郑敏玲[1]2002年在《求解矩阵特征值问题的一种新算法——非线性算法》文中指出特征值问题的提出，看似一个简单的问题，其实不然。尽管其基本理论多年来已成为人们所熟知，然而欲快速有效地求其解，就会遇到各种挑战性问题。 本文在前人的基础上，提出了一种新的特征值问题的算法，为了叙述方便，不妨称之为非线性算法。这种方法是把特征值问题转化为非线性方程组进行求解。先用牛顿迭代法求得特征向量，然后代入方程求特征值。为了加快牛顿迭代收敛速度，本文提出了利用同伦方法进行特征值跟踪。这个方法解决了牛顿迭代初值难选的问题，从而使得算法能有效地运行。本文对非线性算法与经典了Jacobi方法以及QR方法进行了比较，从例子中不难看出，非线性算法在具体运用中是很有效的。此外，该算法的最大特点是：它很容易并行实现。然而，如果特征值是虚值的话，牛顿迭代不收敛，因此该算法只能求出矩阵的实特征值及其对应的特征向量。本文第叁章分析了算法的收敛性及其稳定性，第四章讨论了算法的并行性及如何实现。第五章给出了一些数值例子，从这些例子不难看出非线性算法的许多特点。论文的第六章对Hacobi、QR、非线性算法进行了比较，从中可以看出，非线性算法的运算量为O(n~4)。但由于它是完全并行的，而且在工程计算中的n一般小于等于10，因此在计算机技术高度发展的今天，该算法是完全可行的。
伍永飞[2]2007年在《钢筋混凝土框架结构静力非线性分析程序研制》文中研究表明基于性能的抗震设计理念逐渐被工程研究人员所接受。该理念的前提是，对结构的仿真计算在一定程度上可以准确评估结构的地震反应，量化结构在给定地震水平下的性能水平。因此，非线性有限元分析面临的挑战是：一方面需要针对结构类型建立先进的数值模型，准确而快速地描述结构局部细微的受力机制，追踪结构的薄弱部位及其发展、演变；另一方面需要针对模型特点建立先进的非线性算法，在结构整体的层次上综合考虑各个构件的非线性发展，并在工程可以接受的时间内获得准确有效的结构反应。相对于振动台试验和动力时程分析，非线性静力分析具有快速灵活且可重复使用的特点，对于一般的结构(非重大或复杂结构)的工程设计已经足够。因此，本文针对混凝土框架结构进行了下列研究：首先，对基于力形函数的梁柱单元和基于柔度法的计算流程进行了改进。由于基于力形函数的梁柱单元可以严格精确地描述结构实体间的内力关系，因此比传统的基于位移形函数的单元具有明显的精度优势。但缺点是每个荷载步下的计算过程复杂，结构位移要逐步协调才能收敛。因此本文分析总结了现有的基于力的形函数和基于位移形函数的梁柱单元理论，对结构、单元、截面、材料各个实体之间的流程控制、迭代方法等逐一进行论述，同时对基于柔度法的流程控制进行了改进。其次，针对非线性全过程分析中的负刚度问题提出了新的虚拟单元法。通过对结构整体进行pushover分析可以近似模拟结构破坏的全过程，然而，对混凝土结构的全过程分析研究仍然难以突破极限荷载而得到下降段，因此本文在虚拟弹簧法的基础上发展了一种可以保证同时多点加载的方法即新的虚拟单元法，描述了该方法的原理和施加步骤，进行了实例验证。另外，对基于力形函数的单元算法进行了参数敏感性分析。分析和设计人员可以通过对结构反应进行敏感性分析找出关键的控制参数，分清主要和次要的结构参数。这样，要对结构优化、可靠度分析和系统识别等，进行结构反应的参数敏感性分析就成为一项必需的重要手段。先后有学者提出了对基于力形函数单元进行敏感性分析的计算理论，缺乏明确显式的计算形式。因此，本文首先推导了统一的计算公式，与现有公式进行比较分析，并选取了悬臂钢梁和钢框架进行参数敏感性分析的实例，较好地验证了上述理论的正确性。最后，本文针对上述理论进行了非线性有限元程序的编制工作，分别选取了一定量的实例进行分析，其结果与试验结果和传统的有限元软件SAP2000进行了比较，验证了所编程序的有效性。
王庆刚[3]2009年在《流形学习算法及若干应用研究》文中提出信息化技术的快速发展及其广泛应用,使具有高维数的非结构化数据信息大量出现。高维使得这些数据的内在规律不仅超出人们的直接感知能力,而且很难被现有机器学习和数据挖掘算法有效地处理。如何对高维数据进行有效维数约简,并由此发现其内在结构和规律已成为高维信息处理研究的关键问题之一。流形学习的主要目标是发现蕴含在高维数据集中的内在几何结构与规律性,是近年来机器学习和模式识别等领域一个新的研究热点。本文对流形学习算法及其应用问题进行了研究,主要工作及研究成果总结如下:①在对PCA和MVU算法分析的基础上,提出了有区别方差嵌入(DVE)算法。通过构造数据集的近邻图和非近邻图,DVE算法对样本方差采取了不同的处理方式,使低维表示全局方差最大的同时保持局部方差不变。DVE可以看作是PCA算法的非线性扩展,同时也可以看作是对MVU算法严格局部等距约束的松弛改进。DVE是一种全局维数约简算法,可以有效揭示蕴含在高维数据集中的全局几何结构和内在规律。与MVU和ISOMAP相比,DVE算法具有小的运算强度和存储需求。另外,DVE算法对具有等角映射特性的数据集有很好的降维效果,而ISOMAP和MVU的距离保持特性使得它们无法处理此类数据集。②DVE算法需要对稠密矩阵进行特征分解,尽管与ISOMAP和MVU相比,算法的计算复杂度有了很大的降低,但仍无法满足对现实世界中海量高维数据的实时处理要求。针对这一问题,提出了基于基准点的DVE快速算法(LDVE)。在保持近邻点间距离和不变的条件下,LDVE算法通过使随机选取的基准点间的距离和最大在低维空间中展开高维数据流形,算法的求解也同时转化为稀疏矩阵的特征分解问题,从而有效降低了计算强度和存储需求。③DVE算法得不到一个显式映射函数,无法对新增数据点进行有效处理,针对这一问题,通过对DVE算法进行线性逼近,提出了有区别方差投影(DVP)算法。和DVE算法一样,DVP算法在揭示数据集全局结构的同时有效保存它的局部结构,可以作为经典PCA和LPP的有效补充。④DVP是一种非监督维数约简算法,它并不能保证不同类别的数据点在低维投影空间中可以被有效分开。针对这一问题,提出了监督有区别方差投影(SDVP)算法。通过构造数据集的类内近邻图和类间图,SDVP算法使得高维数据集在低维空间中投影的类内局部散度最小,同时类间全局散度最大。SDVP可以看作是线性判别分析(LDA)的局部化形式,而边际Fisher分析(MFA)又可以看作是SDVP的局部化形式。SDVP算法对具有多模态或嵌入流形结构的数据集有好的分类效果。在UCI机器学习数据库和一些标准人脸数据库上的分类实验证明了算法的优越性。
张建新[4]2009年在《自动掌纹识别理论和算法研究》文中研究表明基于生物特征识别的身份鉴别技术提供了一种高可靠性、高稳定性的身份鉴别方式。掌纹识别是一种相对较新的生物特征识别技术,但其发展非常迅速,现已成为生物特征识别技术领域中重要一员。研究掌纹识别技术具有重要的理论意义和巨大的应用价值,它涉及计算机视觉,模式识别,图像处理等多门学科,掌纹识别技术的研究有助于这些学科的发展;在信息安全、公共安全、法律等领域,掌纹识别技术均具有潜在的应用前景。目前尽管掌纹识别技术已取得了很大进展,但在实际应用中仍然存在许多问题亟待解决。本文对掌纹识别相关理论和算法进行了深入研究,主要工作和贡献如下:(1)提出了一种基于Log-Gabor小波相位一致的掌纹线特征提取方法。掌纹线特征是掌纹识别中最基本、最直观的特征,但由于掌纹线的特殊性和复杂性,如何有效提取掌纹线特征一直是掌纹识别的难点。本文从频率域角度考虑,使用Log-Gabor小波相位一致方法提取掌纹图像线特征,包括掌纹方向相位一致特征和掌纹整体相位一致特征。该方法提取的线特征可有效包含纹线的结构信息、强度信息和宽度信息,且提取的线特征比较稳定。在掌纹整体相位一致特征图像上进一步检测出具体的掌纹线,仅使用掌纹线结构特征来表示和识别掌纹,实验结果验证了Log-Gabor小波相位一致提取掌纹线特征用于识别的有效性。(2)提出了基于区域方向码的掌纹线特征表示方法。该方法首先将6个方向的掌纹方向相位一致特征图像均匀分块,对于同一区域的六个子块图像,将具有最大灰度平均值的那个子块所对应的特征图像方向作为该区域主方向,然后采用叁位的二进制码对该主方向编码。掌纹区域方向码综合描述了纹线的灰度变化强度及其方向性信息,因而能更好地区分掌纹图像;此外,对区域的方向编码使该方法受图像平移和旋转影响也较小。在PolyU掌纹数据库上的实验结果验证了掌纹区域方向码方法的有效性。(3)提出了一种基于散度差判别局部保持投影(Scatter-difference DiscriminantLocality Preserving Projections,SDLPP)的掌纹识别算法。子空间方法具有特征描述性强、计算代价小和良好可分性等优点,已被广泛应用于生物特征识别。线性鉴别分析(LDA)和局部保持投影(LPP)是其中比较经典的线性方法,LDA注重图像数据间的可分性,LPP则更关注于数据的局部关系。本文结合LDA的判别性思想和LPP注重局部邻域关系的思想,提出了散度差判别局部保持投影算法,并对SDLPP中影响图像分类的主要参数进行了研究分析。SDLPP的目的是使同类图像在低维空间中保持紧致的局部关系,同时使那些在图像空间中距离近的非同类图像在低维投影空间中相对远一些,从而使各类图像能获得更好地区分。在公开掌纹数据库上的实验结果表明提出的SDLPP算法较LDA、LPP具有更优的识别性能,对参数的分析则有助于确定SDLPP的最优参数。此外,论文还使用核方法在理论上将SDLPP扩展得到相应非线性算法,称为核散度差判别局部保持投影(Kernel SDLPP,KSDLPP)。(4)设计了一种适合于智能移动设备的掌纹识别算法,并以该算法为核心开发了联想ET980智能手机实时掌纹身份验证系统。算法首先设计了一种适于移动设备的掌纹图像采集方式并给出了相应定位分割方法,这保证了移动设备下掌纹验证系统的可行性;在识别过程中加入光照预处理,一定程度上消除了外部光照变化的影响;采用Gabor小波变换和子空间方法的结合算法来提取掌纹特征,并用遗传算法对Gabor特征节点的数目和位置做优化选取,在保证识别精度同时显着地提高了识别效率。论文算法在联想ET980手机上可获得等错误率为3.42%的识别精度,实现的掌纹验证系统也满足识别系统的实时性要求。
吴云松[5]2017年在《稀疏图子空间学习算法研究》文中研究指明流形学习和稀疏表示是计算机视觉、模式识别与图像处理领域中的研究热点,近年来受研究者的广泛关注。其中,流形学习的基本假设是图像在高维空间的特征表现往往蕴含着低维流形结构。图学习作为典型的流形学习方法,它可以通过描述样本之间的相互关系来揭示高维数据中的潜在低维表示,其已成为众多领域的研究热点。而稀疏表示是一种对原始信号的分解过程,该分解过程借助一个事先得到的过完备字典,将输入信号表示为具有较强鲁棒性和判别性的字典线性近似。近年来,一些研究者融合流形学习与稀疏表示两者优点提出了许多机器学习算法,并在计算机视觉与机器学习诸多领域中取得成功应用。受这些方法启发,本文以稀疏表示构造数据关系图作为研究切入点,利用局部保留映射、非负矩阵分解、线性判别分析、协同表示等技术,融合子空间学习和稀疏表示方法,提出了四种稀疏图子空间学习算法。论文较为系统地研究稀疏图子空间学习算法提出动机、原理和性能特性,并应用于图像特征提取、图像聚类和图像分类之中,以测试算法有效性。本文的主要研究工作包括:①提出了稀疏图正则化非负矩阵分解(Sparse Graph regularized Nonnegative Matrix Factorization,SGNMF)算法。与传统近邻方法构建的图相比,SGNMF通过稀疏表示构造稀疏图,提高了同类样本的相似度同时抑制了不同类样本的关联,使得SGNMF具有更好噪声鲁棒性与样本相关关系刻画能力。SGNMF弥补了非负矩阵分解在模式识别和数据挖掘等领域应用中没有考虑数据内蕴几何结构的不足。②提出了稀疏图正则化线性判别分析(Sparse Graph Linear Discriminant Analysis,SGLDA)算法,其融合了稀疏表示与线性判别分析(Linear Discriminant Analysis,LDA)良好特性。在LDA基础上SGLDA增加由所有数据样本构成的正则项,该正则项为子空间的学习提供一个良好的预先参考,可准确地刻画数据的几何结构,使得SGLDA能够克服LDA算法在处理小样本及非线性结构数据问题上容易受到所选标签样本的影响,更好地解决数据小样本问题。同时SGLDA算法利用了稀疏表示来刻画样本之间数据结构关系,可增强算法的判别性以及对噪声数据的鲁棒性。③提出了类引导稀疏保留投影算法(Category Guided Sparsity Preserving Projection,CGSPP)。鉴于原有的稀疏保留投影算法(Sparsity Preserving Projection,SPP)和局部保留投影算法(Locality Preserving Projection,LPP)只保留样本之间相关关系而忽视类别之间的全局相关关系的不足,CGSPP算法引入类别之间相关性的约束和类别之间的相互关系,构建了类别关系图,不仅汲取SPP算法优点,而且将更多有用的原始数据保留到投影空间中,从而增强所提取特征的鲁棒性和判别能力。④提出了协同稀疏保留投影算法(Collaborative Sparse Preserving Projection,CSPP)。该算法结合稀疏保留投影(Sparsity Preserving Projection,SPP)和协同图嵌入(Collaborative Graph Embedding,CGE)的优点,利用CGE模型引入范数协同约束项,把SPP算法归结为一个协同表示模型。这样,CSPP算法兼具稀疏表示和协同表示的特性,使得回归系数更平滑,模型的求解难度降低,从而提高了模型在应用时的计算效率、鲁棒性与判别性。论文在公共数据集上对四种新算法的参数影响、算法效率、实验开销和性能进行了测试和分析。与传统的子空间学习算法相比,所提出新算法在聚类、分类等任务上在一定程度上取得了更好的实验结果。
白玉磊[6]2016年在《激光波数扫描干涉检测的算法与实验研究》文中提出激光波数扫描干涉技术通过透视测量复合材料内部的应变场,实现复合材料高精度无损透视检测,测量精度达到微应变级别,这是目前微米级缺陷无损检测的重要手段之一。然而受激光器波数输出范围有限影响,激光波数扫描干涉的深度z方向测量精度和轮廓分辨率均远逊色于传统的光学层析相干技术,并且复合材料内部介质的先验知识无法获取,导致不能有效分离出材料内部的干涉信号。另外,由于复合材料内部介质的反射光强过弱,造成内部干涉光强信号淹没于散斑噪声中。上述问题使得激光波数扫描干涉技术的实际检测效果远达不到理想要求。为解决上述问题,本论文提出在不增加激光波数扫描范围前提下,使用非线性最小二乘理论和空间谱估计理论提高激光波数扫描干涉的深度z方向测量精度和轮廓分辨率,并实现多表面干涉信号的盲分离,完成材料内部干涉信号的提取。同时,论文研究了基于非线性最小二乘理论的散斑噪声去除问题,提升了信噪比。论文主要研究内容和取得的成果如下：(1)使用复数域、实数域非线性最小二乘理论分别对干涉频谱和波数域干涉光强进行非线性拟合,分别建立了干涉频谱非线性最小二乘算法(Complex Number Least Squares Algorithm, CNLSA)和波数域干涉光强非线性最小二乘算法(Wavenumber-domain Least Squares Algorithm, WLSA)。CNLSA和WLSA可以去除傅里叶变换中的窗函数卷积模糊效应,取代傅里叶变换算法完成对激光波数扫描干涉数据的解调。实验结果表明在相同实验环境条件下,CNLSA和WLSA将测量系统深度轮廓分辨率由原来的δz分别提升到δz/1.8和δz/6。与此同时,相位测量精度因旁瓣压制能力增强而提高。(2)通过结合空间谱估计理论和相移干涉技术的数据解调原理,建立干涉信号相关矩阵谱分解及复数线性最小二乘理论(Eigenvalue Decomposition and Least Squares Algorithm, EDLSA),具体表现在：以空间谱估计理论为基础,通过深度分辨干涉信号自相关矩阵的谱分解,实现被测表面个数的盲估计；使用旋转不变技术求解干涉信号频率；在干涉频率已知情况下,将相移干涉技术中的实数域线性最小二乘算法发展到复数域,求解出干涉信号相位和干涉幅值,最终实现了激光波数扫描干涉信号的盲分离。实验结果表明EDLSA在激光波数扫描较窄的情况下,仍然可以根据CCD相机采集的光强值准确地盲分离出多表面干涉信号,且深度z方向测量精度和轮廓分辨率好于傅里叶变换算法。(3)在不破坏干涉显微x,y空间分辨率前提下,提出使用干涉频谱非线性最小二乘-傅里叶变换算法(Joint Fourier Transform and Complex Number Least Squares Algorithm, JFTLSA)对深度分辨散斑噪声进行降噪。具体表现为：充分利用深度z方向上的被测各个表面之间干涉信号幅值、频率以及相位耦合关系,改进干涉频谱非线性最小二乘方法,使非线性最小二乘待估参数维度显着降低,提高其在散斑噪声下的收敛性；针对空间卷绕相位建立噪声点定位方程,结合傅里叶变换算法,修正改进干涉频谱非线性最小二乘的卷绕相位发散点。深度分辨散斑干涉实验结果表明相比于傅里叶变换算法,JFTLSA可以使散斑噪声点数减少约20%左右。
刘琦[7]2008年在《RNA二级结构的若干计算生物学问题研究》文中认为对于RNA分子结构与功能的研究是当今生物信息学领域的一个非常重要的课题。随着研究的不断深入,RNA正在从人们眼中简单的、线性的、功能单一的分子形象演变成今天种类多样,结构复杂,功能特异的新个体,特别是大量非编码RNA的发现以及对于其功能特性的分析,使得人们逐步认识到RNA世界的多样性和重要性。RNA已经不仅仅被认为是DNA到蛋白质之间的一种信息传递中介,它已经逐渐在中心法则中取得了与DNA和蛋白质同等重要的地位。RNA组学(Rnomics)或者核糖组学(Ribonomics)也成为继基因组学(Genomics),蛋白质组学(Proteomics)等一系列系统生物学概念之后的一个崭新的系统交叉学科。RNA分子结构与功能的研究不光依赖于实验手段,同时也需要借助生物信息学的方法进行分析,特别是目前对于RNA分子的研究已经进入了一个大规模的,高通量的,系统分析的时代,为了更加深入探索RNA结构与功能的关系,了解RNA在生命活动中的各种工作机制,大力发展RNA研究方面的生物信息学方法和技术显得尤为重要。在这样一个热点研究背景之下,本论文从算法设计以及计算机软件平台构建的角度,对于RNA分子结构相关的计算生物学问题进行研究。论文内容涉及RNA分子结构的表示,RNA结构预测,RNA结构比对,RNA结构的压缩和信息度的衡量,RNA综合分析平台的构建,以及非编码RNA基因预测等若干问题,属于计算机,生物,医学交叉的前沿学科领域。论文的主要内容与成果概括如下:(1).对于RNA分子的结构表示理论进行了系统的分析,对于各种结构表示方法进行比较,同时提出了一种基于6-D编码的RNA分子二级结构表示方法,将RNA构象的二级结构转化为结构矩阵,提取矩阵奇异值向量作为其主要结构特征,从而从代数矩阵论角度给出了其分子结构的精确描述。(2).对于RNA分子二级结构的预测算法进行了系统的阐述,基于图论极大独立集思想提出了一种基于Hopfield网络进行并行预测的有效算法,进一步提高了RNA二级结构预测的效率。(3).对于RNA分子二级结构的各种相似度衡量算法进行了探讨和比较,采用6-D编码设计了一种利用矩阵奇异值分解进行结构比对的算法。(4).基于上述相似度提出了一种新的模糊核聚类(Kernel Fuzzy C-means,KFCM)算法,应用于RNA二级结构构象的聚类分析中。结果表明该聚类算法对于RNA构象分析十分有效。(5).构建了RNA结构比对以及结构构象聚类的整合软件平台(RNACluster),将基于最小生成树(Minimum Spanning Tree,MST)表示的聚类算法应用于RNA分子的构象聚类、RNA构象转换(RNA conformational switches)以及非编码RNA预测当中。(6).首次提出了RNA二级结构压缩的概念,设计了一种利用上下文无关文法压缩RNA二级结构的算法,构建了相关软件(RNACompress),该软件可以有效的对于RNA一级序列及二级结构同时进行建模,并且进行无损压缩。(7).首次引入基于压缩的Kolmogorov复杂度来衡量RNA结构的信息度。并将其应用于11种GTP-binding RNA核酸适体(aptamer)的结构信息度衡量及其绑定活性与结构信息复杂度关系的定量研究中。(8).对于非编码RNA的相关概念及其基因预测算法进行了论述。系统总结了非编码RNA相关的网上平台与数据库资源。对于非编码RNA计算生物学领域的未来研究方向和研究热点提出了自己的看法,并作了相应展望。
张红波[8]2006年在《DSSS/BPSK信号扩频码序列估计方法研究》文中研究表明直接序列扩频(DSSS)信号由于具有工作信噪比低、强抗干扰性、低截获率、能够抑制多径效应等优点,已经得到广泛应用。因而与之对应的直扩通信对抗技术也成为通信对抗领域急需解决的研究主题。直扩通信对抗包括直扩信号的盲检测、参数估计和扩频码序列恢复等内容。在检测和估计出直扩信号的参数后,要恢复原始信息,估计出扩频序列是重要的途径之一,因而对DS信号扩频PN(Pseudo Noise)码的估计研究就具有迫切性和重要意义。本文重点是对盲码同步和扩频码序列估计的研究,主要的工作成果如下:1、分同步和非同步两种情况建立了DSSS/BPSK基带信号模型,并介绍了二种非合作式扩频码序列估计和解扩的方案。2、总结和介绍了几种常用的盲码同步方法,包括延迟相乘(滑动自相关)法、最大范数法、平均降噪法等,并进行了计算机仿真和分析。3、提出了一种改进滑动窗的盲同步方法,该方法利用求主特征向量的过程,对扩频信号进行平滑降噪预处理,实现了较低信噪比下的码同步。文中对该方法进行了仿真,并统一比较了各种盲码同步算法的同步性能。4、系统地研究了现有的扩频码序列估计算法,介绍了它们的理论基础,重点推导和证明了基于线性反馈移位寄存器(LFSR)、特征值分解(EVD)、神经网络(NN)的PN码序列估计算法,并对这些算法进行了仿真验证,分析了它们的优缺点。5、在总结已有算法的基础上,提出了基于子空间跟踪技术的PN码序列估计算法,并由投影逼近子空间跟踪(PAST)技术,导出了一种扩频码序列的快速估计算法(E-PASTd),给出了一种可实现方案。该算法通过应用PAST技术,求出两个主特征向量,实现扩频码序列的恢复。子空间跟踪技术能够快速跟踪低维的特征向量,而且避免了直接的大矩阵存储和特征值分解,使码序列恢复能够实时实现。文中对该算法进行了大量的计算机仿真和性能分析,仿真表明这种算法降低了运算的复杂度和存储量,易于硬件实现,具有良好的收敛特性,性能上优于已有的梯度算法和神经网络算法。
江辉[9]2013年在《基于近红外光谱和电子鼻技术的固态发酵过程检测研究及应用》文中研究指明为有效提高固态发酵过程检测与控制的效率,以蛋白饲料固态发酵为研究对象,开展了基于近红外光谱和电子鼻技术的固态发酵过程检测研究及应用。着重探讨了基于近红外光谱技术的固态发酵过程参数检测方法,探讨了基于近红外光谱技术、电子鼻技术以及多传感器信息融合技术的固态发酵过程状态模式识别。具体研究工作如下：(1)探讨了基于近红外光谱技术的固态发酵过程参数检测方法。首先对获取的固态发酵物样本的近红外光谱采用一阶导数法进行预处理,然后利用联合区间偏最小二乘(siPLS)法优选特征光谱子区间,接着引入遗传算法(GA)从优选的特征光谱子区间中进一步筛选特征波长变量,最后利用入选的特征波长变量结合偏最小二乘(PLS)法建立固态发酵过程参数pH和湿度的定量检测模型。试验结果显示,对于参数pH,其最终检测模型建立仅选用了45个特征波长变量,且当参与模型建立的主因子数为7时,可获得最佳的预测性能。该最佳模型在训练集中的交互验证均方根误差(RMSECV)和相关系数(R。)分别为0.0583和0.9878；当利用验证集中的独立样本对该模型进行验证时,其预测均方根误差(RMSEP)和相关系数(Rp)分别为0.0779和0.9779。对于参数湿度,其最终检测模型建立仅选用了53个特征波长变量,且当参与模型建立的主因子数为4时,可获得最佳的预测性能。该最佳模型在训练集中的RMSECV和Rc。分别为1.3286%w/w和0.8992；当利用验证集中的独立样本对该模型进行验证时,其RMSEP和Rp分别为1.2668%w/w和0.8700。研究结果表明,利用近红外光谱技术来实现固态发酵过程参数的快速检测是可行的；另外,在模型校正过程中进行近红外光谱特征波长的筛选是有必要的,可有效降低预测模型的复杂度、同时提高预测模型的泛化性能。(2)探讨了基于近红外光谱技术的固态发酵过程状态模式识别。首先对获取的固态发酵物样本的近红外光谱,采用离散小波变换(DWT)结合主成分分析(PCA)对其进行滤噪和特征提取；然后利用提取的特征变量建立基于—类分类算法——支持向量数据描述(SVDD)的固态发酵过程状态识别模型。同时,四个传统的二分类算法,即线性判别分析(LDA)、K最近邻(KNN)、BP神经网络(BPNN)及支持向量机(SVM),分别有比较地被用来建立固态发酵过程状态识别模型。试验结果显示,当训练集中目标类与非目标类样本数量均衡时,各识别模型在验证集中均能取得较好的识别结果；当训练集中目标类与非目标类样本数量失衡时,SVDD方法就显示出其在处理失衡训练样本集问题上的独特优势。当训练集中的目标类与非目标类样本个数比为1：4和1：8时,SVDD识别模型在验证集中的正确识别率分别为95%和90%。而同等条件下,基于传统二分类算法的四个识别模型在验证集中的正确识别率均不高于70%。研究结果表明,利用近红外光谱技术来实现固态发酵过程状态的快速识别是可行的；另外,SVDD算法能有效处理出现失衡训练样本集时,固态发酵过程状态精确识别模型的建立问题,拓展了该算法的应用领域。(3)探讨了基于电子鼻技术的固态发酵过程状态模式识别。首先对提取的电子鼻信号的原始特征信息进行PCA处理并提取特征变量,然后引入不同的线性(LDA和KNN)与非线性(SVM)模式识别方法并结合PCA提取的特征变量建立固态发酵过程状态的识别模型。试验结果显示,通过主成分得分图可以发现,不同发酵状态样本的聚类趋势是很明显的,尤其是在蛋白饲料固态发酵前期采集的样本可以利用PCA进行直接区分；另外,通过对比各线性与非线性识别模型的分类性能,SVM方法更适合用于本研究特定对象识别模型的建立,且最佳SVM识别模型在训练集和验证集中的正确识别率分别为97.14%和91.43%。研究结果表明,利用电子鼻技术快速识别固态发酵的过程状态是可行的。(4)探讨了基于多传感器信息融合技术的固态发酵过程状态模式识别。首先对试验获取的固态发酵物样本的近红外光谱和电子鼻信号进行预处理和初始特征提取；然后利用PCA分别提取预处理后的近红外光谱和电子鼻信号的特征信息：接着建立基于各单技术的固态发酵过程状态识别模型,并在模型校正过程中优化参与模型建立的最佳主因子数；最后引入独立分量分析(ICA)对优化后的基于各单技术识别模型的最佳主因子组合在特征级层面进行融合,并建立基于BP_Adaboost的固态发酵过程状态的最佳融合识别模型。研究结果显示,基于近红外光谱和电子鼻两技术融合的固态发酵过程状态的最佳BP_Adaboost识别模型,参与模型建立的独立分量个数为4,该最佳模型在训练集和验证集中的正确识别率分别为99.05%和94.29%。从基于各技术的固态发酵过程状态最佳BP_Adaboost识别模型的分类结果来看,两技术融合识别模型的分类性能无论是在训练集中还是验证集中都要优于基于各单技术识别模型的分类性能,且其模型的复杂度也要低于基于各单技术识别模型的复杂度。研究结果表明,将近红外光谱和电子鼻两技术进行融合应用于固态发酵过程状态的识别是可行的,且其模型的识别精度和稳定性均优于基于各单技术模型的识别精度和稳定性。本研究为固态发酵过程检测与控制带来新思路,旨在提高固体发酵过程参数检测和过程状态监测的准确度和时效性,研究成果可为固态发酵过程监控仪器装备的研发提供研究基础。
参考文献：
[1]. 求解矩阵特征值问题的一种新算法——非线性算法[D]. 郑敏玲. 中南大学. 2002
[2]. 钢筋混凝土框架结构静力非线性分析程序研制[D]. 伍永飞. 同济大学. 2007
[3]. 流形学习算法及若干应用研究[D]. 王庆刚. 重庆大学. 2009
[4]. 自动掌纹识别理论和算法研究[D]. 张建新. 大连理工大学. 2009
[5]. 稀疏图子空间学习算法研究[D]. 吴云松. 重庆大学. 2017
[6]. 激光波数扫描干涉检测的算法与实验研究[D]. 白玉磊. 广东工业大学. 2016
[7]. RNA二级结构的若干计算生物学问题研究[D]. 刘琦. 浙江大学. 2008
[8]. DSSS/BPSK信号扩频码序列估计方法研究[D]. 张红波. 电子科技大学. 2006
[9]. 基于近红外光谱和电子鼻技术的固态发酵过程检测研究及应用[D]. 江辉. 江苏大学. 2013
标签：数学论文; 矩阵特征值论文; 近红外光谱论文; 特征提取论文; 波的干涉论文; 图像融合论文; 非线性论文; 算法论文;