非线性映射

摘要： 在关联代数上的中心化子及Lie中心化子的基础上,通过代数组合的方法探究关联代数上的非线性中心化子及非线性Lie中心化子的性质。设(X,≤)是一个有限预序集,R是含2–扭自由的单位元的交换环。设I(X,R)是定义在R上的关于X的关联代数,且Φ、Φ:I(X,R)→I(X,R)是非线性映射。若Φ是中心化子,证明了非线性映射Φ为可加中心化子及若Φ是非线性Lie中心化子,证明了存在a∈Z(I(X,R))及τ:I(X,R)→Z(I(X,R)),使得对任意x∈I(X,R)有Φ(x)=ax+τ(x),其中τ作用于交换子[x,y]为零。

摘要： 针对单幅图像超分辨率重建中出现纹理模糊、重建效果差和重建复杂度高的问题,提出一种改进的残差网络重建方法.首先应用一层卷积网络进行特征提取,然后应用4个连续的残差块组成的残差网络进行非线性映射,输出残差图像,最后将残差图像和网络的输入低分辨率图像相加得到最终的高分辨率图像.在set5和set14数据集上的实验结果表明:与Bicubic、SRCNN和FSRCNN方法相比,本算法能有效地实现图像超分辨率重建,获得更好的高频细节信息.

摘要： 针对单幅图像超分辨率重建中出现纹理模糊、重建效果差和重建复杂度高的问题,提出一种改进的残差网络重建方法.首先应用一层卷积网络进行特征提取,然后应用4个连续的残差块组成的残差网络进行非线性映射,输出残差图像,最后将残差图像和网络的输入低分辨率图像相加得到最终的高分辨率图像.在set5和set14数据集上的实验结果表明:与Bicubic、SRCNN和FSRCNN方法相比,本算法能有效地实现图像超分辨率重建,获得更好的高频细节信息.

摘要： 图像超分辨率重构是计算机视觉领域中的一个经典问题,旨在通过算法将一幅或者多幅低分辨率图像转化为高分辨率图像.近年来,基于深度学习的单幅图像超分辨率重构算法得到了广泛的应用.针对多数网络存在的学习能力较弱、训练时间较长以及重建图像质量有待提升等问题,提出一种基于残差学习的图像超分辨率重构方法.网络通过级联深度卷积网络对图像进行特征提取,引入残差学习获得深层次的纹理细节信息,并加快网络的收敛速度,避免梯度爆炸和梯度消失,通过反卷积层对特征图像进行上采样,重建出与目标图像尺寸相同的高分辨率图像.在Set5、Set14等测试集中,使用峰值信噪比(PSNR)和结构相似性(SSIM)作为所提算法的评价指标,同时对比SRCNN、FSRCNN以及VDSR等方法均重建出了效果更好的图像.实验结果表明,该方法能够有效地提高特征信息的利用率,生成具有丰富细节且清晰的高分辨率图像.

摘要： 核方法通过将原始空间数据映射到高维希尔伯特空间,将非线性映射隐含在线性学习器中,使用核函数代替高维空间中复杂的内积运算,能够有效避免高维空间计算带来的"维数灾难".核方法具备可学习性、高效计算、可线性化、泛化性能好等优势,为解决非线性目标跟踪问题提供了一种新的有效途径.传统的目标跟踪方法往往利用跟踪模型预测目标当前运动状态,并确保跟踪的准确性与实时性,核方法则提供了线性化处理的一般途径,且可以不依赖具体模型,具备高效计算能力,将核学习方法引入目标跟踪领域有望提升目标跟踪的环境适应性.本文基于核方法基本思想,着重梳理了核学习目标跟踪当前的研究进展,包括基于核学习的目标检测算法、生成式和判别式目标跟踪算法,以及构造不同核函数的多核学习方法,并对核学习目标跟踪在核函数优化、长时间跟踪、特征提取、目标遮挡等方面的进一步研究与探索进行展望.

摘要： 以烈士河大桥(12联混凝土简支箱梁桥)为例,基于长短期记忆(LSTM)网络建立了应变和挠度监测数据间的非线性映射模型。首先,运用小波包分解与重构方法分离实测应变数据中的温度应变,得到车载应变数据。然后,运用LSTM网络分别构建应变和挠度的单对单和多对多映射模型。结果表明,单对单和多对多映射模型的相关性和误差均满足控制标准;多对多映射模型的回归预测偏差较单对单映射模型更小,性能优于单对单映射模型。

摘要： 提出了一种基于非线性映射与核主成分分析的区域配电网综合评价方法.首先,将高维配电网评价结果经非线性映射降至二维,再利用改进的K均值聚类对二维数据进行分类;其次,用核主成分分析对存在非线性关系的配网评价指标降维,从经济性、安全性、可靠性、智能化水平4方面构建配网评价指标体系;最后,依据聚类划分和指标评价结果,分析各区域配电网的发展状况.应用所提方法对某省108个县域配电网进行综合评价,评价结果有效反映出该省108个县域配电网的发展现状并能确定其主要问题,表明了所提方法是科学有效的.

摘要： 聚类分析是机器学习与数据挖掘中的重要工具,而子空间聚类是高维数据分析中常用的聚类方法.基于谱图的子空间聚类方法首先学习数据在子空间中的自表示系数矩阵,然后基于此进行谱聚类分析.通过研究子空间聚类的过程和模型设计,发现基于子空间的聚类方法存在难以保持数据非线性和局部几何结构的问题.为此,文中提出了一种可以提取非线性结构的子空间聚类方法.首先,使用非线性映射函数将原始数据空间映射到高维的线性空间,利用块对角表示保持子空间的独立性.此外,为了对聚类过程中数据的局部结构进行约束,文中引入了基于拉普拉斯矩阵的流形正则项.然后,采用3种计算拉普拉斯矩阵的方法设计不同的基于流形正则和块对角约束的非线性子空间聚类模型.最后,在不同数据集上的实验结果验证了所提算法的有效性.

摘要： 针对现有保序加密方案在安全性、高效性和易用性方面难以兼顾的问题,提出一种基于随机函数的非线性映射保序加密方案.该方案将明文空间看作一个等差递增数列,基于密钥将数列中每一个元素都映射到一个单独的密文空间.该密钥通过一个非均匀分布的随机数发生函数来生成,而密文空间的构造利用计算机程序来实现.在加密时,只需从对应的密文空间中随机选取一个值即可作为其密文.分析和实验结果表明,所提方案达到了等序明文不可区分(IND-OCPA)安全,并能有效防止统计攻击;其每十万个数据的平均加密时间为30 ms～50 ms,加密效率较高;该方案不需要复杂的参数预设,且可以采用任何计算机语言实现,具有良好的易用性.

摘要： 铸造工艺参数,如浇注温度和浇注时间是影响铸件质量的重要因素.在铸造过程中,可以通过优化这些工艺参数来达到提高铸件质量的目的.长期以来铸造工艺参数是通过人为地给出,缺乏科学性.本文提出了基于BP神经网络的铸造工艺参数推荐方法,根据BP神经网络的非线性映射功能,利用铸造企业ERP中大量丰富的工艺生产数据,结合MATLAB神经网络工具箱的方法,对该模型进行训练及验证,结果表明该模型预测浇注温度及时间具有较为准确的特点,可以适用于铸造工艺参数推荐的研究.

摘要： 旋转森林(Rotation Forest,RoF)是一种运用线性分析理论和决策树的集成分类算法,在分类器个数较少的情况下仍取得良好的结果,同时能保证集成分类的准确性.但对于部分基因数据集,存在线性不可分的情况,原始的算法分类效果不佳.提出了一种运用核主成分分析变换的旋转森林算法(KPCA-RoF),选择高斯径向基核函数和主成分分析的方法对基因数据集进行非线性映射和差异性变化,着重于参数的选择问题,再利用决策树算法进行集成学习.实验证明,改进后的算法能很好地解决数据线性不可分的情形,同时也提高了基因数据集上的分类精度.

摘要： 水听器接收的运动目标宽带噪声的频率.时问/(co，f)声场干涉结构图随着目标的运动会发生相应的变化。这个变化将引起取∞，f)中干涉条纹的弯曲，使得以∞，0和频率一距离干涉结构图不再有简单的线性映射关系。在深入分析宽带噪声运动目标频率.时间“∞，幻和相应频率.距离/(co，一声场干涉结构问的非线性映射关系的基础上，提出了一种从H∞，t)至tJ线性/(co，n的时空变换方法(Time—Space Linear Transformation，TSLT)。数值仿真实验结果表明，TSLT可以有效地消除目标运动的影响，从/(co，f)中恢复出能真实反映频率一距离声场干涉结构规律的1(09，一。最后给出利用运动目标宽带噪声声场干涉结构估计波导不变量的应用例。

摘要： 随着CAN总线技术应用于汽车领域,汽车故障诊断也面临着革新。本文针对当前在汽车上应用的CAN总线技术,以及汽车故障信息复杂的特点,开发了CAN-USB转换卡。在此基础上应用Microsoft Visual C++6.0 软件设计了小波数字滤波器,并建立了以BP神经网络为核心的汽车故障诊断系统。最终实现了对汽车上CAN总线信号接收,滤波去噪,以及对汽车主要系统进行在线故障诊断和预报。实验结果表明,小波滤波的方法对复杂的汽车故障信号去噪效果良好,各系统的BP网络训练有效,实现了汽车故障现象和故障部位的非线性映射。

摘要： 根据BP神经网络实现GPS高程与正高或正常高之间的非线性映射转换关系，利用Matlab软件对BP神经网络GPS高程拟合的算法，获得高精度的水准高程值H0，则可获得相应水准精度。

摘要： 提出一种基于v-SVR的单桩极限承载力预测方法。该方法从基桩高应变动测试验结果中提取特征参数，组成反映基桩竖向承载力的特征向量，并利用一种改进的支持向量机(v-SVR)的非线性映射特性和学习能力，建立特征向量和单桩竖向极限承载力之间的非线性隐式方程，用以预测单桩极限承载力。在预测模型建立过程中，采用留一法和网格搜索法相结合进行预测模型选取。实例研究表明：基于v-SVR的单桩极限承载力预测方法比凯司法及人工神经网络法的预测结果更接近静载试验结果，且预测结果较为准确，具有一定的实用价值。

摘要： 糖厂澄清工段是糖厂一个非常重要的工艺生产过程,具有强非线性、多约束、时变时滞、多输入等特点,无法建立精确的数学模型.而利用BP神经网络可以实现任意非线性映射的特点,可以建立其神经网络模型,这为将来使用优化控制算法(如自适应动态规划方法)实现pH值的优化控制打下良好的基础.

摘要： 针对线性PLSR在多传感信息回归建模中存在不足,提出了一种基于INLR-PPLS的非线性多传感耦合信息建模新方法。首先用线性PLSR对传感信息进行预处理，达到降维的效果，然后基于INLR外模型非线性样本矩阵变换、基于PPLS内模型非线性映射、多传感非线性回归模型反求，实现对非线性多传感耦合信息的建模。应用于液态乙醇浓度测控系统的实验表明，该方法较线性PLSR预测准确度提高21%。

摘要： 应用疲劳裂纹的声发射信号分析方法,分析了2A12铝合金疲劳裂纹在不同阶段声发射信号的特点,进而应用人工神经网络的非线性映射能力,利用试验所得样本对疲劳裂纹进行模式识别,识别裂纹扩展的不同阶段和裂纹大小。实际试验结果表明,该方法能够检测常规检测方法无法检测的疲劳裂纹,裂纹模式识别结果具有一定的精度,有一定的实际工程意义。

摘要： 神经网络方法因其非线性映射能力强、计算速度快、容错性好等优点,正越来越多地用于基于振动的结构损伤识别.目前应用最为广泛的是BP神经网络,但它存在收敛速度慢、易于陷入局部极小的缺点.本文以带有弹性地基的悬臂梁为例,研究基于联想神经网络的损伤识别方法.以悬臂梁的一阶模态为网络输入数据,基于敏感性分析,对弹性地基的损伤位置和损伤程度进行分阶段识别.这种方法有效降低了网络的复杂性,减少了学习样本,提高了学习效率.并提出一种可靠性分析方法,可以对识别结果进行有效判断。

摘要： 本发明涉及一种基于非线性混合核特征映射的图像隐写检测方法及系统，包括：获取待测图像，采用富模型类型特征提取方法对待测图像进行特征提取，确定待测图像的统计特征，将待测图像的统计特征纵向依次分割，获得待测图像统计特征块集合，利用基于非线性混合核函数的特征映射算法对待测图像统计特征块集合中的每个待测图像统计特征块进行映射，获得映射后待测图像统计特征块集合，将映射后待测图像统计特征块集合中的每个映射后待测图像统计特征块进行拼接，合成待测图像高维富模型特征，根据待测图像高维富模型特征，采用训练好的集成FLD分类器确定待测图像是否含有隐写信息。通过本发明的上述方法提高检测精度且不增加时间复杂度。

摘要： 本发明公开了基于多项式映射的特征构建的非线性均衡方法及系统，本发明方法具体步骤如下：S1、接收端采样信号Xt经过归一化处理得到均衡器归一化的接收端采样信号X；S2、根据多项式方法引入信号的非线性特征，重新构建特征序列Xf；S3、利用自适应算法，在训练集上调整线性均衡器的抽头系数，得到训练好的线性均衡器，将需要进行均衡的信号输入到均衡器中，并对均衡器输出进行判决，实现信道均衡。本发明通过特征构建利用线性均衡器处理信号的非线性损伤，与传统非线性均衡器相比，大幅度缓解自适应调整均衡器各个抽头权重过程中庞大的计算量，并且能够获得与非线性均衡器相同数量级的性能。

摘要： 本发明公开一种面向实时信控的非线性决策映射多目标仿真优化方法、设备及介质，方法为：S1，随机抽样获取非线性决策映射的参数向量集；S2，若达到终止条件，将当前参数向量集作为最优参数向量集输出，否则继续S3，针对各参数向量执行仿真评价：在设定仿真时长内，每当触发实时信控，非线性决策映射根据采集的交通状态信息发布下一时段的信号控制方案；并将各个时段的路网性能评价向量加和，得到对应于该参数向量的多目标函数值；S4，根据参数向量集及目标函数值集进行离线多目标仿真优化，获得最优参数向量集并作为当前参数向量集，返回S2。本发明所提出的方法旨在于训练非线性决策映射，该决策映射可更快得到实时最优信号控制方案。

摘要： 本发明公开了一种空间变速非线性轨迹扩展映射高分辨成像方法，主要解决现有技术无法实现曲线轨迹下调频连续波成像及在大幅宽情况下空变严重，成像质量低的问题。其实现方案是，获取回波信号的泰勒展开；构造二维旋转矫正函数对信号二维波数谱正侧化；构造加速度一致补偿函数恢复信号二维波数谱；利用加速度一致补偿函数对信号进行补偿；采用波数域方位重采样方法对加速度补偿信号重采样；利用一致聚焦补偿函数对重采样后的信号进行一致聚焦补偿，并对其进行改进Stolt插值；利用统一去斜校正函数对插值后的信号依次进行去斜处理和调频斜率扳直处理，得到最终高分辨成像结果。本发明减小了空变，提高了成像质量，可用于雷达图像匹配定位。

摘要： 本发明公开了一种基于混沌映射的非线性富氧喷吹方法及电子设备，涉及有色金属冶炼领域，该方法包括：当前换速时间段对应的混沌映射值和富氧喷吹过程中的峰值喷吹气量值，得到当前换速时间段对应的混沌喷吹气量值；根据混沌喷吹气量值，确定当前换速时间段对应的风机组件中的风机叶片转速；根据风机组件中的风机叶片转速，更新当前换速时间段对应的风机组件中的直流电机的转速，并根据更新后的直流电机的转速驱动风机叶片转动，以更新所述风机组件的出气量，重复上述操作，直至最后一个阶段，实现非线性富氧喷吹，可以诱导熔池内部达到混沌状态，促进反应过程的进行，大大提高冶炼效率。

摘要： 本发明提供一种基于非线性交织映射的音频恢复方法，包括：S1、获取待处理视频，对所述待处理视频进行预处理，生成连续的灰度图像序列，所述待处理视频包括物体受周围声源影响而产生的振动图像；S2、将所述灰度图像序列中的每幅图像与二维三角函数交织辅助函数进行像素坐标和图像亮度的非线性交织映射，从而获得与当前图像对应的一组二维0‑1矩阵，对每个二维0‑1矩阵分别进行降维处理后生成一维数据；S3、对各所述一维数据进行滤波去燥后，得到恢复音频。本发明从全局角度具有更好的尺度伸缩性，可以提高整体的细节分辨率，有助于提高声音细节的恢复质量。

摘要： 本发明公开了不同趋势下Logistic映射序列的非线性趋势项消除方法，包括步骤：步骤S1：采用数据集构造Logistic映射序列，基于Logistic映射序列构造混沌系统Logistic映射序列；步骤S2：将混沌系统Logistic映射序列与不同趋势叠加，得到不同趋势下的Logistic映射序列z，z＝zs+zt，zs是平稳项，zt是趋势项，步骤S3：采用构造的不同趋势下的Logistic映射序列消除原始信号中的非线性趋势项，得到信号的平稳部分。本发明计算简单、快速，是基于正则化原理的去趋势化方法，确定平滑先验法的正则化参数；根据趋势项的截止频率与特征值参数之间的一对一的数值关系，获得与频率分量对应的趋势项。

摘要： 本发明公开了一种交互式投影系统非线性点坐标映射方法，包括以下步骤：步骤1，确定映射变换模板；步骤2，光斑坐标线性映射；步骤3，光斑坐标非线性映射；步骤4，实现交互。本发明提供了一种交互式投影系统非线性点坐标映射方法，该方法可实现图像非线性畸形矫正，将相机捕捉到的畸变光斑，转换成准确的光斑，从而保证了交互式课堂教学系统的正常交互操作。

摘要： 本发明公开了一种结构多尺度异类响应的非线性映射智能建模方法，包括如下步骤：提取各次荷载作用下的结构全局响应（位移等）时序数据和局部响应（应变等）时序数据的非平稳段，并存储为一一对应的两个或多个数据集（全局/局部）；将全局/局部响应数据集按照固定比例划分为训练集与检验集，并进行归一化等预处理；设计长短期记忆（LSTM）回归网络，设定网络训练参数，采用训练集数据对神经网络进行训练学习；模型训练达到预设Epoch后，检查已训练模型回归预测结果与检验集数据的均方根误差（RMSE），如其足够小，则该网络模型可投入使用，反之则调整网络参数和训练参数进行重新训练。与现有技术相比，本发明方法逻辑严密，考虑因素全面，实施有章可循。

摘要： 本发明公开一种使用多块非线性映射策略的脱碳装置运行状态监测方法，旨在解决如何为合成氨工艺中脱碳装置的采样数据实施显式的非线性映射从而描述非线性关系，并在此基础上自适应的实时提取出最有益于实施运行状态监测的特征，从而有效的实施脱碳装置运行状态监测。与传统方法相比，本发明方法采用了一种显式的三阶非线性映射来描述各个测量变量之间的非线性关系，并按照不同的阶次对其进行分块处理。其次，本发明方法涉及使用一种全新的在线多块异常特征分析技术，针对不同的在线采样数据自适应的获取相应的载荷向量，从而分析提取得到不同子块的异常特征，并总能保证提取的子块特征都是最能表现异常变化的。