随机矩阵

摘要： 配电网设备量多,覆盖面广,拓扑关系复杂,影响状态的因素众多,引入大数据随机矩阵的分析方法,通过免机理模型的方式挖掘多源因素影响下的配电网运行信息,利用随机矩阵圆环率理论,通过调整输入矩阵的数据类型与规模,对配电网整体运行态势与节点运行相关性进行分析,得到数据模型指标;结合物理指标与数据模型指标各自的特点,形成配电网运行可靠性综合评估方法。算例分析证明该方法能从宏观与微观的角度全面、快速地分析配电网的运行可靠性,满足未来配电网可靠、优质运行的需求。

摘要： 针对传统的电网窃电用户实时检测方法对窃电行为检测能力较弱,无法实现精确定位的问题,提出了基于随机矩阵的电网窃电用户实时检测方法。通过采集异常电流数据信息,结合M-P定律以及混合式矩阵的密度频谱值,精确定位异常用电用户,识别嫌疑用户具体信息。采用随机矩阵对电流的异常情况进行电流阈值的判断检测,从而得到用户异常用电的总次数,通过对用户用电异常预测数据与实际用户用电数据进行对比,根据线路出现问题次数异常、持续时间异常、用户的嫌疑系数超过正常数值,判定该用电用户为窃电用户。实验结果表明,基于随机矩阵的电网窃电用户实时检测方法具有较强的判断能力,能够更好地实现精确定位。

摘要： 针对杂波先验信息未知且群结构可能发生分裂和合并条件下的基于随机矩阵的多群目标跟踪问题,提出基于网络流理论的多群目标跟踪算法。首先建立椭圆轮廓且群结构发生分裂和合并的多群目标运动模型,再根据Pauta准则对包含目标点与杂波的量测集进行处理,消除异常值,利用自适应谱聚类算法对处理后的量测集进行分割,获得单位时间内多个群目标的数目。结合量测分割结果,构建基于随机矩阵的多群目标网络流模型,设计多约束条件下的最小费用优化函数,运用A*搜索算法求得目标函数的全局最优解。最后根据指向⁃隐含速度约束条件得到最优关联航迹。仿真结果表明,与GM⁃GPHD滤波器相比,所提算法可准确地提取多条航迹并具有较低的计算复杂度以及更好的跟踪性能。

摘要： 针对传统人脸特征识别系统安全性问题,提出了一种可撤销人脸的模糊保险箱算法。解决了由于模糊保险箱方案中存在真实细节点信息,导致人脸特征不安全的问题。在进行特征模板加密过程前,先用正交随机矩阵加密,加密后的模板具有可撤销性,不存储真实细节点信息,增强了系统的安全性。并在解密过程中的解码阶段,用Berlekamp–Welch解码算法代替CRC解码,该算法在解密阶段仅需根据解码集重构一次多项式,提高了算法的效率。改进后的模糊保险箱算法在生物特征模板受到攻击或者泄露时,能够随时删除并重新产生新的正交随机矩阵,并生成新的生物特征模板,具有可撤销性和安全性。该方案基本流程分为四部分:2DGabor-PCA特征提取、特征可撤销变换、模板加密、模板解密。在ORL人脸库进行测试,最佳识别准确率达到96%,经过对比实验验证了该方法的有效性,能够满足生物模板保护方案所需的不可逆性和可撤销性。

摘要： 为解决电力系统中同步向量测量装置(PMU)在暂态脱机状态下无法感知到弱信号,从而导致误差修正结果较差的难题,设计了一种基于随机矩阵的PMU暂态脱机检测误差修正方法。首先利用0-1整数规划法建立配置数学模型并优化,采用割平面法求出数学模型的最优解。然后根据求解结果选取滑动窗口构建PMU采样信号的随机矩阵,增强弱目标信号的检测精度。最后选用最大最小特征值法修正误差,直至误差在系统允许的合理范围内,至此完成误差修正方法的设计。实验结果表明,未采用修正方法时,三相电压幅值、三相电流幅值以及三相电流电压间相位角的检测误差均超过允许的最大范围,经过修正后的检测值误差均小于允许误差的极限值,说明所提方法可有效修正检测误差。

摘要： 针对瓦斯监控预警系统中的传感器节点能量有限及传输带宽有限,为减少信息传输量和布置节点的数据量,采用基于零空间调整的重构方法对瓦斯数据进行重构。瓦斯传感器对应的观测矩阵是瓦斯传感器的脉冲响应函数循环而构成的循环矩阵,应用高斯函数序列构造的循环矩阵来模拟。选用不同煤矿的多组瓦斯监测数据作为实验数据,对瓦斯数据进行快速傅里叶变换,观测矩阵分别使用循环矩阵和随机矩阵。重构实验结果表明,模拟脉冲响应函数的循环矩阵对瓦斯检测信号重构效果较好,当采样率一定范围减少时,循环矩阵下重构的平均误差约5%。因此,实际工程中可由降低50%采样率的数据来重构原始数据,显著减少数据采样点数,节省工程检测成本。一定范围内可用低分辨率的瓦斯传感器代替高分辨率的瓦斯传感器,以降低构建瓦斯监控物联网的成本。

摘要： 由于可再生能源发电大量并入电网使输电线路潮流的不确定性增大,因而使输电线路发生故障的几率增大,故障类型、特征呈现日趋多样性。对此,基于长短期记忆网络和随机矩阵提出了一种输电线路故障智能识别方法。针对可再生能源发电的随机性特征,提出了基于随机矩阵理论的输电线路故障时刻确定方法;在此基础上,给出了大样本故障随机矩阵的学习训练形成方法;进而,基于长短期记忆网络进一步识别输电线路的故障类型;最后,以某实际输电线路为例进行验证,表明了所提方法的有效性。

摘要： 对于一般的压缩感知模型,当模型中系数矩阵的每一项都是亚高斯随机变量并且稀疏矩阵满足限制等距性质时,在测量值满足最优条件m≥csln(e N/s)的情况下,模型的s稀疏解也可以通过?1最小化得到.文章中首先借助概率分布范数给出了三个重要的辅助定理,最后给出主要结论的证明并且通过一个简单的实验验证了最后的定理.

摘要： 癌症基因微阵列数据中冗余基因过多,增加了基因子集规模,导致计算难度提升、判断性能下降.采用高维随机矩阵构建了一种癌症基因网络识别方法,利用维度较高的随机变量构成高维随机矩阵,根据随机矩阵与相关矩阵的属性特征,在系数矩阵右边增加一列扩增随机矩阵,基于矩阵的不失一般性,采用奇异值分解式,完成相关矩阵奇异值拆分,划分随机噪声与真实信息,通过计算各特征重要程度,去除冗余以及与类别不存在关联性的特征,明确高维随机矩阵理论降噪参数后,选取相关系数不小于降噪参数的基因,实现基因网络识别.仿真结果表明,所提方法可简便有效观测基因关联,实现癌症基因网络识别.

摘要： 针对基于随机矩阵的异常检测算法中特征信息利用不充分、特征向量与特征值未能有效结合的缺点,提出了一种基于随机矩阵特征值与主特征向量相融合的滚动轴承状态异常检测算法.首先,利用滚动轴承健康监测原始数据构造观测矩阵,并通过归一化、特征提取、矩阵扩充等步骤,建立表征滚动轴承运行状态的高维随机协方差矩阵;其次,有机融合协方差矩阵特征值和主特征向量,构造综合特征检测指标,并给出阈值指标计算公式和状态异常检测判定依据;最后,通过IMS滚动轴承全寿命试验数据对所提方法进行了应用研究.结果表明,与单一特征值指标、峭度指标等异常检测算法相比,基于综合特征指标算法能较早检测出滚动轴承运行中的早期异常点,为故障预警和设备维护提供依据.

摘要： Markov密码的(差分链)转移概率矩阵是双随机矩阵,其第二大(模)特征值对于确定Markov密码必要的迭代轮数有重要价值.本文探讨IDEA密码的缩小模型IDEA(16)的转移概率矩阵П第二大(模)特征值的计算方法,这里的П是一个65535阶非对称实方阵.首先,使用降维法将与最大特征值相关的子空间分离出去,由П得到65534阶矩阵П.然后利用迭代法计算П的最大特征值——设计了并行算法来实现它.该算法的时间复杂度比QR算法的O(8n)大约低半个数量级.以上算法对于类似密码的分析同样实用,比如HDEA(ZL94116286.9).

摘要： 公有云服务因其资源利用率高、计算能力强等优势而得到了迅速发展,然而云上的隐私信息保护成为其未来发展道路上的一个不可忽视的问题.本文提出一种基于仿射变换的凸二次规划计算方法以解决隐私信息保护问题,该算法通过仿射变换和随机矩阵的方法,将原始数据映射到一个全新空间,保证用户隐私数据信息的安全可靠.基于此方法,本文实现了原型系统,针对原型系统计算效率的测试结果表明,在不增加过多开销的情况下,本文方法可以有效的保护公有云平台中的用户敏感信息.

摘要： 本文首先阐述了随机矩阵理论的发展及动态，然后介绍了该理论在原子核激发与衰变进程中的应用以及在一个生命深化模型(爱根模型)中的应用。

摘要： 本文探讨IDEA密码的缩小模型IDEA(16)的转移概率矩阵П0第二大(模)特征值的计算方法,这里的П0是一个65535阶非对称实方阵.首先,使用降维法将与最大特征值相关的子空间分离出去,由П0得到65534阶矩阵П.然后利用迭代法计算П的最大特征值--设计了并行算法来实现它.该算法的时间复杂度比QR算法的O(8n3)大约低半个数量级.以上算法对于类似密码的分析同样实用,比如HDEA(ZL94116286.9).

摘要： 采用有限列随机平面波叠加来模拟混响室电磁环境，这种等效模拟的方法无需剖分腔体网格，无需计算腔体多次反射过程，使得电大尺寸结构混响室条件下高频电磁仿真计算变为可能．

摘要： 采用有限列随机平面波叠加来模拟混响室电磁环境，这种等效模拟的方法无需剖分腔体网格，无需计算腔体多次反射过程，使得电大尺寸结构混响室条件下高频电磁仿真计算变为可能．

摘要： 采用有限列随机平面波叠加来模拟混响室电磁环境，这种等效模拟的方法无需剖分腔体网格，无需计算腔体多次反射过程，使得电大尺寸结构混响室条件下高频电磁仿真计算变为可能．

摘要： 采用有限列随机平面波叠加来模拟混响室电磁环境，这种等效模拟的方法无需剖分腔体网格，无需计算腔体多次反射过程，使得电大尺寸结构混响室条件下高频电磁仿真计算变为可能．

摘要： 本发明公开了一种基于图随机游走构建局部矩阵的评分预测方法，属于个性化推荐领域。根据用户‑物品评分矩阵构建用户‑物品二分图，在二分图上进行随机游走，选取游走后节点收敛概率最大的A个用户和物品组成A个锚点；对于每个锚点，使用带重启动的随机游走算法，得到每个节点与锚点的相关关系，从而将每个节点分配进相应的锚点邻域中。每个锚点及其邻域将构成一个局部矩阵，在每个局部矩阵中使用矩阵分解方法进行评分预测。将A个局部矩阵的预测评分进行平均，得到最终预测结果。本发明使用了基于图随机游走来选择锚点和构建锚点的邻域，避免传统距离计算过程带来的误差；从节点出发，将其分配进不同的锚点邻域，能够实现对大矩阵的完全覆盖。

摘要： 本发明提供了一种基于随机源矩阵和层次分析的用电特征辨识方法及系统，根据获取的有功负荷数据和气象因素数据，得到增广数据源矩阵；通过移动窗口，从增广数据源矩阵中选取子矩阵；根据子矩阵，得到第一目标层的因素，以第一目标层因素为准侧，得到第二目标层的各个因素的两两比较判断矩阵；根据两两比较判断矩阵，得到第二目标层的各个因素相对于总目标的权重，根据第二目标层的各个因素作为准则时的第三目标层的排序权向量，构建排序权矩阵，根据排序权矩阵，得到第三目标层各个因素相对于总目标的权重；根据第三目标层各个因素对于总目标的权重，得到有功负荷数据的分析结果；本发明实现了基于多个气象因素的更准确用电行为分析。

摘要： 本发明提供了一种基于随机森林和序列矩阵的蛋白互作预测方法。通过获取蛋白质序列，根据序列矩阵蛋白质编码方法，编码蛋白质正相关数据集和蛋白质负相关数据集，获取第一输出序列矩阵；根据所述第一输出矩阵执行特征提取以生成第一特征向量；根据所述第一特征向量以及蛋白互作预测模型对所述蛋白质执行互作预测，并输出预测结果。通过将序列矩阵和随机森林相结合进行蛋白互作预测模型的构建，鉴于随机森林在处理噪声和过拟合方面的优点，以及序列矩阵编码方法编码效率高、编码简单、省时的优点，从而提高了蛋白质相互作用识别的准确率，增强了蛋白相互作用预测模型的鲁棒性。

摘要： 本发明提出一种基于随机矩阵理论的配电网无功补偿容量确定方法，其包括：通过归一化节点注入功时间序列矩阵、节点注入无功时间序列矩阵和节点电压时间序列矩阵，构建高维随机矩阵以及协方差矩阵S，获取协方差矩阵的特征根；构建包含节点无功补偿容量时间序列矩阵、节点电压偏差时间序列矩阵的高维随机矩阵，以及对应的协方差矩阵和协方差矩阵的特征根；通过计算两个协方差矩阵最大特征值比，拟合配电网无功补偿容量；从而免去了传统无功优化中冗长复杂的计算工作量。

摘要： 本发明公开了一种基于随机矩阵理论和在线序列极限学习机的电网态势感知方法，本发明充分挖掘电网运行数据，以电压数据和相角数据为研究对象，从电压态势和支路态势两个角度对电网实时态势进行评估和未来态势预测，构建电网态势感知体系，实现电网的运行态势感知。

摘要： 本发明公开一种基于随机矩阵理论和模糊C均值聚类算法的PMU数据分类方法。包括：步骤1)建立历史PMU数据随机矩阵模型，通过建立线性特征值统计量进行特征提取，得到特征数据集；步骤2)用模糊C均值聚类算法对特征数据集进行聚类，得到各类的聚类中心和隶属度矩阵；步骤3)将实时电网运行数据结合历史数据建立随机矩阵模型，通过建立线性特征值统计量进行特征提取，生成特征数据；步骤4)使用步骤2的结果进行初始化，对步骤3生成的特征数据进行模糊C均值聚类，判断实时数据的类别。本发明可实现数据驱动下的PMU数据实时分类。

摘要： 本发明公开了基于随机矩阵理论和欧式距离的悬浮系统故障预诊方法，包括以下步骤：S1、基于随机矩阵理论和大数据构建初始矩阵；S2、通过预设的移动窗口将初始矩阵转换为批量随机矩阵；S3、根据随机矩阵理论单环定理将批量随机矩阵转换为非Hermite矩阵；S4、计算非Hermite矩阵的特征值，并根据该特征值得到其的MSR，并将MSR作为悬浮系统的健康状态值；S5、当悬浮系统的健康状态值MSR达到预警值时，计算每个参数的贡献度；S6、计算步骤S5中每个参数的贡献度与已有各类故障数据中各参数贡献度的距离，并以与当前状态距离最小的故障作为悬浮系统将要发生的故障，即为预测性故障诊断结果。本发明利用随机矩阵理论和欧氏距离实现预测性故障诊断，检测简单、可靠性高。

摘要： 本发明公开了一种基于随机矩阵法的部分遮挡扩展目标跟踪方法及装置，包括：接收初始时刻的量测数据，初始化目标状态和扩展形态；利用随机矩阵法对上一个时刻的目标航迹进行状态和扩展形态的一步预测；利用雷达位置和障碍物位置、形状判断是否存在遮挡；接收当前时刻的量测数据，使用随机矩阵法对未遮挡区域的状态和扩展形态进行更新，对未遮挡比例因子进行更新；利用更新后的未遮挡比例因子和未遮挡区域的状态和扩展形态对整体目标进行更新；输出目标航迹信息。本发明提升了在目标被遮挡情况下状态、扩展形态估计的精度，降低了目标状态的估计误差，能够应用于智能交通、自动驾驶等领域拥挤道路目标跟踪等情况下，对被遮挡目标进行准确跟踪。

摘要： 本发明公开了一种基于随机矩阵理论的低压配电网边‑云协同故障检测方法。采用边‑云协同的方式，包括运行于边缘物联代理的故障快速检测和运行于配电网控制中心的故障定时定位分析。在边缘物联终端基于时滞相关性分析快速检测故障，构建长时间序列模型，使用自回归滑动平均模型拟合时间序列，基于时间序列的极限谱密度函数典型值快速判断故障；边缘物联终端检测到故障后，经过数据筛选向配电网控制中心上传故障相关数据，集成历史数据与实时数据，构建高维随机矩阵模型，并使用谱偏离度指标对故障进行定时定位分析。本发明不需要详细的物理参数，节约了配电网控制中心的计算资源，同时对数据异常、通信丢包等异常情况具有较好的耐受能力。

摘要： 本发明公开了一种基于随机矩阵的柔性直流电网线路纵联保护方法，具体为：将直流线路和直流母线、直流母线和相邻直流线路的1模电压故障分量组成两个矩阵，对两个矩阵进行复制、平移和镜像处理，扩展成为两个原始矩阵；叠加由拓扑参数确定的噪声矩阵，再根据随机矩阵理论变换为2个标准矩阵积；构造柔性直流电网线路的故障方向判据，确定阈值，计算2个标准矩阵积的平均谱半径，如果2个平均谱半径同时小于阈值，为正向故障，本地检测信号置1，并发送到对侧；构造故障线路识别判据，如果两侧检测信号为1，判定为故障线路。本发明能准确识别故障线路，耐受过渡电阻能力强，具有良好的抗噪声能力，可用于不同接线方式的柔性直流电网。