改进PF算法在煤与瓦斯突出AE信号去噪中的研究

来源 :计算机应用研究 | 被引量 : 9次 | 上传用户:fjyasp
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
煤与瓦斯突出会产生声发射(acoustic emission,AE)信号。针对提取较纯净有效的AE信号问题,提出一种邻域动态调整(D)果蝇算法(fruit fly algorithm,FOA)智能优化粒子滤波(particle filter,PF)的去噪方法。利用果蝇个体表征PF中的每个信号点粒子,优化粒子滤波的重采样过程,并通过动态调整邻域粒子数量来改善果蝇算法的寻优能力和收敛速度。以均方根误差和信噪比为评价指标,对信号采集系统获取的煤与瓦斯突出AE信号分别使用标准粒子滤波、果蝇优化粒子滤波、改进
其他文献
图G=(V,E)的一个支配集D?V是一个顶点子集,使得图中每一个顶点要么在D中,要么至少与D中的一个顶点相连。连通支配集问题是找到一个顶点数最小的支配集S,并且S的导出子图G[S]是连通图。该问题是一个经典的NP难问题,可应用于连通设施选址、自适应网络等领域。针对无向图中连通支配集问题,仔细分析该问题的图结构性质,挖掘出若干有效的约简规则和分支规则,设计了一个分支搜索算法,并采用了测量治之方法分析
低秩双随机矩阵分解聚类(low-rank doubly stochastic matrix decomposition for cluster analysis,DCD)通过最小化KL(Kullback-Leibler)散度准则:KL(A,S),从图关联矩阵S中获得一个非负低秩双随机矩阵分解:A=UUT(U≥0),并以U作为类标签矩阵进行聚类。在DCD方法中,因矩阵S是固定不可变的,故S初始取值选
网购评语是消费者对网购商品的直接反馈,从中挖掘有价值的知识有助于为商家开展精准化营销和个性化推荐服务、消费者制定购买决策等提供依据。鉴于此,以国内大型综合型电商平台上服装类网购评语为研究对象,对评语分词、筛选高频词、分析高频词之间的共现关系构建高频词共现网络,分析得出网络评语的热点词多个结构特征和评语网络中少数节点对网络的运行起着主导的作用,为网购评语挖掘研究领域提供了按照网购评语高频词共现网络的