简介:KL变换是一种适用于任意概率密度函数的正交变换,它能消除各分量之间的相关性.根据协方差矩阵特征值和特征向量有效地进行信息压缩等。相同类的指纹图像的特征码具有较强的相似性.不同类指纹图像的特征码却有一定差异。采用对特征码进行KL变换降维,得到的新的特征码仍然具有同样的相似性和差异性。证明可以通过KL变换后的特征向量进行指纹识别是可行且具有一定意义和研究应用价值。
简介:摘要院对风电机组齿轮传动系统的加速度振动信号(称为实验信号)进行测试,计算获得其功率谱。并用细化谱与解调谱分析相结合的方法对其功率谱进行分析,得到实验信号的故障特征,初步判断齿轮传动系统发生故障的大概位置及故障类型。为进一步准确验证故障,建立其相应故障的齿轮传动系统的动力学模型,进行动力学模拟分析,对所模拟的振动响应信号采用实验信号相同的处理方法对其处理分析,得到模拟振动信号的故障特征。通过模拟信号的故障特征分析验证了对实验信号故障诊断的正确性。并用分形方法分析了齿轮传动系统不同状态信号功率谱的分形特征。结果表明,关联维数能反映出其振动信号成分的复杂程度,区别出故障的位置和程度。所以,可作为齿轮传动系统的故障特征量及故障诊断的依据。
简介:Curvelet变换用于影像融合能有效保持影像的光谱信息,利于提取影像不同尺度、不同方向的细节特征。为检测Curvelet变换对影像分类的影响,文章首先采用PCA方法、Curvelet变换方法对IKONOS影像进行融合;然后对原多光谱影像和融合影像进行监督分类,分类时采用相同的训练样本;最后运用多种参数对结果进行目视、定量评价。总体结果显示:基于Curvelet变换的融合影像各波段的信息熵以及与原影像的平均结构相似性程度均高于基于PCA的融合影像,原多光谱影像、基于PCA的融合影像和基于Curvelet变换的融合影像的总体分类精度分别为:77.27%、70.00%和80.09%,其中基于Curvelet变换的分类影像的地物边缘光滑度最高。
简介:院通过工程实地调研,确定影响渠道衬砌机施工绩效的16个主要因素;基于模糊神经网络方法建立渠道衬砌机施工绩效预测数学模型;收集实际工程的渠道衬砌机影响因素和施工效率数据,并进行验证分析计算。结果表明,基于模糊神经网络预测渠道衬砌机施工绩效的方法是实用和有效的。
简介:摘要在阐明绿色施工概念的基础上构建了绿色施工的评价指标体系。概括介绍了基于小波神经网络评价方法的基本原理,并分析了该方法应用于绿色施工评价的优越性。详细论述了基于小波神经网络的绿色施工评价模型的建立过程,包括小波神经网络的建立、学习训练,以及结果的检验等。实例证明该模型有效、可靠,对指导实际工程具有重要意义。
简介:摘要灰色预测是一种运算简便、易于检验的数学预测模型方法,而神经网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。本文通过将两种模型有机的结合,很好的完成了对成都市近年来的城市道路交通噪声进行的预测工作,可以为城市道路交通建设等相关工作提供一定的指导。