课程文献中心 更多>>

关键词： 邻接矩阵   行列式   积和式   彩球图   全微分  

摘要： 基于图上的Sachs子图计算图邻接矩阵的行列式与积和式的一个公式,分别给出计算图邻接矩阵的行列式与积和式的一个删点的递推公式,并利用这些递推公式,分别给出计算彩球图邻接矩阵的行列式与积和式的方法.结果表明,彩球图邻接矩阵的行列式等于一个具有16个变量的函数的全微分,彩球图邻接矩阵的积和式等于一个具有4个变量的函数的全微分.

关键词： 光纤光学   保偏光纤   侧视成像   光强分布   定轴  

摘要： 熊猫型保偏光纤因其较强的偏振保持能力,被广泛用于干涉传感和相干光通信等领域。确定熊猫型保偏光纤的偏振轴对提高相关器件精度有重要意义。以保偏光纤侧面成像为基础,通过理论仿真,发现在偏振方位角90°附近时,光强分布曲线呈五指型且旁瓣光强变化最灵敏,提出利用五指旁瓣特征值进行熊猫型保偏光纤偏振轴定轴。该种方法数据采集点少,定轴速度快,实验定轴精度0.5°。

关键词： 多智能体系统   距离划分   无向符号网络   能控性   leader-follower模型   特征值   特征向量   控制理论  

摘要： 针对一般线性多智能体系统研究了符号网络的能控性。首先,聚焦2种不同的leader-follower模型,分析并描述了二者在表现形式上呈现出的差异。其次,基于上述模型,利用首次提出的距离划分这一工具,从网络拓扑的角度定量刻画了网络的能控子空间。进一步,受距离划分的启发,得到了系统K步可控的条件(K步可控是指控制信号在K步之内可达所有节点,K值等于系统的能控性指数)。特别地,针对密集网络(结构更为复杂)拓扑,给出了一种计算系统K值的算法,该算法从图论视角入手,通过遍历和删减边的操作,避免了传统方法中通过复杂的矩阵计算才得到K值的问题,并为领导者的选择提供了方法。最后,通过例子验证了算法的有效性。

关键词： 线性相关   一元线性回归模型   连续变量  

摘要： 1问题提出《普通高中数学课程标准(2017年版2020年修订)》(以下简称《课标》)中选择性必修主题三统计学习内容涵盖了成对数据的统计相关性、一元线性回归模型、2×2列联表三块内容.其中前两块内容研究的是两个连续变量之间的关系,2×2列联表研究的是两个分类变量之间的关系.

关键词： 连续变分模态分解   直流触电特征   能量熵   特征向量   支持向量机  

摘要： 随着直流供电系统广泛受到关注,直流供电系统的电气安全问题亟待进行深入研究。为实现快速、准确地提取直流触电特征,提出一种基于连续变分模态分解(Successive variational mode decomposition,SVMD)能量熵的直流触电特征提取方法。该方法根据动物体触电和非动物体电流信号的能量差异性,首先采用SVMD算法对动物体触电和非动物体电流进行分解,然后计算各模态分量的能量熵,选用能量熵特征分析了动物触电和非动物体电流的能量分布在时频域上的差异性,将能量熵作为触电信号识别的特征向量。最后采用支持向量机算法(Support vector machine,SVM)实现触电类型的准确识别。试验结果表明,通过该方法可以准确提取直流触电电流特征,有效区分动物触电和非动物体类型,识别准确率高,为直流剩余电流特征提取识别方法提供了参考。

关键词： 哈密顿s-性质   k-连通图   最大特征值  

摘要： 在α≥β>0的条件下利用M(G;α,β)的最大特征值研究k-连通图G的哈密顿s-性质,给出了G具有哈密顿s-性质的充分条件。

关键词： 人工智能   光网络   节点状态   模式识别   特征向量  

摘要： 为避免光网络节点状态异常引发光网络故障,导致数据传输中断或服务质量下降,设计基于XGBoost算法的光网络节点状态模式识别方法。采用基于多层小波分析消除光网络节点信号中噪声,提取光网络信号状态特征向量,采用信息熵技术进行光网络节点状态特征向量筛选,将其作为人工智能技术中XGBoost的输入,通过不断挖掘特征向量与状态模式之间的关系,完成新的光网络节点状态模式识别。实验结果显示:该方法可以获取重要程度高的特征组建特征向量子集,其中信号均值为0.284、翘度为0.454、波形因子为0.3898、数据包转发延时均值为0.441和数据包转发率为0.185,实现全部节点状态模式的精准识别。

关键词： 矩阵多项式   特征值估计   广义Ostrowski-Brauer集  

摘要： 本文在矩阵特征值估计的广义Ostrowski-Brauer定理的基础上,给出了矩阵多项式特征值估计的广义Ostrowski-Brauer集,并讨论了该集合的闭性、对称性、孤立点、有界性和连通性等性质.

关键词： 人工智能   激光图像   噪声识别   特征值   最小二乘支持向量机   萤火虫算法  

摘要： 为自动识别激光图像中的噪声,增强图像处理自动化和智能化水平,提出基于人工智能技术的激光图像中噪声自动识别方法。分析激光图像中噪声类型,构建激光图像噪声自动识别样本数据集;提取小波高频系数直方图不显著系数能量比、噪声能量熵分布梯度特征平面、噪声曲面边界法矢、曲率变化率以及曲面能量离散率五个特征值,作为激光图像噪声特征向量;构建基于最小二乘支持向量机(LSSVM)的激光图像噪声自动识别模型,并采用萤火虫算法优化模型中的关键参数;利用构建的样本数据集对优化后的LSSVM实施训练,将提取出的激光图像噪声特征向量输入训练好的模型中,模型输出结果就是激光图像中噪声识别结果。实验表明,该方法可以精准识别激光图像中的噪声,在识别灵敏度方法具有较好的表现,灵敏度系数可达0.92以上。

关键词： 入侵信息检测   Agent技术   分布式网络   主成分分析   特征向量   多头注意力机制  

摘要： 分布式网络具有去中心化特性,没有单一的中心节点控制整个网络,且因数据大部分分散存储在多个节点上的特点,增加了混合入侵信息检测的难度。为此,提出一种Agent技术下分布式网络混合入侵信息智能检测方法。采用多Agent技术将检测任务分散至各个单元,汇聚分布式网络中的数据信息,并采用主成分分析提取其中的特征向量。再将特征向量作为基于CNN-BiLSTM的入侵检测模型的输入,通过BiLSTM层捕捉其时间维度特征,并采用多头注意力机制整合CNN层、BiLSTM层从而输出入侵检测结果,实现分布式网络混合入侵信息的智能检测。实验结果表明,所提方法可通过对分布式网络信息关键特征的选择,实现入侵信息检测。