基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

民用飞机维修类技术出版物符合性验证方法

通过分析民用飞机维修类技术出版物内容的特点,确定技术出版物适航验证要求。提出维修类技术出版物符合性验证方法、流程和管理要求。利用模糊综合评判方法进行定量评估,解决了民用飞机适航认证维修类技术出版物符合性验证无据可依的问题。     

《洛神赋》对宋玉“情赋”中美人意象的承继

《文选》中情类赋有4篇,即宋玉的《高唐赋》、《神女赋》、《登徒子好色赋》和曹植的《洛神赋》。论文从四个方面分析从宋玉到曹植写美人的发展：在语言和写作手法上对高唐神女的继承和发展;行文结构上对高唐神女的继承发展;塑造美人形象方面对宋玉的继承和发展;美人的象征意义对宋玉写美人的继承和发展。     

基于SPF/DB工艺的某翼类构件内部结构优化分析

采用SPF/DB工艺成形的翼类构件,内部结构不仅影响其力学性能,同时决定SPF/DB工艺的可行性。翼类构件在应用SPF/DB工艺成形过程中,内部夹层扩散焊接焊缝处形成筋条,从而增强结构强度,因此中间夹层扩散焊接筋条分布决定了成形后构件内部结构。本文利用有限元软件ABAQUS6.8对不同内部结构的某翼类构件进行静力学分析及超塑成形的数值模拟,得到既满足强度要求又有利于SPF/DB工艺要求的内部结构。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

利用脉组间频率步进信号合成UWB距离像及类MUSIC法对速度的高分辨估计(英文)

提出一种称为类多信号分类(CMUSIC)的方法,其利用脉组间频率步进信号,在具有M个脉冲的脉冲串(子带,即窄带)中高分辨估计径向速度。利用此速度估计值补偿距离-多普勒耦合和多普勒色散后,对跨子带进行快速傅里叶变换则可获得合成超宽带高分辨距离像。和其他方法相比,CMUSIC在低信噪比时具有较好的速度估计性能。当M大于具有不同径向速度的目标个数Q时,该方法在小M值下依然有优越的速度估计性能。此外,经过径向速度解模糊后,该方法适应高径向速度运动的目标。随着国防技术的突飞猛进地发展以及高速先进飞行器的涌现,这具有重要的实际价值。仿真结果验证了该方法的可行及有效性。     

灰色聚类法在航空装备维修保障能力评估中的应用

通过对航空装备维修保障系统的分析,用灰色聚类法给出了航空装备维修保障能力评估指标体系综合评估模型,并进行了实例分析.     

具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream (Fault-Tolerant Grid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS (Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.