摘要:

首先介绍大流识别方法的研究动机和国内外发展现状, 根据采用技术的差异, 将现有方法分为基于抽样的
方法、基于计数的方法、基于最近最少使用算法的方法和基于哈希的方法, 简要分析了几类方法的优缺点; 然后分别
选取经典算法进行剖析, 并给出大流识别的典型应用; 最后探讨了值得进一步研究的问题和可能的发展方向.

摘要:

针对网格环境中多服务质量(QoS) 约束条件下独立任务调度问题, 提出一种融合配方均匀设计与离散粒子
群优化算法(UDPSO) 的任务调度策略, 以实现对独立任务优化调度的快速生成. 该算法采用类似DPSO 算法的速度
和位置更新方法, 结合配方均匀设计, 快速衡量各QoS 约束条件的适应度, 以产生分布均匀且较优的Pareto 解集, 最
终为系统提供一组较优的任务调度方案. 仿真实验表明, 该算法更符合网格调度的复杂环境, 能够得到较短的任务执
行时间和较均衡的QoS 保障.

摘要:

传统的基于密度的带噪声空间数据聚类算法主要存在以下问题: 聚类只对具有数值属性的数据有效, 而对
具有非数值属性的数据失效; 参数设置困难且聚类结果对参数较为敏感; 聚类的度量以绝对密度值为标准, 无法发现
密度等级不同的聚类结果. 针对以上问题, 提出一种面向混合属性数据的、基于相对密度的聚类算法RDBC M, 同时
提出解决这类问题的增量式聚类算法, 并从理论和仿真实验两方面分析、验证了算法的有效性和加速效果.

摘要:

提出一种新的双性别演化计算框架, 区别于一般遗传算法的是, 这种演化计算框架基于Fisher 奔离过程对
性选择中的雄性特征、雌性选择偏好等概念进行建模, 并对所建模型进行整合. 为了测试新算法框架的性能, 使用
CEC2005 Special Session 中的标准测试函数集进行数值优化实验. 实验结果表明, 新算法在大多数测试函数(14 个中
的10 个) 上的表现比传统遗传算法更优秀.

摘要:

研究了目标函数为最小化总加权完成时间的并行机实时调度问题. 建立该问题混合整数规划模型, 并提出
融合拉格朗日松弛(LR) 和列生成(CG) 的LR&CG混合算法. 该算法包含双重迭代, 在内环以次梯度法作为下界求
解器和列生成器, 在外环通过求解限制主问题来获得影子价格以调节拉格朗日乘子. 计算实验结果表明, 在相同的计
算时间内, LR&CG能够比常规的LR 算法获得更好的上界和下界, 表明了前者具有更好的收敛性能.

摘要:

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素, 提出基于“长-僚机”模式的神经网络自适
应逆控制器设计方法. 详细推导了气动耦合影响, 建立了完整的编队飞行非线性数学模型, 设计了非线性动态逆控制
律, 提出了改进的BP 神经网络算法, 自适应地逼近和在线补偿动态逆误差, 改善了控制效果, 并针对队形变换提出了
简单有效的设计思想. 仿真表明, 该控制器能有效实现编队队形的保持或变换, 控制系统结构具有良好的扩充性.

摘要:

通过变换RGB空间颜色值并分割图像, 利用标记图为特征的形状分类器检测城市环境中的交通标志. 为了
提高分类准确度, 用两种模型表示方法分类交通标志: 1) 结合二元树复小波变换和二维独立分量分析提取特征, 送入
最近邻分类器中分类交通标志; 2) 提取交通标志的内部图形, 利用模板匹配进行分类. 最后, 将两种分类结果融合输
出. 实验结果表明, 所提出算法的整体识别率超过91%, 平均处理帧率达到6.6 帧/s, 系统能够鲁棒、有效和实时地识
别交通标志.

摘要:

针对多方参与决策且指标集有差异的群体决策问题, 提出一种基于模糊软集理论的方案排序方法. 依据各
方决策者所考虑的指标参数和打分值信息给出多方决策信息的模糊软集表示方法, 并利用模糊软集的且运算得到综
合各方决策者所考虑指标参数的新模糊软集及其隶属度矩阵; 然后在考虑指标权重的前提下构建关于方案的加权比
较矩阵, 进而通过计算得出的各方案优势度确定方案的排序结果; 最后, 通过一个算例表明了所提出方法的可行性和
有效性.

摘要:

针对传统分类算法隐含的假设(相信并且接受每个样本的分类结果) 在医疗/故障诊断和欺诈/入侵检测等领
域中并不适用的问题, 提出嵌入非对称拒识代价的二元分类问题, 并对其进行简化. 在此基础上设计出基于支持向量
机(SVM) 的代价敏感分类算法(CSVM-CRC). 该算法包括训练SVM分类器、计算后验概率、估计分类可靠性和确定
最优拒识阈值4 个步骤. 基于10 个Benchmark 数据集的实验研究表明, CSVM-CRC 算法能够有效降低平均代价

摘要:

针对雷达目标一维距离像(HRRP) 识别问题, 结合支持向量机(SVM) 和DS 证据理论提出一种多极化
HRRP 分类方法—–SDHRRP. 该方法通过混淆矩阵获取基分类器之间的距离, 从而根据基分类器对不同目标类的
分类能力给其赋予不同的可信度. 将该可信度值与SVM后验概率结合到DS 证据理论的基本概率赋值(BPA) 中,
以实现SVM和DS 证据理论在目标识别中的有效结合. 对实测目标数据的实验结果表明, 基于分类器可信度得到
的BPA能够有效避免证据冲突, SDHRRP 方法可以有效降低融合分类的误差率.

摘要:

信息熵是粒计算理论中度量不确定信息的重要工具之一, 已有的异常数据挖掘算法主要针对确定性的异常
数据挖掘, 采用信息熵度量不确定性数据进行异常数据挖掘的研究报道较少. 鉴于此, 在引入信息熵概念的基础上,
定义基于信息熵的异常度来度量数据之间的异常程度, 并提出基于信息熵的异常数据挖掘算法, 该算法可有效进行
异常数据的挖掘. 理论分析与实验结果表明, 所提出算法是有效可行的.

摘要:

蚁群算法是一种应用广泛、性能优良的智能优化算法, 其求解效果与参数选取息息相关. 鉴于此, 针对现有
基于粒子群参数优化的改进蚁群算法耗时较大的问题, 提出一种新的解决方案. 该方案给出一种全局异步与精英策
略相结合的信息素更新方式, 且通过大量统计实验可以在较大程度上减少蚁群算法被粒子群算法调用一次所需的迭
代代数. 仿真实验表明, 所提出算法在求解较大规模旅行商问题时具有明显的速度优势.

摘要:

针对传统人工势场中存在局部陷阱问题, 提出一种基于灰色定性理论的人工势场算法. 首先将环境中自由
空间分解为一组凸多边形, 以凸多边形的顶点和邻接关系作为关键信息, 并分别构成灰色定性基本元和灰色定性关
系, 由灰色定性关系推理从起始点到目标点需经过的凸多边形序列, 再用广义白化函数计算凸多边形序列中的势场.
理论分析和实验均表明该算法能够确保机器人在有限的时间内安全到达目标点.

摘要:

传统的RAIM 算法对多颗卫星同时发生故障的识别能力较差, 鉴于此, 提出一种基于子集?? 值检验的多卫星
故障检测与识别方法. 该方法在惯导信息辅助的基础上, 采用?? 值检验对观测量子集进行显著性水平分析, 通过决策
得到各卫星观测量质量值, 并进行故障识别和系统重构. 仿真结果表明, 该方法在可见星数p 5 时即可进行故障识
别, 且对于多颗卫星同时发生故障的情况具有较好的识别效果, 提高了紧组合导航系统容错性和精度.

摘要:

针对固定参数的点对马尔可夫随机场(Pairwise MRF) 模型不能充分描述图像丰富的统计特征的问题, 在
研究Pairwise MRF模型的基础上, 提出一种自适应分割算法. 该算法首先建立一种空间自适应的局部区域MRF分
割模型, 并对局部区域的先验知识进行自适应估计; 然后通过局部收敛的循环置信度传播(LBP) 算法最大化自适
应MRF模型的全局后验概率. 实验结果表明所提出算法具有较好的分割结果.

摘要:

针对使用永磁同步电机作为执行机构的高精度交流调速系统中存在负载惯量时变、转矩扰动和未建模动态
的情况, 利用带遗忘因子的递推最小二乘算法(FRLS) 在线辨识系统时变参数, 通过扩张状态观测器(ESO) 观测参数
辨识误差和未建模动态等非线性因素, 设计一种集PI 控制器、基于FRLS 的补偿器、基于ESO 的补偿器和鲁棒控制
器的复合速度控制器, 并分析了闭环调速系统的稳定性. 仿真结果验证了该复合速度控制器的有效性.

摘要:

针对目前无线定位算法普遍存在的低精度问题提出一种新的定位及校正方法. 首先利用贝叶斯估计法对多
传感器传回的测量数据进行融合, 初步确定各无线传感节点的所在位置；然后利用虚拟力导向方法对节点局部校
正, 利用混合遗传算法对节点全局校正. 仿真结果表明, 所提出方法与其他基于测距的算法相比, 定位精度大大提高.

摘要:

针对半监督聚类学习算法中缺乏主动学习的缺陷, 提出一种纠错式主动学习成对约束方法. 算法通过寻找
一般聚类算法自身难以发现的成对约束信息, 同时避免这部分约束信息之间本身的关系, 将其引入谱聚类算法, 利用
该监督信息调整谱聚类中点与点之间的距离矩阵对两点间距离进行排序, 采用双向寻找的方法, 使得学习器即使接
收到没有标记的数据也能进行主动学习. 实验分析表明, 所提出算法能够获得较为满意的聚类效果.

摘要:

考虑由一个制造商(M), 一个第三方回收商(TPL) 组成的二级再制造供应链系统, 构建TPL 通过转移支付将
回收责任转移给M 的6 种模型, 得到各模型的均衡解, 并分析了各模型的环保效果和意义. 分析结果表明: 责任转移
因子?? 的主导者不同和转移因子k 的上限不同均会影响双方的博弈结果; 由TPL 决定转移因子k 时的回收效果较好;
权力极端化的两种模型(T-T 模型和M-M模型) 下, ?? 起到的良性作用优于TPL.

摘要:

主成分分析是一种常用的特征选择算法, 经典方法是计算各个特征之间的相关, 但是相关无法评估变量间
的非线性关系. 互信息可用于衡量两个变量间相互依赖的强弱程度, 且不局限于线性相关, 鉴于此, 提出一种基于互
信息的主成分分析特征选择算法. 该算法计算特征间的互信息, 以互信息矩阵的特征值作为评价准则确定主成分的
个数, 并衡量主成分分析特征选择的效果. 通过实例对所提出方法和传统主成分分析方法进行比较, 并以神经网络为
分类器分析分类效果.

摘要:

针对仅位置和艏向可测量的动力定位船舶非线性输出反馈轨迹跟踪问题, 在大地坐标系中, 建立同时包含
科里奥力向心力和非线性阻尼的非线性船舶操纵性模型. 基于一种具有半全局一致指数稳定性的非线性观测器, 提
出船舶轨迹跟踪非线性Backstepping 观测控制器, 并应用Lyapunov 方法证明该观测控制器具有半全局一致指数稳定
性. 理论分析和仿真结果均表明, 通过调整控制器增益, 系统误差指数收敛到零.

摘要:

针对部分可观察马尔可夫决策过程(POMDPs) 的信念状态空间是一个双指数规模问题, 提出一种基于Monte
Carlo 粒子滤波的POMDPs 在线算法. 首先, 分别采用粒子滤波和粒子映射更新和扩展信念状态, 建立可达信念状态
与或树; 然后, 采用分支界限裁剪方法对信念状态与或树进行裁剪, 降低求解规模. 实验结果表明, 所提出算法具有较
低的误差率和较快的收敛性, 能够满足系统实时性的要求.

摘要:

针对两轮机器人的平衡控制问题, 在学习自动机理论的框架中, 提出一种基于操作条件反射学习自动机的
仿生学习模型. 该模型引入认知学习单元和取向单元, 分别用来实现操作行为学习和指导系统进化的方向. 模拟两轮
自平衡机器人的平衡控制仿真实验表明, 该学习模型具有可行性和有效性, 能使机器人自主学会平衡控制技能, 并使
其具有高度的自适应能力.

摘要:

在将图像中的多种颜色或灰度量化成数目较少的颜色或灰度的过程中, 存在着计算过于复杂、量化后图像
偏差较大等问题, 鉴于此, 提出基于邻域灰度值聚类的图像色彩量化方法. 首先结合邻域像素的灰度和空间信息对像
素进行一维灰度化; 然后采用基于像素灰度加权系数的改进模糊?? 均值聚类算法对像素进行聚类. 分析和实验表明,
该方法可以减少量化计算的复杂度, 保持图像的整体层次, 量化后图像偏差较小, 对图像处理具有一定的实用价值.

摘要:

针对属性权重与时间权重未知且属性值为区间数的一类决策问题, 提出一种新的多属性多阶段决策方法. 该
方法首先无量纲化处理属性值, 并运用灰色关联方法确定各阶段属性值的权重; 然后综合考虑属性测度值与正、负
理想效果值的接近性和时间权重本身的不确定性, 运用极大熵原理建立多目标优化模型, 并利用拉格朗日乘子法求
解获得时间权重表达式, 从而确定对象的综合评价值; 最后通过实例验证了该方法的合理性与有效性.

摘要:

针对航空航天领域中存在的控制分配问题, 提出一种基于最大方向导数(MDD) 不动点迭代的控制分配策
略. 定义MDD为当前迭代点沿所有单位向量方向中最大导数对应的单位向量, 沿MDD方向, 取前一迭代点和当前
迭代点的迭代增量作最小二乘拟合, 下一迭代点在该方向上的估计迭代增量作为当前迭代点的更新迭代增量, 并对
改进算法的收敛性进行证明. 通过不同方法的仿真对比验证, 表明了所提出算法的有效性和快速性.

摘要:

针对GM(1,2) 建模难点和模型缺陷提出两种改进方法: 一是运用相关匹配算法, 在历史数据库中搜索与主序
列具有强关联特性的数据序列, 确定为模型参考序列; 二是引入粒子群算法, 以模型预测性能评价指标为目标函数对
模型参数进行辨识, 改善模型预测性能. 算例结果表明了改进方法的适用性和有效性.

摘要:

提出自主式智能体在有限时间内的停车控制问题. 基于极坐标系下自主式智能体的非线性运动模型, 将智
能体运动控制系统分解为原地转动的线性系统和直线运动、转动结合的弱非线性系统两种形式. 利用Lyapunov 设计
方法, 得到在有限时间内智能体到达给定停车区域的切换控制律, 并给出到达给定区域所需时间的估算公式. 仿真算
例表明了所提出控制方法的有效性.

摘要:

针对多目标决策问题, 提出一种新的基于一般变权原理的求解方法. 利用一般变权原理提出激励策略可行
解, 证明其为多目标决策的均衡有效解, 并给出求激励策略可行解的步骤. 通过实际算例表明, 所提出算法正确有效,
且相对于线性加权和法、平方加权和法而言, 具有较好的均衡性.