课程文献中心 更多>>

关键词： 张量分解   高维数据补全   链接预测   半张量积   核方法  

摘要： 随着科技水平的不断发展,数据采集技术越来越成熟,应用领域中所获取的数据维度也越来越高。因此,人们提出利用具有高维结构的张量,将采集到的信息直接进行表示,从而能更好的表达数据信息。张量这种数据形式深受重视,经过多年发展,有了许多基于张量的数据处理技术,比如张量补全、张量分类等,而张量分解作为张量数据分析的一个重要方法,在各个技术中都有应用。本文主要讨论张量补全,即根据部分已知数据对完整数据进行恢复。具体研究工作如下:(1)本文在半张量积可以降低参数量的基础上,结合知识图谱各部分的物理含义,对打分函数的各个中间值进行维度重构,提出了一个不仅空间复杂度较低而且可保证预测准确度的知识图谱补全模型STuckER。由于常用知识图谱都不完整,而知识图谱又可以用二元张量进行表示,因此,提出了基于张量分解的知识图谱补全模型。但该类模型的缺点是参数量巨大,因此,本文考虑借助半张量积去替代传统的张量模式n乘法,打破相乘元素对应维度相等这一严格约束,使得分解模型中的参数量得以压缩。但分析本文提出的两个中间模型TuckER-SF、TuckER-SC发现,直接利用半张量积去改进模型虽然能够使参数量减小,但代价却是模型预测性能的降低。因此,本文进一步对模型结构进行了改进,将每次n模式半张量积从同一嵌入中所得信息重新排列在同一维度,使模型信息能够更紧密的结合在一起,从而使模型在参数量减小为原来1/2的同时,还能保证补全准确度不变。本文将最终提出的模型命名为STuckER,并在四个标准知识图谱数据集中进行了实验,实验结果证明了本文所提方法的有效性和准确性。(2)本文发现核方法对张量数据进行预处理获得的投影,相对于原始数据可以具有更好的低秩特性,从而提出一个核张量补全算法,可以处理一些高秩多维数据的补全,并命名为KF-HRTC。该方法关键之处在于核方法的使用,利用核方法将高秩数据投影到多项特征空间中,使其在投影空间中呈现低秩特性,并在投影空间中使用低秩补全方法,从而实现高秩数据的补全任务。同时,由于本文所提方法是基于张量的,因此能够有效的避免矩阵方法中多维信息的丢失,从而达到更优的补全效果。本文利用高秩语音、图像数据进行对比实验,结果显示KF-HRTC算法在不同采样率下的RSE值较对比方法都有所提升,在有些数据集中的提升能达到0.25左右,充分证明了该算法的有效性。

关键词： 光纤布拉格光栅   极限学习机   应变传感   交叉敏感   自编码  

摘要： 光纤布拉格光栅(Fiberbragggrating,FBG)是一种无源光器件，因具有重量轻、尺寸小、灵活性强、不受电磁辐射影响、可适应恶劣环境及波长绝对编码等突出优点，使其在航空航天、城市建设、电力及医学等领域都有着广泛的应用。将FBG传感器应用于工程时的关键技术是对传感信号的解调，即检测被测物所引起的小波长偏移。传统的解调技术大多是基于跟踪FBG反射光谱的中心波长实现的，包括直接法、曲线拟合法以及基于相关性的方法等，然而这些方法的检测精度通常较低，尤其是在FBG光谱的采样点数很少时，由于光谱信息缺失较多以及系统噪声的影响，仅依靠峰值波长难以实现高精度的FBG传感解调。为了提高FBG传感器的解调性能，需要开发更高性能的解调技术。近几年来，随着机器学习技术的迅速发展，使其拥有了优秀的数据学习能力，将机器学习与FBG传感器相结合，通过对整个反射光谱数据的学习，可以实现FBG传感信号高精度的自动化解调。　　本文提出了一种基于量子行为粒子群优化核正则化极限学习机(QPSO-KRELM)的光纤光栅应变传感解调系统。通过实验与仿真证明了该系统能够直接精确、自动地从FBG反射光谱中识别出对应的应变量。不同于传统方法那样通过寻找中心波长的偏移量来实现解调，该方法的核心思想是将整个FBG反射光谱上的所有数据点和对应的物理量组合起来作为样本数据集，通过训练好的解调模型自动识别反射光谱所对应的传感量。与传统的解调方法相比，基于QPSO-KRELM的解调系统具有更高的解调精度，即使是在FBG反射光谱的采样点数量很少的时候，也能保持良好的解调性能，当光谱的采样点数为25时，其平均绝对误差为0.0713με，这也就意味着可以使用较为便宜、分辨率较低的光谱仪来获取所需的光谱数据，对于实现低成本、低复杂度的FBG传感解调系统具有一定的意义。　　本文还提出了一种基于量子行为粒子群优化自编码正则化极限学习机(QPSO-EAE-RELM)的FBG传感解调方法，用于解决FBG传感器的交叉敏感问题，实现温度与应变的同时解调。首先介绍了FBG交叉敏感问题的产生机理及传统的解决方法，随后对本文提出的QPSO-EAE-RELM算法的基本原理进行了阐述。将两个参数相同的FBG，即全同FBG，串联起来作为传感单元，利用QPSO-EAE-RELM模型对其进行传感解调。最后实验与仿真结果表明，所提出的解调方法可以解决交叉敏感问题，实现温度与应变的同时解调，其平均绝对误差分别为0.1519℃、2.4605με。这同时也意味着该方法具备解调重叠光谱的能力，使得FBG传感器在组成传感网络时无需受限于各个FBG的工作区域互不重叠的要求，为提高FBG传感网络的容量奠定基础。

关键词： 太赫兹成像   压缩感知   太赫兹调制器   肖特基二极管   场效应晶体管  

摘要： 太赫兹波是指频率在0.1～10 THz,波长为0.03～3 mm的电磁波。太赫兹波在半导体材料表征、生物组织诊断、无损检测和安全检查等领域表现出许多独特的优点,因此受到了越来越广泛的关注。现有的太赫兹成像系统主要有两种,逐点扫描式太赫兹成像系统和焦平面探测器阵列式太赫兹成像系统。对于前者,虽然成像精度高,但是存在扫描时间过长、不适合用于大样品成像等问题。对于后者,虽然可以实现快速成像,但是焦平面探测器阵列制作成本高昂、成像系统复杂度高。而基于压缩感知技术的单像素太赫兹成像系统只需使用一个太赫兹探测器,系统成本低且利于集成。基于压缩感知理论的成像方法只需用比原始图像像素总数少得多的采样点就能完整重建一幅图像,大大提高了系统成像速度,而实现单像素太赫兹成像系统的关键在于高性能的太赫兹波空间光调制器。本文研究并制备了两种不同结构的太赫兹调制器。一种是将金属光栅与n-Ga As半导体材料结合形成肖特基二极管结构的太赫兹调制器,另一种是将金属光栅与Si O/Si衬底相结合形成场效应晶体管结构并负载石墨烯的太赫兹调制器。两种不同结构的太赫兹调制器均是通过对器件施加偏置电压实现对太赫兹波的强度调控。在透射型太赫兹时域光谱系统测试下,金属光栅周期为20μm,光栅间隔为2μm的肖特基二极管结构的太赫兹调制器在0.4～1.4 THz的宽频带范围内,对太赫兹波的最大调制深度达到了48%,通过将两个同型号的太赫兹调制器堆叠在一起实现了最大75%的调制深度。在全反射型太赫兹时域光谱系统测试下,金属光栅周期为10μm,光栅间隔为2μm的肖特基二极管结构的太赫兹调制器在0.3～1 THz的宽频带范围内,实现了对太赫兹波最大86%的调制深度。同时,肖特基二极管结构的太赫兹调制器的调制速度超过了80 k Hz,实现了对太赫兹波的快速调制。在全反射型太赫兹时域光谱系统测试下,金属光栅周期为20μm,光栅间隔为4μm的石墨烯场效应晶体管结构的太赫兹调制器在0.4～1.4 THz的宽频带范围内,对太赫兹波的最大调制深度达到了99%,几乎实现了对太赫兹波的完全调控。本文研究的两种不同结构的太赫兹调制器均实现了对太赫兹波的宽频带调制且调制深度较高,同时使用MATLAB软件编写了一套可使用的压缩感知算法,为后续基于压缩感知技术的单像素太赫兹成像系统的相关研究工作的开展打下了坚实基础。

关键词： 分布式   故障检测   局部保持   典型相关分析   张量   核密度估计  

摘要： 由于大规模工业系统流程复杂,厂级过程监测面临着很大挑战。传感器在工业过程中的应用有助于数据驱动监测方案的实施。传统的集中式方法受制于数据计算量大、建模困难,在厂级过程监测中表现不佳。分布式方法作为一种可行的改善方案,有助于降低建模复杂度,提高处理速度,增强监测性能。通过合适的过程分解可以降低单元之间相互影响,这对保障分布式方法的监测性能非常重要。本文对基于典型相关分析（Canonical Correlation Analysis,CCA）的厂级过程监测方法进行了以下研究:1、针对变量非线性耦合的厂级工业过程,提出了一种基于局部保持典型相关分析（Locality Preserving Canonical Correlation Analysis,LPCCA）的厂级分布式故障检测方法。采用了互信息节点划分方式,充分考量变量之间的线性和非线性关系,更好反映过程特征;同时将局部结构分析嵌入CCA方法的全局优化目标中,更好地考虑了非线性关系的干扰;采用交替优化算法实现分布式框架下邻居节点信息的接收,以减少监测不确定性。采用核密度估计方法进行置信限的设定。2、针对分布式监测架构下获取的多视角数据形式,提出了一种基于张量典型相关分析（Tensor Canonical Correlation Analysis,TCCA）的分布式故障检测方法,把分析两视角数据的传统CCA方法拓展到多视角数据处理。针对分布式架构下节点中变量选取不当会使检测结果难以解释的问题,采用遗传算法对节点划分过程进行优化;利用TCCA实现了各节点之间的相关性最大化,获得更可靠的投影方向;利用贝叶斯推理决策融合方法实现决策层面的分布式架构的搭建,并基于此对不同故障影响的变量进行了总结。本文所提的两种方法的可行性与有效性通过田纳西伊斯曼仿真平台得到了验证。

关键词： 全息聚合物分散液晶光栅   H-PDLC   衍射效率   驱动电压  

摘要： 全息聚合物分散液晶（Holographic Polymer Dispersed Liquid Crystal,H-PDLC）光栅得益于液晶的电控特性,能够实现在外加驱动电场条件下从入射光衍射到透射的转换,并且具有成本低、制备流程简单等优点,在全息存储、全息显示、光通信等领域具有一定的应用价值。H-PDLC光栅主要利用在外加驱动电压条件下,光栅内的液晶分子产生取向旋转,使光栅的折射率调制度发生变化,从而降低光栅的衍射效率来实现工作模式的切换。然而液晶分子分布于由聚合物基质包裹的微滴中,受到基板和聚合物之间的锚定能作用,较一般的液晶光子器件更难发生取向改变,因此驱动电压较高,这一定程度上制约了其应用的广泛发展。因此,本文通过仿真和实验研究了H-PDLC光栅的衍射效率和驱动电压这两项关键性能的影响因素,在制备出高衍射效率光栅的基础上,研究了不同添加剂对光栅驱动电压的作用,制备低驱动电压光栅。本文首先围绕制备高衍射效率的光栅进行仿真,在介绍了H-PDLC光栅衍射效率影响因素的基础上,重点研究了折射率调制度对光栅衍射效率的影响;其次仿真研究了液晶指向对光栅的衍射效率的影响,若使H-PDLC光栅的液晶在驱动电场施加前后的指向分别为平行光栅矢量和垂直基板,在p偏振光测试条件下将获得最大的衍射效率变化。论文还研究了高衍射效率H-PDLC光栅的制备工艺,在曝光强度为10.70m W/cm,曝光时间为100s,液晶盒盒厚为20μm,光束夹角在30°左右参数下制备出了衍射效率高达96.3%的光栅;并研究了光栅衍射效率的角度相关性以及偏振相关性。在此基础上,本文分析研究了光栅驱动电压的影响因素和波动曲线,通过对表面活性剂添加的机理进行研究,选择离子型和非离子型两种表面活性剂进行添加,并与添加纳米银颗粒光栅的电控效果进行对比,掺杂6%非离子型表面活性剂的SPAN 80的光栅取得了较好的结果,光栅的阈值驱动电场由15V/μm降低至1.37V/μm。结果还表明在制备中曝光时间太长将导致光栅过调制,从而引起光栅电控调制出现波动。

关键词： 多视角聚类   张量奇异值分解   自适应构图   自加权策略  

摘要： 无监督学习是机器学习领域中热门的研究课题,而聚类是该领域的典型方法之一,其主要任务是在无标签的条件下将数据分为多种不同类别。在大数据的时代背景下,数据从原本的单一视角过渡到了多个视角进行特征表示,称之为多视角数据。前述研究表明,多视角聚类得益于数据表征的全面性,可以取得更加优异的数据挖掘性能。基于张量分解的多视角聚类方法将自表示数据重构成高阶张量,并基于先进的张量核范数挖掘出数据的高阶信息与相关信息。本文基于这个工作出发,考虑到其不足之处如缺乏对数据之间的空间关系探索,提出了自适应构图的低秩张量学习多视角模型,期望同时考虑数据的局部信息、高阶跨视角数据的相关性以及多视角数据特征,以获得更加鲁棒更加准确的自表示张量。此外,考虑到不同视角的特征在聚类工程中扮演的角色不同且重要程度不同,本文进而提出了一个自适应加权的模型,期望通过自加权的策略完成不同视角的置信度学习,从而获取更具有实际应用价值的模型。具体的方案如下:(1)为同时挖掘多视角数据的全局低秩性和局部相似性,本文提出自适应图正则化的低秩张量多视角子空间聚类模型。具体地,对重构张量先通过旋转操作再施加张量奇异值分解的张量核范数,该方式不仅具有可解释性,同时能够有效地挖掘高阶数据潜藏的交互信息;另外,针对子空间上的点能够很好的反映原始空间数据的特点,本文通过对子空间上的数据进行自适应构图,学习数据之间的局部信息。本文提出的方法可以有效地避免原始数据集上的噪声、污染等干扰因素,为子空间形成提供了有力的保障,挖掘了更全面、更有效的数据信息。(2)为甄别不同视角在聚类工作中的不同重要性,本文提出自适应加权的多视角子空间聚类模型。具体地,在前面工作中进一步引入自加权正则项,对每个视角的权重自动学习,充分考虑到不同视角不同的置信度;此外,对每个视角的自表示矩阵融合出共识的亲和矩阵,直接输入到谱聚类算法实现聚类。本文提出的自适应权重方法既考虑到数据高阶信息、局部信息,同时关注到了视角的差异性,为实际应用场景提供了良好的解决方案。(3)本文对所提算法设计了一系列的优化方法,并将提出的模型在六个广泛应用的真实数据集上进行实验,与典型的几种方法做了全面的对比。从实验结果证明本文所提方法于对比方法在各种聚类评估指标上都有更出色的表现。

关键词： 高分辨率   非凸反正切秩   图像融合   子空间   聚类  

摘要： 本文主要研究提高高光谱图像的空间分辨率问题。近年来,将低的空间分辨率高光谱图像(LR-HSI)和高的空间分辨率多光谱图像(HR-MSI)重建成高的空间分辨率高光谱图像(HR-HSI)引起了极大研究兴趣。在最近的许多研究中,通常对系数张量施加张量低秩来充分利用高光谱图像的非局部自相似性。其中,张量核范数大多被用来代替秩函数进行低秩求解,传统的核范数逼近是将所有奇异值直接加在一起,这可能在很大程度上取决于奇异值的大小,影响实验效果。我们定义了一种张量的非凸反正切秩,这是将张量的每个前额切片的反正切秩加起来得到的张量低秩。由于F-函数有三个优点:首先,反正切函数是一个有界函数;其次,f(·)在其定义域内是可微的,非凸的,单调递增的函数;最后,F-函数是酉不变的,f(·)是绝对对称的。即f(·)在分量的任意排列和符号变化下是不变的。从而,张量非凸反正切秩是比张量核范数更为优的非凸逼近。基于此,我们提出了一种新的基于子空间的张量非凸反正切秩正则化方法来进行高光谱图像的高分辨率重建模型。在这个过程中,充分利用了高空间分辨率高光谱图像(HR-HSI)的光谱带间的高度相关性和非局部自相似性的相关知识。首先,我们通过奇异值分解从获得的LR-HSI中学习子空间。在这一步中,我们利用到光谱向量通常存在于低维子空间的先验条件。其次,我们使用K-means算法将HR-MSI进行聚类,其系数也根据这个聚类结构进行分组聚类,并且将同一组的系数拉成一个三维张量。最后,利用HR-HSI中的非局部自相似性,对得到的张量施加非凸反正切秩先验条件来估计系数。系数优化采用交替方向乘子法求解。在两个公共HSI数据集上的实验证明了我们方法的优越性。

摘要： Little Johnny asked the teacher,“How many problems will be on the final exam?”The teacher looked him over（打量他一番） and replied,“I think you will have lots of problems.”（注：problem是一个多义词，既可以指“题目”，也可以表示“难题，困难”。）

关键词： 地震勘探   随机噪声建模   波动方程   数据驱动   偏微分方程学习  

摘要： 在沙漠地震勘探过程中,由于地表条件和采集环境复杂,采集到的地震记录中往往伴随着大量的随机噪声。这些噪声降低了地震数据的信噪比,是影响地震数据质量的关键因素,给地质结构的解释带来了挑战。研究沙漠地震勘探随机噪声的产生机制和传播过程有助于深入认识和刻画随机噪声的复杂性质,为进一步的利用随机噪声性质改进地震数据处理技术提供理论支撑。沙漠地震勘探随机噪声主要是由勘探过程中的自然外力或者人类活动等因素产生的,其在近地表传播的动力学过程可以建模为在多种噪声源函数激励下的二维波动方程,利用格林函数等方法求解波动方程可以模拟沙漠地震勘探随机噪声。这种经验观测和理论分析得到的随机噪声模型通常假设地表介质是均匀、各向同性、完全弹性的。然而,实际地震勘探介质条件复杂,理想的随机噪声波动方程不能全面地反映实际地表介质性质。针对这一问题,本文引入偏微分方程学习方法,从沙漠地震勘探随机噪声数据中学习随机噪声动力学特征。本文提出了一种深度随机噪声波动方程神经网络,利用数据驱动的方式解决随机噪声建模和求解问题。首先基于随机噪声二维波动方程建立复杂介质条件下的非线性波动方程,并根据其构建深度随机噪声波动方程神经网络(RNWENet)。RNWENet共包含微分卷积层,符号回归神经网络和具有跳接结构的连接模块三部分,其中可学习参数的微分卷积层可以近似波动方程不同阶次不同方向的微分算子,得到随机噪声的各阶微分,而符号回归神经网络能够学习波动方程各微分项的非线性响应,使得网络能够刻画随机噪声波动方程随时间演化的动力学过程。为了使RNWENet学习随机噪声数据长时间动态变化,将多个随机噪声波动方程网络单元串联并使用跳接连接模块连接各网络单元。RNWENet训练采用具有正则项约束的代价函数,利用BFGS算法求解优化问题,学习到沙漠地震勘探随机噪声波动方程的准确形式。不同介质的模拟随机噪声数据实验验证了RNWENet学习随机噪声模型的有效性。然后通过网络模型学习了实际采集的随机噪声数据的动力学特征。接下来本文利用训练获得的随机噪声波动方程模型进行不同噪声的模拟。根据实际地震勘探采集环境建立随机噪声源函数模型,分别使用风成、近场和远场人文噪声源激励RNWENet模型,生成不同种类的沙漠地震勘探随机噪声,分析噪声源的参数对噪声性质的影响得到符合地震勘探特性的噪声源函数。最后将三种噪声叠加生成模拟沙漠地震勘模拟噪声,模拟沙漠地震勘探随机噪声的谱特征、统计特征以及空间相似性与实际随机噪声特性基本保持一致。实验结果验证了利用RNWENet模型可得到大量符合实际沙漠地震勘探随机噪声特性的模拟噪声。