特征向量

摘要： 传统故障辨识方法受机械液压传动系统故障影响,存在故障辨识率低、有效性差问题,提出基于随机矩阵谱分析的机械液压传动系统故障辨识方法.通过分解故障振动信号,得到故障信号的特征向量函数,利用线性分析提取故障信号的随机变量;根据故障信号求解,提取机械液压传动系统故障特征;利用随机矩阵谱分析方法描述机械液压传动系统的状态空间,推算机械液压传动系统的状态方程;利用机械液压传动系统的残差阈值,检测到机械液压传动系统故障;通过对比机械液压传动系统故障的贴近度,选取最大值作为机械液压传感系统的故障信息,实现机械液压传动系统故障辨识.实验结果表明,该方法具有更高的故障辨识率.

摘要： 分心驾驶行为识别任务可以看作细粒度图像分类任务,即图像中较小区域所包含的特征决定了该图像的类别,如一张图像是正常驾驶还是与副驾驶聊天完全由驾驶员的脸部朝向来决定。对于那些图像差异很小的类别,图像分类通常训练方法训练出的模型无法高精度地区分。针对这一问题,提出了基于类间距优化的分心驾驶行为识别模型训练方法,通过增大模型从异类图像所提取特征向量之间的欧式距离,使得模型学到可以区分那些图像差异很小的类别的细微特征,进而提高模型对这些类别的分类准确率。该方法实现了端到端的模型训练,既不增加模型的推理时延,又不引入额外监督信息。State Farm数据集上的试验表明,与图像分类通常训练方法比,该训练方法有效提高了模型的准确率。

摘要： 针对常规方法识别裂缝图像目标像素时噪声点作为虚假裂缝仍保留在像素区域中,导致建筑混凝土裂缝几何参数识别误差较大的问题,提出一种基于对抗神经网络的建筑混凝土细小裂缝精准识别方法。首先,灰度转换混凝土裂缝原始图像,结合阈值分割和高斯梯度法,区分图像目标和背景;然后,设置裂缝和虚假裂缝判别条件,去除目标像素中的噪声点,利用初始像素框,裁剪筛选后的裂缝像素;最后,将上述像素输入对抗神经网络,获得裂缝类别信息,将建筑混凝土图像裂缝段细化为像素级的骨架,计算建筑混凝土裂缝长度、宽度、面积,结合类别信息、裁剪定位信息和几何参数信息,完成建筑混凝土细小裂缝识别。以三跨连续拱桥混凝土细小裂缝为例设置对比实验。结果表明,设计方法减小了裂缝长度和裂缝宽度识别误差,裂缝几何参数识别结果满足精度要求。

摘要： 点云滤波是机载LiDAR点云后处理应用必不可少的环节。虽然国内外学者提出了许多滤波方法,但依然存在以下问题:一是需要复杂的参数设定;二是滤波方法鲁棒性较差,难以适应复杂的地形环境。为了实现高精度自动点云滤波,本文提出一种基于支持向量机(SVM)的滤波方法。该方法将点云滤波转换为二分类问题,通过计算点云数据的5维特征向量,使用计算出的模型将点云数据分为地面点和地物点两大类。本文采用国际摄影测量与遥感学会(ISPRS)网站发布的三组点云数据进行实验,实验结果表明该方法对具有不同地形特征的点云数据均能获得良好的滤波结果。在与其他三种代表性的滤波方法对比中,本文方法能够取得最小的滤波Ⅰ类误差(3.07%)和总误差(3.68%)。

摘要： 针对智能遥感卫星系统星上处理与端到端测绘应用的轻量化全球控制信息需求,本文提出了一种星载轻量化影像控制点数据制作方法。首先,在稀少/无地面控制数据条件下,通过国产高分辨率立体测绘卫星影像的区域网平差处理,生成全球影像控制点;其次,通过将影像控制点的局部影像描述至特征向量,设计星载影像控制点的轻量化表示模式,分析其存储性能和星上匹配应用策略;然后,采用哈希映射学习得到的哈希函数,将影像控制点特征向量转换至哈希码,实现星载影像控制点的深度轻量化处理;最后,采用多类型卫星影像数据,进行影像控制点提取、特征向量描述、深度轻量化处理以及匹配性能分析试验,验证了轻量化影像控制点星上匹配与应用可行性,得到了全球影像控制点轻量化处理能力分析结论。

摘要： 针对人脸遮挡后部分局部信息属性改变的问题,提出了一种基于鲁棒性主成分分析的全局特征向量和误差特征向量融合算法,该算法具较强的鲁棒性,在处理大面积遮挡的人脸图像时能恢复出更为准确的低秩矩阵.首先对采集的人脸图像从灰度化、补光、二值化、均衡化等方面进行图像预处理;其次将提取的人脸特征信息进行融合;最后对融合的特征人脸使用LDA算法进行特征向量提取和识别分析,并采用经典AR人脸数据库和ORL人脸库对该算法进行仿真实验.结果表明:融合的双属性算法在遮挡面积达40%的情况下仍具有79.23%的识别率,人脸遮挡识别率得到有效提高;同时进行了人脸遮挡误识率实验,实验表明最低误识率为0.05%,随着识别数量的增加,误识率趋于稳定、达到0.1%,且具有更优的实用性和适应性.

摘要： 海缆作为连接海上风电场和陆上集中控制中心的“纽带”,承担着整个风电场的电力传输和通信任务。本文以实时监测海缆运行状态、提高海缆故障诊断效果为目标,构建计及复杂海洋环境适应性的海缆敷设故障特征提取模型。本文基于复杂海洋环境对海缆敷设的影响,分析布里渊频移与电缆温度、应变的关系,构建三者之间的线性方程;结合拉曼散射信号的温度响应特性,通过确定海缆温度区分应变的变化范围;采用小波六层分解法实现监测到布里渊频移信号的软阈值去噪,选用消失矩大的小波基检测去噪信号的奇异点;按频域从低到高进行小波三层分解;经小波系数重组后,建立海缆敷设故障特征提取模型,求解各频域信号的能量、标准差特征向量,实现海缆敷设故障特征提取。实验结果表明:布里渊频移与电缆应变、温度呈线性关系;去噪后信号波形平滑、故障特征保留完好,该模型可提取不同故障的故障特征,故障特征提取效果突出。本研究为保证海缆运行状态的稳定性和适应性提供一种切实可行的方法。

摘要： 针对现有公路隧道机电设施故障检测中存在故障信号处理效果差的问题,提出一种新的普通公路隧道机电设施故障检测方法。从技术性能指标、运营效果指标2个角度着手,计算检测指令执行所需的权重比数值,完成普通公路隧道机电设施的检测指标选取。在此基础上,分析普通公路隧道机电设施故障信号的表现特点,并实施集中化采集,通过提取特征向量的方式,获得理想化的故障行为识别结果,实现故障检测方法的设计。实例分析结果显示,与未经过滤的机电设施声波信号相比,经所提方法过滤后的声波信号明显更加贴合常规声波信号的变化行为,能够提升隧道机电设施的利用率。

摘要： 基于矩阵理论中特征值、特征向量、相似矩阵等相关知识和克罗内克积的基本运算性质,首先求得两个可对角化矩阵的克罗内克积的特征向量的表示形式,其次用相似矩阵研究二阶和三阶只有一个特征值且不可对角化矩阵的若尔当标准形的克罗内克积的特征向量表示形式,之后用归纳法及相似矩阵的属于同一特征值的特征子空间同构将若尔当标准形的克罗内克积的特征向量的表示形式推广到n阶只有一个特征值的不可对角化矩阵,最后得到两个矩阵的克罗内克积特征向量的表示形式.

摘要： 准确获取和判断多标签图像中的信息,需实现该图像的精准分类识别,因此,研究基于卷积神经网络的多标签图像分类识别算法.利用四元数Gabor滤波卷积算法提取该类图像特征,将获取特征向量作为卷积神经网络模型的输入,通过模型的卷积、池化,以及单层感知器的学习和训练识别图像,实现多标签图像的识别;对模型实行双重优化,提升模型收敛速度;同时采用基于实例差异化的多标签图像分类方法,实现多标签图像分类.测试结果表明:对不同复杂程度图像纹理特征提取收敛性能良好,可准确完成多标签图像中的目标识别,Kappa系数均在0.8以上,分类效果良好.

摘要： 传统的软件静态分析结果中存在大量的误报,需要人工筛选出软件缺陷,这种人工确认方法不仅耗费大量的人力,而且准确度也存在明显的个体差异.为了实现更高效、高精度的软件缺陷确认,本文提出了一种基于机器学习的软件缺陷确认方法,首先通过构建代码特征向量,将缺陷代码转化为机器学习可学习的特征向量形式;然后采用聚类分析方法构建缺陷代码知识库,改变传统的领域专家人工构建缺陷代码知识库的方式,提高缺陷代码知识库的构建效率;最后基于构建的缺陷代码知识库和监督学习方法,建立具备高准确率的缺陷代码确认模型,实现缺陷代码从人工确认到模型确认的跨越;并通过飞控系统实例验证软件缺陷确认方法的可用性.

摘要： 针对大规模设备检修决策问题,提出了基于谱聚类算法的多因素设备分区检修模型.首先考虑设备健康指数、设备故障水平、设备价值、社会影响、设备地位等多方面因素建立了设备检修指标的样本空间;然后通过Euclidean距离构造设备相似度矩阵;以设备相似度矩阵的Laplace矩阵相对特征值差自动确定设备分区检修数目,以Laplace矩阵特征向量为依据,确定设备分区检修方案;最后根据以上检修思路,以江西某市级电网为例进行说明,算例结果表明所提出的谱聚类算法,将Laplace矩阵特征向量分别映射到二维和三维向量空间,当相对特征值差处于峰值时,设备检修分区数目为3,故可将设备划分为3个检修分区,从而达到大规模设备分区检修的效果,同时算例还表明非规格化Laplace矩阵和规格化Laplace矩阵的分区相关系数为0.8423和0.8425,说明规格化Laplace矩阵的检修分区效果更好,验证本文算法的有效性.

摘要： 针对目前基桩完整性评价方法的不足,提出了一种能够有效利用多个声学参量来对基桩完整性进行评价的V·A·F综合评判法,该方法采用混凝土质量信息异常值来评价混凝土质量,混凝土质量异常值的计算可以归结为求解声学参量矩阵的协方差矩阵(或相关矩阵)的最大特征值和对应的特征向量;提出用声测线来替代现有的测点概念,基于V·A·F综合评判法的原理,从声测线完整性、检测横截面完整性和整桩完整性三个递进层面上构建新型的桩身完整性判桩体系;通过一个工程实例验证了V·A·F综合评判法和新型判桩体系的科学性和有效性.

摘要： 安卓开发者经常需要预测安卓应用的耗电功率,从而改善安卓应用的性能.针对这一目的,提出了一种动态测电和静态分析相结合的安卓应用耗电功率预测方法.该方法利用静态分析构建安卓activity这一安卓基础组件的特征向量,利用动态分析,使用测电仪器测出一些安卓应用的activity的耗电功率.基于这些数据,利用机器学习的方法得到安卓activty特征向量和耗电功率的预测测量.此模型可以被用于预测新应用的activty耗电功率.实验结果表明,此方法能够以较低的误差预测耗电功耗.

摘要： 基于非规则空间内信号的稀疏表示提出了一种直接修复3D模型表面颜色纹理的方法.将3D网格模型各顶点处的RGB值分别视为定义在二维流型上的三个离散信号,若选取3D网格曲面上的拉普拉斯矩阵的特征向量集作为字典,大部分颜色信号在此字典下的表示系数将具有较好的稀疏性.对于表面颜色有缺失的3D网格曲面,可以以待修复颜色信号此系数的稀疏性作为先验,与模型完好部分颜色值的保真作为约束建立稀疏优化目标函数,求解该优化问题即可得到修复完整的颜色信号.大量实验证明,由于拉普拉斯矩阵的特征向量具有良好的全局性和内蕴性,使得重建的颜色信号在缺失部分高度逼近原始的颜色纹理,且与已知部分整体保持一致.

摘要： 介绍了基于图算法的跨设备受众识别。有多个设备的人，一定会用电脑，所以一定可以用cookie一device这样的关联来联系起来。每次取15天的访问数据；同一天，同一ip，找出cookie和device，做笛卡尔积，形成pair；每个pair对生成特征向量；根据已知数据，对特征向量训练，生成模型；把模型应用到新的pair，根据可信度，取可信的pair；用这些pair生成森林，每棵树就是同一个人。

摘要： 提出了基于小波分组能量谱的静音识别方法.在无线电监测中,识别静音和非静音信号可以辅助了解台站的运行状态,掌握广播内容和规律.针对广播波段,通过小波分组变换将中频频谱数据分解到不同频段,提取特征向量,最终应用模糊聚类的方法识别静音.经过实测数据的处理和分析,可以准确地识别出静音信号.

摘要： 链接预测在众多领域的网络分析中有着重要的应用.现实世界中许多网络包含了多种链接和关系,在这样的多关系网络中进行链接预测要考虑到不同关系之间的联系和影响.在本文中,提出了一个基于关系相似度的链接预测算法.在此算法中,用影响力传播的方法求出顶点的影响力并构成其特征向量,再以顶点的特征向量的相似度作为不同关系的相似度.然后根据各种关系的相似度来进行顶点间链接的预测.实验显示算法相比其他算法在多关系网络中取得了更好的结果.

摘要： 本文结合绕组短路电抗和变压器振动信号的各自特点,结合这两种信息诊断变压器绕组变形以提高诊断的准确性.本文将短路电抗变化率、振动信号小波包四层分解后的"频段—能量—欧氏距离"及振动信号主频标准偏差相关量组成表征变压器绕组状态的特征向量,然后设定基准向量,求取特征向量与基准向量的夹角作为表征绕组变形程度的特征量.变压器正常绕组负载试验、短路冲击试验、模拟故障绕组负载试验的数据分析结果表明,该方法有较好的诊断效果,对单独使用短路电抗变化率不能区分的形变也有区分度.

摘要： 在个性化教育服务时代,针对信息过载和学习迷航问题,分析个性化教育服务主动推送的理论基础,构建教育服务推送模型.利用特征向量对学生学习风格和学习资源及策略进行表征,采用余弦相似度函数分别计算用户特征向量和学习资源向量之间,用户特征向量和学习策略向量之间的相关系数,借助Bayesian推理网和概率传播技术得出用户与具体某一个学习资源或学习策略的后验概率,实现与用户需求匹配的优质教育服务.

摘要： 本发明涉及生物体特征向量提取装置以及生物体特征向量提取方法，能够不依赖于生物体信息的位置偏移或歪斜地使可从生物体信息提取的生物体特征向量的再现性提高。生物体特征向量提取装置具备：获取生物体图像的获取部、根据所述生物体图像生成多个小区域图像的小区域图像生成部、从所述小区域图像提取生物体局部特征量的特征提取部、以及通过按照规定的规则结合所述生物体局部特征量来生成表示用于识别所述生物体图像的特征的生物体特征向量的生物体特征向量生成部，所述小区域图像生成部以所述多个小区域图像间的生物体信息量的偏差控制在规定值内的方式生成所述多个小区域图像。

摘要： 本发明的目的是准确地执行估计连接到电力线的多个电子装置的运行状态，即用电状态。通过使用连接到多个电子装置的电力线在时间序列的基础上计算电流和电压。从电流和电压的时间序列中提取电源频率及其谐波的信号分量。从信号分量计算导纳向量时间序列。将导纳向量时间序列与连接到电力线的多个电子装置的特征向量的组合进行比较，以得到多个电子装置的运行状态的估计结果。

摘要： 本发明公开了基于经验向量和特征向量的故障树优化检索方法，该方法包括如下步骤，步骤1，为故障树中的中间事件和底事件均赋予经验向量和特征向量；步骤2，首先根据所述经验向量规划出当前层内事件的遍历顺序，按照所述遍历顺序进行遍历，当遍历到中间事件或底事件时，根据所述特征向量判定当前事件是否发生，然后根据判定结果确定是否沿当前事件向下遍历；步骤3，基于所述遍历顺序和所述判定结果，最终确定导致故障发生根本原因的底事件。本发明创新地采用了为故障树中的中间事件和底事件增加经验向量和特征向量的技术手段，实现了同层事件的优化检索机制和当前事件的自动检索机制，从而有效提高了复杂系统故障树的检索效率。

摘要： 本发明公开了一种生成特征向量和基于特征向量进行文本分类的方法和装置，涉及计算机技术领域。该生成特征向量的方法的一具体实施方式包括：获取文本数据的特征权重矩阵和词向量矩阵，特征权重矩阵由文本数据与业务场景类别的关联权重构成；通过对特征权重矩阵与词向量矩阵进行运算以生成特征向量矩阵，特征向量矩阵由特征向量组成。该实施方式能够结合文本数据的全部特征，实现基于业务场景的文本分类，提高了基于不同业务场景的文本分类精度，便于针对不同业务场景提升用户体验。

摘要： 本发明公开了基于干扰特征向量数据集的1比N人脸特征向量比对方法，属于人脸识别技术领域，包括构建干扰特征向量数据集和识别人员特征向量数据集；计算待测人脸图像的特征向量K；初始化相似度值数组R[t]，用来存储特征向量K与识别人员特征向量数据集、干扰特征向量数据集中相似度最高的t个相似度值；初始化识别人员ID数组J[t]，数组J为R数组中相似度值所对应的人员ID值；将特征向量K逐一与识别人员特征向量数据集和干扰特征向量数据集中的特征向量进行相似度计算，并更新R和J数组；基于J数组的最终结果，识别出待测人脸图像所对应的识别人员ID。本发明提高了人脸特征向量比对的准确率。

摘要： 本发明公开了一种基于干扰特征向量数据集的1比1人脸特征向量比对方法，属于人脸识别技术领域，包括：计算干扰数据集中每张人脸图像的干扰特征向量，构建干扰特征向量数据集；利用深度神经网络方法计算待测人脸图像的特征向量K；分别计算待测人脸图像的特征向量K与待比对人员的人脸特征向量数据集中特征向量的相似度值，并按相似度高低顺序选取前t1个相似度值；分别计算待测人脸图像特征向量K与干扰特征向量数据集中特征向量的相似度值，并按照相似度高低顺序选取前t2个相似度值；根据t1个相似度值和t2个相似度值，判断待测人脸图像是否为待比对人员。本发明将输入人脸的特征向量与干扰人脸特征向量集进行综合判断，提高系统的识别准确率。

摘要： 本发明涉及生物体特征向量提取装置以及生物体特征向量提取方法，能够不依赖于生物体信息的位置偏移或歪斜地使可从生物体信息提取的生物体特征向量的再现性提高。生物体特征向量提取装置具备：获取生物体图像的获取部、根据所述生物体图像生成多个小区域图像的小区域图像生成部、从所述小区域图像提取生物体局部特征量的特征提取部、以及通过按照规定的规则结合所述生物体局部特征量来生成表示用于识别所述生物体图像的特征的生物体特征向量的生物体特征向量生成部，所述小区域图像生成部以所述多个小区域图像间的生物体信息量的偏差控制在规定值内的方式生成所述多个小区域图像。

摘要： 本发明的目的是准确地执行估计连接到电力线的多个电子装置的运行状态，即用电状态。通过使用连接到多个电子装置的电力线在时间序列的基础上计算电流和电压。从电流和电压的时间序列中提取电源频率及其谐波的信号分量。从信号分量计算导纳向量时间序列。将导纳向量时间序列与连接到电力线的多个电子装置的特征向量的组合进行比较，以得到多个电子装置的运行状态的估计结果。

摘要： 本发明提供一种特征向量补偿装置和特征向量补偿方法。其中，特征提取单元提取输入语音的特征向量。相似性计算单元根据特征向量，针对多个噪声环境中的每一个计算相似度。补偿向量计算单元从存储单元中获取第一补偿向量，根据第一补偿向量计算第二补偿向量，并且通过以相似度作为加权系数使第二补偿向量加权相加，来计算第三补偿向量。补偿单元根据第三补偿向量来补偿特征向量。

摘要： 一种特征向量生成装置，包括：输入单元，用于输入包括视频数据和音频数据中的至少一个的内容数据；生成单元，用于基于指示内容数据的特征状态出现的时刻的信息来生成特征向量，特征状态以视频数据和音频数据中的至少一个发生改变为表征；以及存储单元，用于存储内容数据和特征向量。