摘要:提出了基于知识的视觉测量的观点, 将传统的立体视觉看作一种基于摄像机知识的视觉测量, 并对当前其他的视觉测量方式按所采用知识的不同进行了分类. 分别简要介绍了基于点、线、面、统计特性等目标知识的视觉测量, 讨论了基于运动知识的视觉测量和基于环境知识的视觉测量. 在对视觉测量所采用知识的表达和获取进行初步探讨的基础上, 给出了视觉测量的几个值得深入研究的发展方向. 

摘要:针对AdaBoost算法不能有效提升NB(Naive Bayesian) 的分类性能, 提出一种改进的样本权重维护策略. 权重的调整不仅依据样本是否分错, 还需考虑前几轮的多个基分类器对它的投票分歧. 基分类器的信任度不但与错误率有关, 还与基分类器间的差异性有关. 这样可以提高基分类器的正确性, 增加基分类器的差异性. 实验结果表明, 改进的BoostVE-NB算法能有效地提升NB文本分类性能.

摘要:定义了一种灰色隶属函数. 针对概率为区间数、准则值为区间灰数的灰色随机多准则决策问题, 提出一种基于最大隶属度的决策方法. 首先, 运用区间数可能度排序向量将区间概率转化为点概率, 并将其转化为无风险决策问题; 然后, 计算各方案在负理想方案到正理想方案上的灰色隶属度, 并计算各方案准则值的相对灰度, 进而根据灰色隶属度和相对灰度大小对方案进行排序; 最后, 通过算例验证了该方法的可行性和有效性.

摘要:

对XML文档树路径模型进行扩展, 加入了路径的频率信息. 基于此路径–频率模型, 提出一种带有位置权重的基于路径的结构相似度计算方法(WLCS), 并在此基础上提出基于路径频率的XML文档结构向量化方法. 在真实数据集上的实验结果表明, WLCS方法召回率和准确率均高于当前存在的基于路径计算相似度的方法, 适合于对来自不同DTD的XML文档的相似度比较.

摘要:首先, 针对径向基函数(RBF)神经网络参数学习中最小二乘法(LS)难以获得较高鲁棒性的问题, 假定训练数据扰动上界可知, 并基于鲁棒最小二乘原理, 提出一种RBF网的最优鲁棒参数学习算法; 然后分析指出, 扰动上界可依据训练数据集自适应学习估计; 最后通过实验分析结果表明了所提算法具有较高的参数鲁棒学习能力. 与LS相似, 新算法无额外参数, 易于实际应用.

摘要:目前, 很多基于核密度估计的数据分类算法采用的判别规则忽视了不平衡类问题. 对此, 提出了改进的基于核密度估计的数据分类算法. 该算法可处理不平衡类带来的影响, 并在不平衡类问题严重时也能发挥好的效果, 而且可以推广到多分类问题. 实验结果表明了这种改进是非常有效的, 它提高了基于核密度估计的分类算法对不平衡类的适应力.

摘要:在标准FastSLAM中, 随着重采样次数的增加会出现十分严重的粒子退化现象, 从而导致机器人位姿估计的一致性很差. 针对FastSLAM算法的这一缺陷, 提出一种改进的FastSLAM算法. 此算法在标准FastSLAM的重采样条件判断中, 额外考虑了粒子权重协方差和每个粒子的测量残余一致性, 并且使用指数等级选择算法进行新粒子的生成. 通过仿真实验可以看出, 改进的FastSLAM算法不但可以明显地提高机器人位姿估计的一致性, 而且能够很好地保持粒子多样性.

摘要:针对层流冷却过程中冷却精度低的问题, 提出一种基于加权多模型的控制方法. 首先对历史数据丰富的中厚板, 实现精确控制. 对于生产批次少、生产量小的中厚板, 采用多个模型加权的方法获得加权冷却模型, 并在线提高终冷温度的控制精度. 对于首次出现的中厚板, 利用最接近该厚度的加权系数实现初始控制, 同时实时调整加权系数, 以满足控制精度的要求. 仿真结果表明了该方法的有效性.

摘要:支持向量回归中的超参数选择合理与否，对模型的性能影响很大。常用的梯度下降选择方法要求核函数或估计函数近似值可微，且对迭代初值具有较强依赖性。为此，本文给出一种两阶段参数优化选择方法。第一阶段根据问题实际需求，确定超参数的各自变化区域；第二阶段在确定的参数变化范围内，采用自适应混沌文化算法，寻找具有最优性能的超参数组合。其中，自适应混沌文化算法是利用从进化过程提取的隐含知识来控制自适应混沌变异算子的变异尺度，从而在保证种群多样性的同时，实现进化后期的精细搜索。面向Mackey-Glass时间序列预测的仿真结果表明，该参数选择方法具有较高的求解精度和求解稳定性，能有效抑制早熟收敛；且对函数结构不具有依赖性；所得超参数对应的SVR模型具有较好的泛化性能。

摘要:在利用单储备池模型对多变量预测研究时, 多个变量只能通过单个储备池进行特征映射, 无法分别刻画各个变量的动力学特性. 针对以上问题, 提出一种多储备池回声状态网络. 混沌系统中各个变量分别通过各个储备池扩展成高维的特征向量, 采用Bayesian线性回归的方法, 对多核回声状态网络输出权值进行训练, 形成一种新的预报器,即多核贝叶斯状态回声机(MrBESN). 实际数据的仿真结果验证了所提方法的有效性.

摘要:针对网络化控制系统中存在的网络诱导时延和数据包丢失,考虑了基于状态空间模型的网络化广义预测控制问题,提出了一种分别采用最小预测步长和预测控制向量分别补偿网络诱导时延和数据包丢失对系统性能影响的新方法,分别给出了存在数据包丢失、存在网络诱导时延以及两者同时存在的情况下控制器设计方法,最后通过仿真和实验验证了所提出算法的有效性.

摘要:针对处理实际工业过程中提取的建模样本不纯而导致故障检测失效的问题, 提出一种新的融合Fisher判别
分析-可能性C-均值聚类(FDA-PCMC)的核主元分析(KPCA)故障检测算法. 通过FDA特征提取、初分类和PCMC聚类相结合的方式来实现建模样本的有效分类和提纯, 然后使用KPCA进行实时故障检测. 对Tennessee Eastman(TE)过程的仿真研究结果表明了该算法的可行性和有效性.

摘要:在定义标准决策值的基础上, 运用线性回归的方法建立了带有约束条件的大型群体多属性决策目标函数线性回归模型, 证明了该模型解的存在性和唯一性. 大型群体多属性决策目标函数线性回归法对各专家的标准决策值的信息进行了最优意义上的集结和协调. 此外, 对大型群体多属性决策目标函数线性回归模型进行了讨论, 并获得了一整套可用Matlab软件求解该模型最优解的算法. 具体应用算例验证了所提算法的有效性.

摘要:考虑到船舶航向控制中, 存在的大量不确定因素及对控制系统的实时性要求, 提出一种基于鲁棒最小二
乘支持向量机(RLSSVM)的船舶航向保持控制方案. 该控制策略充分利用最小二乘支持向量机良好的非线性映射能力、自学习适应能力和并行信息处理能力, 并与??2/??∞鲁棒控制算法相结合, 优势互补, 形成闭环控制. 仿真结果表明, 该系统对海情的变化有良好的自适应能力, 鲁棒性强, 实现了航向保持精确控制.

摘要:基于支撑向量回归(SVR)可以通过构建支撑向量机分类问题实现的基本思想, 推广最小类方差支撑向量
机(MCVSVMs)于回归估计, 提出了最小方差支撑向量回归(MVSVR)算法. 该方法继承了MCVSVMs鲁棒性和泛化能力强的优点, 分析了MVSVR和标准SVR 之间的关系, 讨论了在散度矩阵奇异情况下该方法的求解问题, 同时也讨论了MVSVR的非线性情况. 实验表明, 该方法是可行的, 且表现出了更强的泛化能力.

摘要:针对AdaBoost算法不能有效提升NB(Naive Bayesian) 的分类性能, 提出一种改进的样本权重维护策略. 权重的调整不仅依据样本是否分错, 还需考虑前几轮的多个基分类器对它的投票分歧. 基分类器的信任度不但与错误率有关, 还与基分类器间的差异性有关. 这样可以提高基分类器的正确性, 增加基分类器的差异性. 实验结果表明, 改进的BoostVE-NB算法能有效地提升NB文本分类性能.

摘要:针对自主空中加油中的飞行器会合问题, 提出一个完整的自主控制方案, 以使无人机在无加油机主动配合情况下具备自主会合能力. 通过改进带终端碰撞角约束的比例导引律, 将期望的会合点作为跟踪目标, 实现终端航向的控制. 为了满足会合对无人机机动性能的要求, 使用Backstepping方法设计控制律, 在保证无人机稳定性的基础上,实现了制导信号的精确跟踪. 仿真结果验证了所提出控制方案的有效性

摘要:针对实际过程中存在的各种不确定性因素, 提出了基于主成分分析和贝叶斯AR模型相结合的概率故障预
测算法. 该算法首先对过程数据进行主成分分析, 得到??2 和SPE统计量, 并对其进行Box-Cox变换. 对变换后的两个序列分别建立贝叶斯AR模型, 得到一系列下一时刻预测值. 将所得预测值经Box-Cox反变换还原为原分布下的统计量预测值, 并由核密度估计及相应控制限计算统计量超限概率, 实现故障预测. 最后, 仿真结果表明了该方法的有效性.

摘要:为了减小混沌系统的重构参数对预测结果的影响, 提出了基于多嵌入维数的风力发电功率组合预测模型.
分别使用线性加权算法和神经网络算法对单一的基于相空间重构的神经网络模型进行组合, 既综合了各嵌入维数下的信息, 又将各维数下的预测偏差进行融合, 从而有效提高了预测精度. 通过对黑龙江富锦风电场的功率时间序列进行验证, 证实了该组合模型的有效性, 神经网络非线性组合算法的预测误差小于7%.

摘要:针对AdaBoost算法不能有效提升NB(Naive Bayesian) 的分类性能, 提出一种改进的样本权重维护策略. 权重的调整不仅依据样本是否分错, 还需考虑前几轮的多个基分类器对它的投票分歧. 基分类器的信任度不但与错误率有关, 还与基分类器间的差异性有关. 这样可以提高基分类器的正确性, 增加基分类器的差异性. 实验结果表明, 改进的BoostVE-NB算法能有效地提升NB文本分类性能.

摘要:在对粗糙集理论和遗传算法研究的基础上, 提出一种基于知识依赖度为启发信息的改进自适应遗传约简算法, 并将其应用于雷达故障诊断. 在该算法中, 对随机产生的二进制初始种群用属性核加以限制, 在适应度函数中引入了决策属性对条件属性的依赖度, 对交叉概率和变异概率进行了新的设计, 并且对产生的新一代个体增加修正校验算子. 利用该算法对雷达故障进行诊断, 获取简单而又能体现故障征兆与故障原因对应的诊断规则, 避免了传统基于故障树的专家故障诊断系统准确性差、效率低的缺点.

摘要:时延是控制网络性能分析中最重要的一个因素. 针对网络控制系统中最常用的拓扑结构和数据特性, 基于统计网络演算, 得出了系统在不同调度策略下的时延模型. 利用该模型计算了控制网络中实时数据的时延分布和统计上界, 并与确定性网络演算得出的时延上确界进行了比较, 评价了该上确界的悲观程度.

摘要:针对一类具有参数不确定的非线性网络化控制系统，同时考虑网络延时和丢包的影响，基于T-S模糊模型建模，通过构造Lyapunov-Krasovskii泛函，推证出了确保非线性网络化控制系统在执行器或传感器发生失效故障时具有H∞鲁棒完整性的时滞依赖充分条件，并以求解矩阵不等式的方式给出了控制器的设计方法.并分别给出了系统具有H∞鲁棒完整性条件下的数据最大允许传输间隔δ、以及限定数据传输间隔上界后系统具有鲁棒完整性时扰动抑制指标的优化方法．最后以一个仿真算例验证了文中所述方法的可行性和有效性. 由于证明中引入了松弛矩阵变量，因而所得结果具有较小的保守性．

摘要:针对非线性模拟电路故障的复杂性和非线性, 提出一种基于小波领袖多重分形分析和支持向量机的故障诊断方法. 首先, 采用小波领袖方法对从测试节点采集的信号进行多重分形分析, 并将提取的多重分形谱特征构成特征集; 然后将特征集输入支持向量机, 利用支持向量机的分类功能对电路的模式状态作出决策; 最后, 视频放大器电路故障诊断实验验证了该方法的有效性.

摘要:在无线传感器网络中, 由于节点能耗的不均衡导致节点感知半径的不同. 针对这种复杂环境的应用, 提出了一种分布式冗余检测算法, 给出了相应的冗余检测准则, 并对该准则的合理性进行了理论分析. 在保持网络原始覆盖质量的前提下, 能够更充分地检测冗余节点. 仿真实验表明, 复杂环境中节点感知半径相同时, 算法激活的工作节点数目少, 冗余检测完整; 感知半径不同时, 算法仍能充分、有效地检测冗余节点, 从而节省能量、延长网络生存时间.

摘要:提出一种基于区间值直觉模糊蕴涵的区间值直觉模糊粗糙集模型. 首先, 介绍了区间值直觉模糊集、区间值直觉模糊关系和区间值直觉模糊逻辑算子的概念; 然后, 利用区间值直觉模糊三角模和区间值直觉模糊蕴涵, 在区间值直觉模糊近似空间中定义了区间值直觉模糊集的上近似和下近似; 最后, 给出并证明了这些近似算子的一些性质.

摘要:针对无线自组对等网中逻辑拓扑与物理拓扑之间的失配问题, 综合节点位置信息和分布状况, 构造出具有静态拓扑相关的无线自组对等网. 通过中心节点获取网络拓扑的变化信息, 将节点标号的最佳分配转化为最大旅行商问题. 同时, 采用模拟退火算法进行优化求解, 实现了网络的动态拓扑感知性. 仿真结果表明, 该对等网在资源定位过程中, 访问路径明显缩短, 时延和数据丢包率明显减小.

摘要:提出一种基于区域显著性融合规则的非降采样Contourlet 变换的红外与可见光图像融合方法. 首先, 对来自同一场景图像的红外与可见光图像的??分量进行非降采样Contourlet变换; 然后, 依照区域匹配度量和显著性度量规则进行融合, 而融合图像通过非降采样Contourlet反变换即可得到. 最后, 针对此方法进行大量实验, 并将其融合结果与基于小波变换及拉普拉斯金子塔变换的融合结果进行比较, 同时分析它们在不同噪声条件下的性能指标.

摘要:针对特征点同时为障碍物的环境, 提出一种基于势场路径规划的同步定位与地图构建算法. 机器人在同步定位与地图构建的同时, 利用势场原理确定机器人的运动控制律, 再根据推算的控制律进行下一步的预测和状态估计. 在基于势场的路径规划方法中, 认定为障碍物的排斥势位的最小影响范围可调节. 实验结果表明, 利用所提出的算法, 机器人可在特征点同时为障碍物的环境中进行同步定位与地图构建, 并通过相关性能指标验证了该算法为一致性估计.

摘要:通过定义个体决策结果和群体决策结果的加权距离来反映决策结果的一致性, 并通过定义对打分矩阵的调整程度来反映对决策者最初决策偏好的调整. 在保留各决策者最初决策偏好的基础上, 对原始专家打分矩阵进行调整, 得到新的一致性较好的群决策结果. 采用遗传算法对问题求解, 以打分矩阵为基础设计了一种染色体编码格式,并对标准遗传算法进行了改进, 提出了基于规则的遗传算法. 最后, 通过实例计算和结果的可靠度分析表明了该方法的有效性和合理性.

摘要:针对区间型二型模糊集, 分析其上下隶属度函数转换点与重心区间的关系, 推导出计算该转换点的闭合公式及相应的相向搜索算法, 最终得到了一种计算区间型二型模糊集重心的新方法. 并且证明了所求隶属度函数转换点随着采样率的增加, 最终将收敛到重心端点的特性. 实验结果表明, 与常用的Enhanced Karnik-Mendel迭代方法相比, 所提方法在不损失计算精度的条件下具有更快的计算速度.