半监督多图嵌入的高光谱影像特征提取

针对传统图嵌入方法仅采用单一图结构无法有效表征高维数据中复杂本征结构,本文提出了一种半监督多图嵌入(SSMGE)方法,并应用于高光谱影像特征提取。该方法首先利用标记样本的类内、类间近邻点来构建类内超图、类间超图、类内普通图、类间普通图,然后通过无标记样本的近邻点和远离点构建无监督本征超图和惩罚超图,并以多图协同方式来表征高维数据间的复杂几何关系,实现鉴别特征提取。本文提出的SSMGE方法不仅能有效揭示数据点间超图和普通图的结构,而且在低维嵌入空间中增强同类数据聚集性和非同类数据的远离性,提取的鉴别特征可改善地物分类精度。在PaviaU和Urban高光谱数据集上进行了分类实验,本文方法的总体分类精度分别可达到85.92%和79.74%。相比普通图嵌入和超图方法,该算法明显提升了地物的分类性能。     

面向高光谱影像分类的多特征流形鉴别嵌入

鉴于传统维数约减方法对高光谱遥感影像进行降维时,往往只利用了单一的光谱特征,限制了分类性能的提升。提出一种基于多特征流形鉴别嵌入的维数约减方法,该方法首先提取高光谱数据的LBP(Local Binary Patterns)纹理特征,然后利用样本点的光谱-LBP特征联合距离及类别信息构建类内图和类间图以发现高光谱影像中的鉴别流形结构,在低维嵌入空间中不仅保持来自同一像素的光谱和纹理特征的相似性,而且使同类点尽可能紧致、不同类点远离,实现空-谱联合低维鉴别特征提取,以有效提高地物分类性能。在Indian Pines和黑河高光谱遥感数据集上的实验表明,本文算法的分类精度在不同实验条件下均优于传统的维数约减方法,其分类精度可达95.05%和96.20%,在较少训练样本条件下优势更为明显,有利于实际应用。     

面向高光谱影像分类的深度流形重构置信网络

鉴于传统深度学习方法只提取了高光谱图像中的深度抽象信息,而未能充分揭示样本之间的局部几何结构关系,限制了分类性能的提升,本文提出了一种新的特征提取网络——深度流形重构置信网络。该网络首先通过深度置信网络提取深度抽象特征,为进一步增强抽象特征的鉴别能力,在图嵌入框架下通过样本数据的邻域点和各邻域的同类近邻重构点来构建类内图和类间图,并在低维空间中分离类间近邻点与其重构点的同时压缩类内近邻点和相应的重构点,实现提取深度鉴别特征,以改善不同类数据的可分性,进而提升地物分类精度。在KSC和MUUFL Gulfport高光谱数据集上的实验结果表明,本文算法的总体分类精度分别达到了94.71%和86.38%。相比较其他算法,本文算法有效提升了地物分类能力,更有利于实际应用。     

应用相关近邻局部线性嵌入算法的高光谱遥感影像分类

传统的局部线性嵌入（LLE）算法需用欧氏距离度量近邻,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反映数据间的真实空间分布,导致近邻选取不稳定。针对此问题,本文提出了相关近邻（CN）LLE（CN-LLE）和相关最近邻分类（CNN）算法。提出的算法首先利用相关系数度量数据间的近邻,实现更准确的局部重构,提取鉴别特征;然后用CNN对低维嵌入特征进行分类。在KSC和Indian Pine高光谱遥感数据集上的地物分类实验结果表明：本文提出的CN-LLE+CNN算法比LLE、LLE+CNN和CN-LLE等算法的总分类精度提升了2.11%~11.55%,Kappa系数提升了0.026~0.143。由于该算法增加了近邻为同类的概率,便于更有效地提取同类数据的鉴别特征,且有更好的稳定性,故能更有效地实现高光谱遥感数据的地物分类。     

加权空-谱与最近邻分类器相结合的高光谱图像分类

提出了一种基于加权空-谱距离(WSSD)的相似性度量方法 ,并将其应用到最近邻分类器(KNN)中,导出了一种新的高光谱图像分类算法。该算法利用高光谱图像的物理特性,通过引入空间窗口和光谱因子这两个参数来挖掘出图像中的空间信息与光谱信息,利用空间近邻点对中心像元进行重构。在最大限度减少图像冗余信息的基础上,增大了同类像元间的相似性以及异类像元间的差异性,获得了更为有效的鉴别特征,从而更好地实现了数据间的相似性度量。基于Indian Pines和PaviaU高光谱数据集进行了实验,结果表明:将提出的WSSD-KNN算法应用于高光谱图像分类时,其分类精度高于其他算法,总体分类精度分别达到了91.72%和96.56%。由于算法较好地融合了图像中的空间-光谱信息,提取出了更为有效的鉴别特征,故不仅有效地改善了高光谱数据的地物分类精度,而且可在训练样本较少时,保持较高的识别率。     

多核融合多尺度特征的高光谱影像地物分类

对于高光谱影像地物分类问题,为更加有效地利用像元空间信息和光谱信息,提高地物分类精度,提出了多核融合多尺度特征的分类方法。首先,通过多尺度空间滤波和PCA白化,提取出多尺度特征;接着在核稀疏表示分类器内使用多核方式对分别表示每项特征,在分类器内实现特征自动融合,根据子核与理想核、子核之间距离求取核组合的权重,使用训练集所构成的字典在特征空间内对待测样本进行线性表示,根据每类地物的重构误差确定待测像元所属地物类别。实验结果表明:对于Indian Pines影像和Pavia University影像总体分类精度分别达到99.51%和97.96%,较传统方法明显提高,并且对于小样本地物识别精度也都能达到90%以上。本文算法对于高光谱影像地物具有更强的识别能力,并且具有较强的稳定性和鲁棒性。     

基于多尺度分割的高光谱图像稀疏表示与分类

针对高光谱特征的稀疏表示,提出了一种基于多尺度分割的空间加权算法用于高光谱图像分类。该算法采用更合理的邻域定义挖掘空间先验信息,优化类边缘像元的稀疏表示。首先,通过多尺度分割提供邻域空间约束;结合拉普拉斯尺度混合(LSM)先验,分别对每个邻域组内像元进行空间加权的稀疏表示。然后,采用概率支持向量机(SVM)分类,同时提供像元的分类标签及其置信度。最后,以此置信度为权重,对多尺度分类图进行加权融合,生成最终的分类图。实验显示,本文算法能够增强光谱特征表示的稀疏性和鲁棒性,提高总体分类精度;在小样本训练下,单类的分类精度可提升30%左右,表明该算法在高光谱应用中具有较强的实用性。     

面向高光谱图像分类的半监督双流网络

为了提取高光谱图像中的深度鉴别特征,往往需要大量标记样本,但是高光谱图像样本标定困难,基于高光谱图像的“图谱合一”特性提出一种基于深度-流形学习的半监督双流网络。该网络用卷积网络和神经网络分别提取少量标记样本以及大量无标记样本中的空-谱联合特征,然后分别构建基于监督图和非监督图的流形重构图模型,以挖掘其中的本征流形结构。在此基础上设计了基于均方误差和流形学习的联合损失函数,以协同度量流形边界和空-谱概率残差,实现双流网络的一体化反馈和优化,进而实现地物分类。在WHU-Hi龙口和黑河高光谱数据集上实验的总体分类精度分别达到97.53%和96.79%,有效提升了地物分类能力。     

基于半监督稀疏鉴别嵌入的高光谱遥感影像分类

为了有效利用已标记与未标记样本提高高光谱遥感影像分类精度,提出一种新的半监督流形学习方法——半监督稀疏鉴别嵌入算法(SSDE)。该算法结合了近邻流形结构及稀疏性的优点,不仅保留样本间的稀疏重构关系,而且通过引入少量有标记的训练样本以及大量无标记训练样本来获得高维数据的内在属性以及低维流形结构,实现鉴别特征提取,提高分类精度。在Washington DC Mall和Indian Pine数据集上的分类识别实验表明,该算法能够较为有效地发现高维空间中数据的内蕴结构,分类性能比其他算法有明显的提升。在随机选取8个有类别标记和60个无类别标记的数据作为训练样本的情况下,本文提出的SSDE算法在上述两个数据集上的分类精度分别达到了77.36%和97.85%。     

基于分数阶微分的高光谱图像特征提取与分类

针对高光谱遥感图像的特征提取与地物分类,提出一种基于分数阶微分的高光谱图像特征提取方法,设计二维分数阶微分掩模提取高光谱图像的像素空间分数阶微分（SpaFD）特征,并提出一种空谱联合准则用于选取微分掩模阶数。为充分利用高光谱图像的空间特征与光谱特征,将SpaFD特征与原始特征直连融合获得SpaFD-Spe-Spa混合特征,并采用三维卷积神经网络（3DCNN）、先采用主成分分析（PCA）对像素光谱进行降维处理再送入三维卷积神经网络（3DCNNPCA）以及采用混合光谱网络（HybridSN）验证SpaFD-Spe-Spa混合特征的有效性。实验中分别采用3×3,5×5和7×7的分数阶微分掩模进行空间特征提取,4个真实高光谱图像的实验结果表明,所提取的SpaFD特征和SpaFDSpe-Spa特征可有效提升高光谱图像的地物分类精度,且SpaFD-Spe-Spa特征对地物分类准确率的提升更为明显：SpaFD特征相比原始特征在Indian Pines,Botswana,Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.87%,1.42%,2.41%和2...     

Minimal Realization of Linear Graph Models for Multi-physics Systems

An engineering system may consist of several different types of components,belonging to such physical"domains"as mechanical,electrical,fluid,and thermal.It is t...     

On the Relation of Load to Average Gap in the Contact Between Surfaces with Longitudinal Roughness

A computer simulation model for the contact between longitudinally-oriented rough surfaces has been formulated. This model closely duplicates the actual surf ace contact deformation behavior by taking into account the elastic interactions between the asperities. There were no assumptions made about the shapes, or any deformation behavior of the asperities, except for their obeying the laws of elasticity. The plastic deformations on the high asperity peaks were taken into account by setting a ceiling on their contact pressures at the material hardness value. The simulations used real surface profiles which were digitized from unworn circumferentially ground steel surfaces. Each pair of these profiles was mathematically combined to form an equivalent rough profile pressing against an infinitely rigid flat and having the appropriately adjusted elastic modulus. A total of 28 different pairs of profiles were used in the simulations. Each contacting pair was subjected to 30 different load levels and the local contact pressures and deformations were calculated. The contact simulations yielded some important mathematical relationships between parameters, such as the real area of contact, average gap, and average asperity load through statistical curve fitting. Two analytical functions were generated to relate the average load to average gap and the real area of contact to load.     

三绕组变压器的双绕组等效建模及在Matpower中的应用

针对实际电网存在着大量的三绕组变压器,但国际上一些著名商业软件,如BPA仿真软件、Matpower这一权威潮流计算开源软件,均只提供双绕组变压器模型,限制了其在具有三绕组变压器的电力系统中的应用的问题,潮流计算是自主开发的电力系统各种应用软件的核心模块,因此依托国际权威开源程序进行二次开发,是一种较好的选择。对Matpower要求的数据格式进行了归纳,对变压器的一般的等值电路及带理想变压器的等值电路和带标幺值的等值电路进行了分析研究,提出了三绕组变压器转换为双绕组等效模型的建模方法,使得原先只适应双绕组变压器的潮流计算软件可以适用于三绕组变压器电网的潮流计算;最后以Matpower软件为例进行了案例计算,并用PSASP仿真软件进行对比验证。研究结果证明,所提出的建模方法是有效的。     

Quantum Cooperative Robotics and Autonomy

The intersection of Quantum Technologies and Robotics Autonomy is explored in the present paper.The two areas are brought together in establishing an interdisci...     

电站锅炉模糊风险评价方法研究与应用

针对电站锅炉风险等级评价问题,将模糊综合评价技术应用到电站锅炉风险等级评价中。开展了电站锅炉失效影响因素及模糊评价因素的重要程度分析,建立了一套科学合理适于在线评价的电站锅炉风险评价体系,提出了模糊综合评价技术与改进的模糊层次分析法相结合的模糊风险评价方法,利用改进的模糊层次分析法计算了指标体系中各层指标权重。对某一台电站锅炉的实际运行工况影响子因素进行了模糊风险评价,采用模糊合成算子进行模糊综合运算得到电了站锅炉运行工况影响子因素的评价向量。研究结果表明:电站锅炉的运行工况影响子因素的风险评价等级为第6级,失效可能性等级为小,该电站锅炉运行工况良好。     

考虑进油孔有限长滑动轴承油膜力的近似解析解

针对具有进油孔的有限长滑动轴承油膜力求解问题,采用变分原理和分离变量法,求得了有限长滑动轴承油膜压力分布的近似解析表达式。将油膜压力分布的近似解析表达式在油膜存在区域上进行积分,即得到了油膜力。将提出的计算有限长滑动轴承油膜力方法与无限长轴承模型、有限元方法的计算结果进行了比较,发现了提出的方法与有限元方法的计算结果很接近。最后,研究了进油孔位置和进油压力对油膜存在区域、油膜力等的影响,研究结果表明进油孔位置和进油压力对油膜存在区域和油膜力有较大的影响。     

交通荷载作用下桥梁结构参数识别方法

应用动力节点加载法,将作用在桥梁上的交通荷载转化为等效节点荷载,再用两步构造法识别结构物理参数.第1步,用Newmark-β方法变换结构运动方程,并用结构的加速度响应求得变换空间内的位移、速度和加速度响应;第2步,基于最小二乘原理,构造出变换空间内求解结构参数的递推式,进行结构物理参数识别.数值模拟结果表明,在交通荷载作用下,该方法能够快速、准确地进行桥梁结构参数识别.     

Fifth International Summer School on Screw-Theory Based Methods in Robotics

正3-11 September,2014University of Bologna,Bologna,Italy www.summerscrews.org summerscrews2014.ing.unibo.it SUMMER 20SCREWS 14In 2014,our screw-theory school comes to the world's oldest university.In early September,Summer Screws'14 will gather six experts in the application of screw theory in robotics and up to 40 participants at the University of Bologna,Bologna,Italy.The school will teach attendees how to apply existing methods and empower them to develop new ones in their own research.The basic theoretical notions will be introduced in a rigorous manner,emphasizing examples,applications,and exercises.Scholarships are available.     

INTEGRAL EQUATION METHOD＇S APPLICATION IN HOLE-EDGE STRESS OF COMPOSITE MATERIAL PLATE WITH DIFFERENT SHAPED HOLES

The strength of composite plate with different hole-shapes is always one of the most important but complicated issues in the application of the composite material. The holes will lead to mutations and discontinuity to the structure. So the hole-edge stress concentration is always a serious phenomenon. And the phenomenon makes the structure strength decrease very quickly to form dangerous weak points. Most partial damage begins from these weak points. According to the complex variable functions theory, the accurate boundary condition of composite plate with different hole-shapes is founded by conformal mapping method to settle the boundary condition problem of complex hole-shapes. Composite plate with commonly hole-shapes in engineering is studied by several complex variable stress fimction. The boundary integral equations are founded based on exact boundary conditions. Then the exact hole-edge stress analytic solution of composite plate with rectangle holes and wing manholes is resolved. Both of offset axis loadings and its influences on the stress concentration coefficient of the hole-edge are discussed. And comparisons of different loads along various offset axis on the hole-edge stress distribution of orthotropic plate with rectangle hole or wing manhole are made. It can be concluded that hole-edge with continuous variable curvatures might help to decrease the stress concentration coefficient; and smaller angle of outer load and fiber can decrease the stress peak value.     

INDUSTRIAL ENGINEERING AND VISUALISATION-A PRODUCT DEVELOPMENT PERSPECTIVE

Taking the actual project of teaching and researching process for example, the relationship between the industrial engineering and product development is discussed. And use the novel visualization technology to support the industrial engineering and product development. How to use the new computer modeling and simulating technologies to support the product development and industrial engineering, is introduced especially. The support includes both domestic products and industrial systems. The visualization and computer technologies take a very important role in some system or multi-direction modeling, those technologies mentioned above can help the industrial engineers study the effect of design on the whole life circle, including the producing steps. So the engineers can avoid making the wrong decision which may cause bad effects on the whole industrial engineering.