳定性好，计算量低。

摘要： 本发明涉及计算分形维数的方法，一种基于盒维数法的计算分形维数的方法，包括以下步骤：(1)在(x，y)平面上分割灰度图像，(2)在z轴方向上分割灰度图像，(3)计算覆盖每个网格需要的盒子数nold(i，j)，(4)计算覆盖相邻网格需要的盒子数nshift(i，j)，(5)计算覆盖每个网格的最终盒子数n(i，j)，(6)计算覆盖整幅灰度图像需要的盒子总数Nr，(7)针对不同大小的s值，计算获得一组不同的Nr，(8)使用最小二乘法拟合得到灰度图像的分形维数D。本发明在计算自然纹理图的分形维数上的拟合误差小、对于由同一幅图像的放缩得到的不同尺寸的多幅图像，计算的相同纹理不同尺寸图像的分形维数，其标准差小，计算精度高，稳定性好。

摘要： 提供生成强健性、质量被改善的WM信号，用于电子水印嵌入的装置、程序、存储媒体及包含电子水印嵌入功能的数字电视装置。包含用来生成对实时内容作为电子水印嵌入WM信号的装置(10)；输入实时内容的输入单元(12)；保持实时内容的输入缓冲器(14)；用来由分割的实时内容生成与实时内容的预测强度相对应的WM信号的生成单元；用来保持生成的WM信号的输出缓冲器(18)。生成单元的构成包括：用来预测进行上述WM信号的强度预测的预测单元(16)；使用作为电子水印嵌入到上述实时内容中的消息控制嵌入的控制单元(20)；以及用来生成输出WM信号的单元(22)。

摘要： 本发明实施例公开了二维数、多维数及数据处理方法，多维数是指数字可以同时在2个以上的维度上排列，多个维度上排列的数字共同组成一个数；二维数是指数字可以同时在2个维度上排列，2个维度上排列的数字共同组成一个数。方法包括：对二维数和多维数进行加法、减法、乘法及除法计算。实施本发明实施例的二维数、多维数及数据处理方法，二进制二维数的加法运算只需要在相应的数位增加数字，减法只需在负数区相应的数位增加数字，只有在二进制二维数转换为现有的二进制一维数时需要进位运算，不像现有的二进制数加法计算需要频繁的进位运算。二进制二维数的乘法及除法运算都可以转换为二进制二维数加法、减法运算，适用于并行计算和量子计算。

摘要： 本发明公开了一种基于改进的有监督正交邻域保持嵌入维数约简的故障辨识方法，利用样本的标签信息来调整样本点与点之间的距离以形成新的距离矩阵，通过新的距离矩阵进行邻域构建，同时利用局部集聚系数进行邻域参数的自适应调整，能够获得辨识度更高的低维特征，以低维特征作为支持向量机（SVM）的输入来实现故障诊断，可以有效的将不同故障状态的样本进行分离。

摘要： 本发明属于混沌时间序列嵌入维数的确定技术，具体涉及一种基于注意力机制的混沌时间序列嵌入维数的确定方法。包括以下步骤：自相关法确定延迟时间τ并初始化最小嵌入维数m，利用延迟时间和嵌入维数重构数据集，将数据集导入基于多层感知机的注意力机制网络进行训练，输出每个维度的权重大小，判断是否符合维度的注意力权重值从低维度到高维度依次递增，若是则令m加1继续重构数据集再次导入网络训练并输出维度注意力权重值，直到维度注意力权重值不符合递增情况时输出最大嵌入维数，此时最大嵌入维数为使得维度注意力权重分布递增的最大嵌入维数。

摘要： 本发明公开了一种基于改进的有监督正交邻域保持嵌入维数约简的故障辨识方法，利用样本的标签信息来调整样本点与点之间的距离以形成新的距离矩阵，通过新的距离矩阵进行邻域构建，同时利用局部集聚系数进行邻域参数的自适应调整，能够获得辨识度更高的低维特征，以低维特征作为支持向量机（SVM）的输入来实现故障诊断，可以有效的将不同故障状态的样本进行分离。