基于多尺度信息融合的层次聚类算法

在体绘制领域和图像分割中,数据集通常具有流形结构,各部分边界连接紧密且伴随局部噪声,给传统聚类算法的应用带来了较大的困难．本文根据非参数密度估计方法提出了一种基于多尺度信息融合的层次聚类算法．新算法通过整合密度差异和边界信息构造了一种多尺度结构信息融合的相似性度量,通过水平集的图连接策略推导出一种层次化的类结构剖析过程以获取稳定的聚类结果．新算法不受数据集形状、密度类型的限制,无需对数据集进行假设,可自动识别数据集常见的聚类结构特征．同时聚类结果较为稳定,算法对噪声具有较强的鲁棒性．从人工数据集和真实数据集以及应用试验的测试结果可以看出新算法的优越性能．     

融合夹角度量的局部线性嵌入算法

局部线性嵌入(LLE)等流形学习算法中需要通过欧氏距离来度量数据点之间的近邻关系,但欧氏距离只表示两点间的直线距离,在高维空间中不一定能真实反映出图像数据点之间的空间分布情况.针对此问题,本文提出了融合数据间夹角和欧氏距离度量LLE近邻和分类的方法.该方法通过融合图像数据间的夹角和欧氏距离来度量图像数据点之间的近邻关系,寻找k个近邻点,实现更有效的局部重构,提取鉴别特征,然后用融合了数据间夹角的最近邻分类器对数据进行分类.在KSC和Indian Pine高光谱遥感影像数据集上的实验结果表明:在总体分类精度上,本文算法比LLE提升了1.54%～6.91％.     

近邻概率距离在旋转机械故障集分类中的应用方法

针对多种故障类型的特征属性相互交叉导致故障难以辨识的问题,提出一种考虑相邻点之间成为近邻点概率的新度量函数。将新提出的近邻概率距离(Nearby Probability Distance,NPD)应用于局部保持投影算法(Locality Preserving Projection,LPP)与K-近邻(K-Nearest Neighbor,KNN)分类器中,提出基于近邻概率距离的局部保持投影算法(Nearby Probability Distance Locality Preserving Projection,NPDLPP)与基于近邻概率距离的K-近邻(Nearby Probability Distance K-Nearest Neighbor,NPDKNN)分类器;首先通过时域、频域特征提取方法,将振动信号转化为高维特征数据集,然后通过NPDLPP将高维数据集降维到低维空间,最后将降维得到的低维敏感特征集输入到NPDKNN中进行模式识别;用一个双跨度转子系统的振动信号集合进行验证,证明了所提出的降维算法效果明显,它能够达到各个故障类型更好分离。研究表明,新提出的近邻概率距离较传统的欧式距离测度更能最小化类内散度,最大化类间分离度。     

集成 KPCA 与 t‑SNE 的滚动轴承故障特征提取方法

针对滚动轴承原始数据集包含高维非敏感特征的问题,提出一种集成核主成分分析（Kernel Principal Component Analysis,KPCA）与 t?分布随机邻域嵌入（t?distributed Stochastic Neighbor Embedding,t?SNE）的滚动轴承故障低维敏感特征提取方法。该方法先计算滚动轴承原始振动信号的时域、频域以及时频域特征,构建初始高维特征数据集。利用 KPCA 降低高维数据集的相关性,在最大化高维数据全局特征方差的目标下,提取出非线性特征子集。通过 t?SNE 充分挖掘故障特征数据集的局部结构信息,进一步获取具有高判别性的低维敏感特征子集。将低维特征子集输入到 k?近邻分类器（k?nearest Neighbor Classifier,KNNC）进行分类,以分类准确率和聚类结果作为度量指标,对特征提取结果的优劣予以评价。上述过程综合考虑了数据集的全局和局部结构特征,充分利用了数据自身的结构信息,从而可准确提取其低维敏感特征。将该方法用于滚动轴承故障诊断实验中,通过与其他典型特征提取方法进行对比,及其对含噪情况下轴承故障特征的准确提取,验证了方法的有效性。     

集成多策略改进FCM算法的旋转机械故障数据聚类分析研究

针对旋转机械故障数据聚类分析中的初始聚类中心不确定和孤立点敏感问题,提出了一种集成多策略改进的模糊C均值(FCM)聚类方法。首先以故障数据集的决策属性为等价关系对数据集进行划分,得到若干个由等价关系导出的等价类;然后以每个等价类为可行域,采用均值漂移方法搜索故障数据类中心;最后以搜索到的类中心为FCM算法的初始聚类中心,通过核技术计算故障数据样本与相应类中心在高维特征空间中的欧氏距离,从而实现数据样本相似性的有效度量,并完成故障数据的模糊聚类。通过标准数据集和旋转机械故障数据集对方法的性能进行了验证及比较分析。结果显示,改进FCM算法的聚类性能相比传统FCM算法的聚类性能得到了明显提升,在收敛速度和聚类准确性两个性能指标上,改进的FCM算法比FCM算法具有显著优势。     

基于DTW距离的探地雷达数据可视化

提出一种基于动态时间弯曲算法距离度量的探地雷达数据可视化方法,利用动态时间弯曲算法在时间轴方向上伸缩的优越性,结合可指定类数的聚类算法对探地雷达数据进行聚类和可视化分析。可用于实测的探地雷达数据集,实验结果表明,相对于传统的聚类算法,本文算法能得到更好的聚类结果。     

基于失衡样本特性过采样算法与SVM的滚动轴承故障诊断

针对传统支持向量机(SVM)算法在滚动轴承故障诊断领域中,对失衡数据集效果不佳、对噪声敏感以及对本身参数依赖较大等缺点,提出一种基于样本特性的过采样算法(OABSC)。该算法利用改进凝聚层次聚类将故障样本分成多个簇;在每个簇中综合考虑样本距离、近邻域密度对"疑似噪声点"进行识别、剔除,并将剩余样本按信息量进行排序;紧接着,在每个簇中采用K^*-信息量近邻域(K^*INN)过采样算法合成新样本,以使得数据集平衡;模拟3种不同失衡比下的轴承故障情况,并采用粒子群算法优化了SVM分类器的参数。经试验证明:相比已有算法,OABSC算法能更好地适用于数据呈多簇分布且失衡的轴承故障诊断领域,拥有更高的G-mean值与AUC值以及更强的算法鲁棒性。     

一种基于GA的聚类集成算法

提出了一种基于GA的聚类集成算法ECUNGA(ensemble clustering using NMI and GA).算法利用GA搜索一个与聚类集体差异度小的聚类,以此来达到综合聚类集体信息,得到更优秀的聚类的目的.算法相比于传统基于互信息理论的方法,使用GA搜索,提高了搜索的能力且具有较低计算复杂度.最后,在UCI数据集上进行实验,取得了理想的效果.     

用于水声目标识别的近邻无监督特征选择算法

针对水声目标数据的特征冗余问题,提出一种新的近邻无监督特征选择算法。首先利用顺序向后特征搜索算法生成原始特征集的子集,然后利用基于代表近邻选取方法的特征评价机制评价特征子集的优越性。使用实测水声目标数据集和声呐数据集进行特征选择和分类实验,在保持支持向量机平均分类正确率几乎不变的情况下,特征数目分别降低了90%和75%。结果表明,该算法选择出的特征子集,在去除冗余特征后有效地提高了后续学习算法的效率。     

转子故障数据集降维的CKLPMDP算法研究

针对传统的数据降维方法难以兼顾局部流形结构和多流形判别结构学习的问题,提出一种相关熵测度核局部保持多流形判别投影算法(correntropy kernel locality preserving multi-manifold discriminant projection, CKLPMDP)的转子故障数据集降维方法。该方法的显著特点是采用相关熵测度监督近邻图的构建,首先将数据集映射到高维核空间,然后在核空间中综合考虑数据集的局部流形结构和多流形判别结构信息,提取出最优表征故障数据集的低维敏感特征矢量,采用三维图直观地显示出低维分类效果,并以低维敏感特征矢量输入K近邻分类器(K-nearest neighbor, KNN)中的辨识率和聚类分析中类间距S_b、类内距S_w作为衡量降维效果的指标。通过双跨转子实验台的振动信号数据集进行验证,与其他几种典型特征提取方法对比,该方法能更有效地提取出局部流形和多流形判别信息,在转子故障辨识中表现出更好的分类性能。     

基于敏感特征选择与流形学习维数约简的故障诊断

针对故障诊断中特征集包含非敏感特征和维数过高的问题,提出基于特征选择(Feature selection, FS)与流形学习维数约简的故障诊断方法。提出了一种改进的核空间距离测度特征选择方法(Improved kernel distance measurement feature selection, IKMD-FS),在核空间中计算样本类间距离和类内散度,优选出使样本类间距大、类内散度小的特征,并根据特征的敏感程度对特征进行加权。通过线性局部切空间排列算法(Linear local tangent space alignment, LLTSA)对由敏感特征组成的特征子集进行特征融合,提取出对故障分类更加敏感的融合特征,并输入加权k最近邻分类器(Weighted k nearest neighbor classifier, WKNNC)进行故障识别。WKNNC具有比k最近邻分类器(k nearest neighbor classifier, KNNC)更加稳定的识别精度。最后,通过滚动轴承故障模拟实验验证了本文方法的有效性。     

基于曲率特征混合分类的高密度点云去噪方法

为解决复杂曲面点云在平滑去噪中存在的问题,提出基于曲率信息混合分类的特征保持点云平滑算法．该方法将平面投影与双边滤波算法相结合,采用主成分分析法对点云的局部曲率特性进行评价,使用线性组合混合分类方法将数据分为平面、次特征、富特征类型以及组合类型．针对不同特征邻域类型,提出平面类型的投影平滑方法、次特征和富特征类型的变参数双边滤波法平滑方法的线性组合方法实现点云数据的平滑去噪．将该方法用于激光三维高分辨率人体扫描系统所得到的高密度点云数据,实验结果表明该方法能够在有效光顺点云的同时保持其表面的几何特征,且简化了法向调整的繁杂运算．     

基于粗糙集的电机机械状态特征的约简研究

针对集装箱起重机起升电机振动特征参数较多的特点,在利用小波包分解算法进行特征提取的过程中,引入基于粗糙集理论的属性约简方法,在保证识别精度的前提下约简特征参数的维数,以便更高效地进行机械状态识别。同时,引入Wallace测度对约简后的特征属性集与约简前进行识别精度比较。实验结果显示,约简前后的识别结果和精度基本相同,而特征属性维数大大减少,从而大大降低了聚类识别过程的复杂程度和计算量。     

An Improved Whale Optimization Algorithm for Feature Selection

Whale optimization algorithm (WOA) is a new population-based metaheuristic algorithm. WOA uses shrinking encircling mechanism, spiral rise, and random learning strategies to update whale’s positions. WOA has merit in terms of simple calculation and high computational accuracy, but its convergence speed is slow and it is easy to fall into the local optimal solution. In order to overcome the shortcomings, this paper integrates adaptive neighborhood and hybrid mutation strategies into whale optimization algorithms, designs the average distance from itself to other whales as an adaptive neighborhood radius, and chooses to learn from the optimal solution in the neighborhood instead of random learning strategies. The hybrid mutation strategy is used to enhance the ability of algorithm to jump out of the local optimal solution. A new whale optimization algorithm (HMNWOA) is proposed. The proposed algorithm inherits the global search capability of the original algorithm, enhances the exploitation ability, improves the quality of the population, and thus improves the convergence speed of the algorithm. A feature selection algorithm based on binary HMNWOA is proposed. Twelve standard datasets from UCI repository test the validity of the proposed algorithm for feature selection. The experimental results show that HMNWOA is very competitive compared to the other six popular feature selection methods in improving the classification accuracy and reducing the number of features, and ensures that HMNWOA has strong search ability in the search feature space.     

Centre-based restricted nearest feature plane with angle classifier for face recognition

An improved classifier based on the nearest feature plane (NFP), called the centre-based restricted nearest feature plane with the angle (RNFPA) classifier, is proposed for the face recognition problems here. The famous NFP uses the geometrical information of samples to increase the number of training samples, but it increases the computation complexity and it also has an inaccuracy problem coursed by the extended feature plane. To solve the above problems, RNFPA exploits a centre-based feature plane and utilizes a threshold of angle to restrict extended feature space. By choosing the appropriate angle threshold, RNFPA can improve the performance and decrease computation complexity. Experiments in the AT&T face database, AR face database and FERET face database are used to evaluate the proposed classifier. Compared with the original NFP classifier, the nearest feature line (NFL) classifier, the nearest neighbour (NN) classifier and some other improved NFP classifiers, the proposed one achieves competitive performance.     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

用多尺度方法分析热喷涂层应力

多尺度分析的方法突破了传统均匀化理论的限制,在计算涂层有效性质的基础上,能够进一步分析其微细结构的应力.通过理论分析得到微细结构的控制方程,结合有限元技术,能够精确高效地计算热喷涂层局部微细结构的应力分布.应用均匀化理论结合有限元分析估计了Fe-Cr-Al合金热喷涂层的有效性质(弹性模量、导热系数和热膨胀系数),同时研究了微细裂纹对Fe-Cr-Al合金涂层应力的影响,得到了裂纹处的拉应力和热应力分布情况.     

An Adaptive Anomaly Detection Algorithm Based on CFSFDP

CFSFDP (Clustering by fast search and find of density peak) is a simple and crisp density clustering algorithm. It does not only have the advantages of density clustering algorithm, but also can find the peak of cluster automatically. However, the lack of adaptability makes it difficult to apply in intrusion detection. The new input cannot be updated in time to the existing profiles, and rebuilding profiles would waste a lot of time and computation. Therefore, an adaptive anomaly detection algorithm based on CFSFDP is proposed in this paper. By analyzing the influence of new input on center, edge and discrete points, the adaptive problem mainly focuses on processing with the generation of new cluster by new input. The improved algorithm can integrate new input into the existing clustering without changing the original profiles. Meanwhile, the improved algorithm takes the advantage of multi-core parallel computing to deal with redundant computing. A large number of experiments on intrusion detection on Android platform and KDDCUP 1999 show that the improved algorithm can update the profiles adaptively without affecting the original detection performance. Compared with the other classical algorithms, the improved algorithm based on CFSFDP has the good basic performance and more room of improvement.     

Feature Selection for Robust Localization of Acoustic Emission Sources in Ship-Hull Structures

In this article, a novel feature selection method based on the Fisher ratio (F-ratio) and k-means clustering algorithm is presented and evaluated for nondestructive monitoring of acoustic mission (AE) sources in ship-hull structures. Avoiding complex and time-consuming implementations, the proposed approach use the advantages of the discrimination measure of the F-ratio and the fast convergence rate of a k-means algorithm in the feature selection problem. An extremely efficient set of only four features per sensor is selected for AE sources localization using a radial basis function (RBF) neural network (NN) giving error-free localization accuracy.

In the presence of additive white Gaussian noise, different type of information has been selected from the original set of 90 features. Extensive experiments show that even in the very noisy environment of 0 dB SNR, a small set of four features can be used for robust neural localization of AE sources giving localization rates better than 94%.     

基于微波感知的挠性结构动态响应监测

以大跨度桥梁、高架道路为代表的挠性结构在服役过程中的健康监测备受关注和重视,结构动态响应的测量是实现结构健康监测的重要途径。基于微波感知的新型非接触式振动测量(简称"微波测振")技术与方法,开展挠性结构动态特性监测的应用研究。阐述了微波测振系统的组成及基于单频连续波和调频连续波微波雷达的振动测量基本理论与方法。针对工程实际中挠性结构动态响应监测需求与特点,提出微波测振系统的工作模式选择与参数设置准则。基于搭建的微波测振系统开展了轻轨高架箱梁结构在列车运行激励下的振动响应监测实验研究,分析了不同工况下结构的动态响应特性。结果显示,微波测振技术与方法能够准确测量挠性结构的形变与动态响应,为军民领域挠性结构的健康监测提供了一种新的非接触式振动测量技术与方法。