公共文化服务平台

张成: 作品数：44 被引量：125H指数：7; 供职机构：沈阳化工大学更多>>; 发文基金：国家自然科学基金辽宁省自然科学基金辽宁省教育厅基金更多>>; 相关领域：自动化与计算机技术理学文化科学化学工程更多>>

合作作者

基于判别式扩散映射分析的非线性特征提取被引量：1: 2015年; 针对高维数据难以被人们直观理解,且难以被机器学习和数据挖据算法有效地处理的问题,提出一种新的非线性降维方法——判别式扩散映射分析(DDMA)。该方法将判别核方案应用到扩散映射框架中,依据样本类别标签在类内窗宽和类间窗宽中判别选取高斯核窗宽,使核函数能够有效提取数据的关联特性,准确描述数据空间的结构特征。通过在人工合成Swiss-roll测试和青霉素发酵过程中的仿真应用,与主成分分析(PCA)、线性判别分析(LDA)、核主成分分析(KPCA)、拉普拉斯特征映射(LE)算法和扩散映射(DM)进行比较,实验结果表明DDMA方法在低维空间中代表高维数据的同时成功保留了数据的原始特性,且通过该方法在低维空间中产生的数据结构特性优于其他方法,在数据降维与特征提取性能上验证了该方案的有效性。; 张成刘亚东李元; 关键词：非线性降维类别标签核函数流形学习

基于高斯分量标准化的K近邻故障检测策略: 2023年; 针对复杂多工况工业过程故障检测问题,提出一种基于高斯分量标准化的K近邻(Gaussian Component Standardization K-Nearest Neighbor,GCS-KNN)故障检测策略。样本数据应用高斯混合模型(Gaussian Mixture Model,GMM)进行训练,将数据分解为多个高斯分量;通过每个高斯分量的均值和协方差对该分量内的数据进行标准化处理;应用K近邻(K-Nearest Neighbor,KNN)算法对标准化后的样本进行检测。GCS-KNN通过高斯分量标准化消除数据的多模态特性,提高传统基于KNN检测方法的检测率。利用数值例子和半导体工业过程仿真实验验证了该方法的有效性,并与传统的主元分析(Principal Component Analysis,PCA)、KNN、动态主元分析(Dynamic PCA,DPCA)和加权KNN(Weighted KNN,WKNN)等方法进行对比,结果证实此方法具有显著的优势。; 张成赵丽颖郑百顺戴絮年李元; 关键词：高斯混合模型

多目标进化算法在非线性方程组中的应用: 2011年; 将非线性方程组问题转化为多目标函数优化问题,利用NSGA-Ⅱ的非支配集的构造方案和基于拥挤距离排序方法产生子代种群,依适应度排序选择子代个体进行下一代优化.本文将NSGA-Ⅱ中遗传算法GA替换为进化策略ES,通过非支配集的调整与拥挤距离重新排序可以进一步提升收敛速度,同时避免种群的早熟,保证初始种群个体的优良性能得以继承.仿真实验表明,本文算法可以进一步提高非线性方程组解的精确性和求解效率,从另一个角度为非线性方程求解提供了一中新的途径.; 张成李明辉; 关键词：非线性方程组多目标进化算法进化策略

浅谈高等数学与新课标下中学数学教学的衔接被引量：1: 2013年; 大学高等数学和中学数学在各方面的脱节,直接影响高等数学的教学质量.考虑到新课标下高中数学生本教学的特点,在大学高等数学教学中继续利用生本教育,指导学生掌握学习方法,正确使用数学语言及重视能力培养是进行教学衔接的有效方法,以此进一步提高教学质量及学习效果.; 徐涛张成; 关键词：高等数学中学数学生本教育教学衔接

基于加权统计特征KICA的故障检测与诊断方法被引量：8: 2022年; 针对核独立元分析(kernel independent component analysis,KICA)在非线性动态过程中对微小故障检测率低的问题,提出一种基于加权统计特征KICA(weighted statistical feature KICA,WSFKICA)的故障检测与诊断方法。首先,利用KICA从原始数据中捕获独立元数据和残差数据;然后,通过加权统计特征和滑动窗口获取改进统计特征数据集,并由此数据集构建统计量进行故障检测;最后,利用基于变量贡献图的方法进行过程故障诊断。与传统KICA统计量相比,所提方法的统计量对非线性动态过程中的微小故障具有更高的故障检测性能。应用该方法对一个数值例子和田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真测试,仿真结果显示出所提方法相对于独立元分析(ICA)、KICA、核主成分分析(kernel principal component analysis,KPCA)和统计局部核主成分分析(statistical local kernel principal component analysis,SLKPCA)检测的优势。; 张成潘立志李元; 关键词：独立元分析统计特征过程控制参数估值动态仿真

基于双近邻标准化和PCA的多阶段过程故障检测被引量：17: 2018年; 现代工业产品的生产往往需要多个生产阶段,多阶段生产过程的故障检测成为一个重要问题。多阶段过程数据具有多中心、各工序数据结构不同等特征。针对多阶段过程数据的特征,提出了基于双近邻标准化和主元分析的故障检测方法(DLNS-PCA)。首先寻找样本的双层局部近邻集;其次使用双层局部近邻集的信息标准化样本,得到标准样本;最后在标准样本集上使用主元分析方法进行故障检测。双局部近邻标准化能够将各阶段数据的中心平移到同一点,并且调整各阶段数据的离散程度,使之近似相等,从而将多阶段过程数据融合为服从单一多元高斯分布的数据。进行了青霉素发酵过程故障检测实验,实验结果表明DLNS-PCA方法相对于PCA、KPCA、FDk NN等方法对多阶段过程故障具有更高的检测率。DLNS-PCA方法提高了多阶段过程故障检测能力。; 冯立伟冯立伟李元张成; 关键词：故障检测主元分析过程控制

基于改进的局部近邻标准化和kNN的多阶段过程故障检测被引量：3: 2018年; 针对多阶段过程数据具有多中心和各工序结构不同的特征问题,提出了一种基于改进的局部近邻标准化和k近邻的故障检测(ILNS-kNN)方法。首先寻找样本的前k个近邻样本的前K局部近邻集;其次使用局部近邻集的均值和标准差来标准化样本,获得标准样本;最后在标准样本集上计算样本的累积近邻距离作为检测指标进行故障检测。改进的局部近邻标准化(ILNS)将各阶段数据的中心平移到原点,并且调整各阶段数据的离散程度,使之近似相等,从而将多阶段过程数据融合为服从单一多元高斯分布的单阶段数据。进行了青霉素发酵过程故障检测实验。实验结果表明ILNS-kNN方法对所设置的六类故障的检测率高于97%。ILNS-kNN方法在保持对一般多阶段过程故障的检测能力的同时,能够实现对阶段方差差异显著的多阶段过程故障的检测,从而更好地保证多阶段生产过程的安全性和产品的高质量。; 冯立伟冯立伟李元张成; 关键词：K近邻故障检测主元分析

PC-KNN故障检测方法在半导体批次过程中的应用研究: 本文研究了基T'PCA数据降维的PC-KNN故障检测方法，将该方法在数据变量具有非线性和多工况等特点的半导体批次过程进行研究。基T-K近邻的故障检测方法FD-KNN存在计算复杂、存储密集，对时间和存储空间需求较高等问题，...; 张成李元; 关键词：主元分析 K近邻故障检测

基于DSP的人脸检测算法设计与实现: 人脸检测是基于图像处理的人机交互技术的重要研究内容之一,它是指给定静止图像或视频序列,不管图像中人脸的位置、大小、方向、姿势、光照等如何变化,找到并定位所有人脸确切位置的技术。除此之外,人脸检测作为人脸信息处理中的一项关...; 张成; 关键词：人脸检测肤色模型图像处理

基于局部马氏距离的加权k近邻故障检测方法被引量：6: 2017年; 针对复杂工业生产过程中,多工况数据的中心漂移、模态密度差异大和变量尺度不同的三个特征,提出了基于局部马氏距离的加权k近邻(lm-w-k NN)故障检测方法.首先在欧式距离下寻找训练样本x在训练数据集中的前N近邻集,在前N个近邻集下计算x与其第k个近邻的马氏距离,其次以此近邻的局部k近邻集的平均局部马氏距离的倒数为权重,把加权马氏距离作为统计量D,统计量D能够降低中心漂移和模态方差差异大的影响且能在同一尺度上度量各变量,利用D的分布确定检测控制限;最后计算待检测数据的统计值,并与控制限作比较,实现在线故障检测.使用lm-w-k NN方法对非线性和多模态两个模拟实例进行故障检测,并与PCA方法、欧式k NN方法、马氏k NN方法作比较,验证了lm-w-k NN方法的有效性.; 冯立伟张成李元谢彦红; 关键词：主元分析 K近邻多模态故障检测

张成

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

张成

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈