發(fā)布時間：2024-03-16 10:15

　　隨著國內(nèi)傳感器產(chǎn)業(yè)集群的初步形成,信息技術(shù)的高速發(fā)展以及以互聯(lián)網(wǎng)為基礎(chǔ)的現(xiàn)代社會的數(shù)字化變革,逐步形成了融合數(shù)字信息,物理信息,社會信息為一體的系統(tǒng),即“信息-物理-社會系統(tǒng)”,又被稱為CPSS。在“信息-物理-社會系統(tǒng)”不斷發(fā)展的推動下,高階高維的信號的處理和分析儼然已經(jīng)成為了計算機科學領(lǐng)域以及信號處理領(lǐng)域的新的熱門研究方向。然而,現(xiàn)有的數(shù)據(jù)結(jié)構(gòu)例如向量和矩陣在數(shù)據(jù)處理中割裂了對象數(shù)據(jù)的多屬性的特征,而以此為基礎(chǔ)的匹配方案大多依托于概率統(tǒng)計模型,不足以滿足“信息-物理-社會系統(tǒng)”對高維高階信號的處理需求。而張量作為向量和矩陣在高維空間的拓展,是高階高維信號更加自然而本質(zhì)的表達,是處理和分析這類高階高維信號的有力工具,可以更好的來挖掘信號的多屬性關(guān)聯(lián)信息。高階奇異值分解(High-Order Singular Value Decomposition,HOSVD)是高階高維信號張量化處理的一個有效手段。本文以張量為基礎(chǔ),實現(xiàn)了基于張量方程的多屬性特征識別算法,并在此基礎(chǔ)上對求取特征向量的高階張量方法提出了較為詳細的并行解決方案,本文的主要研究可歸納為以下幾點:1.提出了基于張量方程的多屬...

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

圖3-4基于張量方程的多屬性特征識別框架

第三章基于張量方程的多屬性特征識別圖3-4基于張量方程的多屬性特征識別框架通常使用N階張量空間G∈RI1×I2×···×IN來表示歷史信息的特征。在張量空間中，實時場景中的對象用NK個非目標階表示，即B∈RI1×I2×···×In11×InK+1×···×IN表示。剩下的K個階作....

圖3-5張量建模

第三章基于張量方程的多屬性特征識別張量G∈RI1×I2×I3×I4×I5，其中I1=5表示無故障軸承和四種故障點尺寸，I2=5表示無故障軸承和四類故障位置，I3=4表示四種不同負載的測試頻率，I4=2表示測試機兩端的兩個傳感器，I5=1000表示測試過程中加速度傳感器震動信息的時....

圖3-6軸承數(shù)據(jù)實驗識別結(jié)果

電子科技大學碩士學位論文在實際生產(chǎn)環(huán)境中，由于溫度、濕度等各種因素的影響，獲得的震動時序信息相對于實驗室環(huán)境可能會有誤差擾動，通過對震動時序信息添加高斯白噪聲模擬實際生產(chǎn)環(huán)境。共分為四組噪聲實驗，分別為原始震動時序信息，10%能量占比的噪聲添加，20%能量占比的噪聲添加，30%能....

圖3-7COIL-100圖片示例

電子科技大學碩士學位論文過下采樣后的圖片示例，下采樣過程是對原圖像每隔4個像素點取一個點，將原圖縮小到32×32的尺寸。實驗選取每個物體的偶數(shù)角度的圖片共36張圖片作為訓練集，剩余的圖片作為測試集。圖3-7COIL-100圖片示例構(gòu)建一個5階張量G∈RI1×I2×I3×I4×I5....

本文編號：3929507