检索结果-南通市图书馆

数学进展 2015年第2期44卷 229-238页

作者：龙伦海梁莉朱莉红海南大学信息科学技术学院应用数学系海口海南570228

本文利用n阶整数元方阵作为表示基,以Z^n上的有限个点矩阵作为表示系数,构造了空间R^n中的点矩阵的加法表示系统和乘法表示系统,并分别给出了这两种表示系统导出的分形矩阵在不满足开集条件下的Hausdorff维数的上下界.

关键词：点矩阵表示系统分形矩阵 Hausdorff维数

在线全文

学校读者我要写书评

暂无评论

基于分形矩阵的编织物图案设计与生成

纺织学报 2003年第4期24卷 37-39页

作者：王小铭李福清华南师范大学计算机科学系广州510631

在介绍和拓展矩阵迭代变换与分形矩阵的概念基础上 ,讨论基于分形矩阵生成编织物图案的原理和方法。

关键词：编织物图案设计迭代变换分形矩阵

在线全文

学校读者我要写书评

暂无评论

指纹形态结构的分形矩阵分类法

天津大学学报 1995年第5期28卷 682-686页

作者：张智新王金声王积分天津市公安局天津大学

根据指纹的不同形态结构，运用分形理论对其识别．通过求取指纹的分形矩阵，计算矩阵的本征值λ和迹等特征．由λ值的性质和迹的大小，将指纹分成弧、帐、箕、斗、杂等８类．

关键词：分类分形矩阵指纹形态结构

基于优化k值的VMD和矩阵分形的供输弹系统早期故障诊断

在线全文

学校读者我要写书评

暂无评论

机械设计与研究 2020年第2期36卷 208-211,215页

作者：席茂松许昕潘宏侠中北大学机械工程学院太原030051 中北大学系统辨识与诊断技术研究所太原030051

对于供输弹系统早期故障信号非线性、非平稳、故障信息易被湮没难以识别的问题,提出了基于优化k值的变分模态分解(VMD)和矩阵分形的早期故障识别方法。首先计算不同k值下相对能量比值μ的大小,选择与较小μ值对应的k作为分解层数并对分... 详细信息

对于供输弹系统早期故障信号非线性、非平稳、故障信息易被湮没难以识别的问题,提出了基于优化k值的变分模态分解(VMD)和矩阵分形的早期故障识别方法。首先计算不同k值下相对能量比值μ的大小,选择与较小μ值对应的k作为分解层数并对分解结果进行检验;然后通过计算VMD分解后得到的各工况信号IMF的广义维数,构建每种工况的分形矩阵;最后计算样本信号与待测信号分形矩阵的相关系数,确定待测信号的工况。结果表明该方法能对供输弹系统早期故障进行有效识别。

关键词：优化k值变分模态分解分形矩阵广义维数

基于分形云模型元胞自动机的艺术图案生成方法

在线全文

学校读者我要写书评

暂无评论

清华大学学报（自然科学版） 2013年第8期53卷 1098-1103,1109页

作者：张小洪李华宇西南石油大学计算机科学学院成都610500 中国电子科技集团公司第三十研究所成都610000

艺术图案设计中一个非常重要的原则是生成分形、漂亮的图案。基于原有的元胞自动机图案生成方法,考虑到图案生成的模糊性和随机性,提出了改进方法。采用分形矩阵迭代和云模型元胞自动机演化相结合的方式,通过设置迭代和演化次数生成大... 详细信息

艺术图案设计中一个非常重要的原则是生成分形、漂亮的图案。基于原有的元胞自动机图案生成方法,考虑到图案生成的模糊性和随机性,提出了改进方法。采用分形矩阵迭代和云模型元胞自动机演化相结合的方式,通过设置迭代和演化次数生成大量的分形图案。实验结果表明:该方法能够基于简单的初始图案生成大量复杂漂亮的分形图案,是一种实用的艺术图案生成方法。

关键词：艺术图案生成云模型元胞自动机分形矩阵

基于单个加速度传感器的人体运动状态识别研究

在线全文

学校读者我要写书评

暂无评论

基于单个加速度传感器的人体运动状态识别研究

作者：公衍增哈尔滨工程大学

学位级别：硕士

基于加速度传感器的人体运动状态识别是计算机模式识别领域中的一个新兴研究方向,它的迅速发展得益于微机电系统和传感器技术的不断发展进步与模式识别理论的深入研究。随着人们对智能人机交互和人体健康监护等方面需求的日益增长,基于... 详细信息

基于加速度传感器的人体运动状态识别是计算机模式识别领域中的一个新兴研究方向,它的迅速发展得益于微机电系统和传感器技术的不断发展进步与模式识别理论的深入研究。随着人们对智能人机交互和人体健康监护等方面需求的日益增长,基于加速度传感器的人体运动状态识别在运动检测、能耗评估和医疗保健等领域中将会发挥越来越重要的作用。基于加速度传感器的人体运动状态识别的本质是通过一个或多个三轴加速度传感器获取人体在运动时产生的加速度信号,然后通过蓝牙无线传输技术将数据传送到移动设备中,然后对加速度数据进行预处理、特征提取,最后根据提取的特征对运动状态进行分类和识别。但是,由于客观环境的多样性以及人体运动的复杂性使得人体运动状态识别研究还有很多亟待解决的问题摆在面前,包括如何确定加速度传感器个数和佩戴位置,针对易混淆、难区分的运动状态如何提取更具表征能力的信号特征,如何构建高效率、高精度、泛化能力强的状态分类器等问题。围绕这些问题与难点,本文对基于加速度传感器的人体运动状态识别技术展开了一系列研究,主要工作如下:(1)从加速度信号的时域特征和分布特点出发,提取了均值、标准差、倾角、波峰间隔、波峰波谷值5种相关时域特征,并结合决策树分类方法,对人体日常静止、摔倒、跑步和跳跃4种状态进行分类识别。实验结果表明,本文基于5种时域特征的决策树识别方法有着较高的准确率和实时性。(2)针对人体日常走、上楼和下楼三种运动状态易混淆、难区分的问题,在深入研究非平稳加速度信号的复杂结构模式和自相似特性的基础上,提出了基于单重分形和多重分形的人体运动状态识别方法。该方法以分形维数和广义维数作为特征量,并配合相关性判断方法,实现不同运动状态的区分识别。实验验证了单重分形和多重分形在走和上下楼三种运动状态识别中的有效性和可行性。(3)在多重分形运动状态识别基础上,将分形理论与小波多分辨率分析相结合,提出了基于小波变换的矩阵式分形人体运动状态识别方法。基于小波变换的分形矩阵量化了走和上下楼三种运动状态在不同小波尺度下分量信号的分形特征,进而描述了原始加速度信号的复杂度和自相似特性。通过实验验证,在较少先验信息的前提下,该方法对走、上楼和下楼三种运动状态的平均识别率能达到90%以上。

关键词：人体运动状态识别加速度传感器特征提取小波变换分形矩阵