一种空中目标航迹的灰色预测方法

针对防空作战中空中目标航迹预测的问题,提出了一种基于灰色理论的空中目标航迹预测方法.该方法通过建立等维新息残差修正GM预测模型,实现了航迹的实时在线预测,从而提高了预测精度.通过实例计算表明:在数据有限的情况下,该模型用于航迹预测效果明显.     

基于接近性关联度与白化方程改造相结合的优化模型

通过对灰色关联度新的分类视角研究,指出在建立基于关联度的优化GM(1,1)模型时,使用接近性关联度比相对关联度更加合理。另一方面,分别使用灰色微分方程和白化微分方程表达模拟值,建立两种不同的关联度。然后通过实例验证,优化后的模型较陈友军的GM(1,1)优化模型都有更高的模拟精度,且使用白化微分方程表达模拟值的方法精度最高。     

一种优化的高精度灰色GM(1,1)预测模型

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有变换一致性,且通过累加生成建模时,x(0)(1)没有起到高精度控制预测等问题。该文从重构GM(1,1)白化背景值出发,利用白化背景值的加权向前差商和向后差商平均值优化模型灰导数,根据新信息对认知的作用大于旧信息的原理,以x(1)(n)替换x(0)(1)作为模型的初始条件,对GM(1,1)预测模型进行了改进,从而使所建模型的预测精度大为提高,尤其是发展系数大于2时,新模型的拟合精度仍然很高。通过实例对比验证了新模型无论在低增长指数序列还是在高增长指数序列都有非常高的实用性和可靠性。     

灰色预测模型的系统动力学仿真

针对灰色预测模型的仿真拟合问题展开研究,运用系统动力学方法,针对GM(1,1)模型、DGM模型、NDGM模型等3种灰色预测模型进行系统动力学分析,研究了这3种模型的拟合预测效果。结果表明,GM(1,1)模型的白化形式在拟合预测原序列时偏差较大;DGM模型是齐次指数序列的精确模拟,NDGM模型是非齐次指数序列的精确模拟;在对近似非齐次指数序列进行拟合时,NDGM模型的拟合效果明显优于其他模型。此外,将反馈的观点引入灰色模型,使得系统动力学仿真方法成为灰色预测建模的辅助工具,有利于灰色预测模型的拓展与完善。     

一种基于非线性PCA的卷积混合盲源分离算法

 本文针对卷积混合的盲源分离,首先提出了一种基于非线性主成分分析(PCA)的准则,然后推导出了一种递推最小二乘(RLS)算法.该算法为时域盲源分离算法,分为两个阶段,第一阶段为混合信号的白化,第二阶段为基于白化信号的RLS迭代.新算法不存在频域算法在每个频点的幅度与次序不确定性的问题,具有较快的收敛速度.文中最后通过仿真试验验证了本文算法的有效性.     

一种基于Runge-Kutta积分的UKF跟踪算法

非线性滤波问题通常会面临过程方程和量测方程的双重非线性,利用传统的滤波算法进行处理时,离散化和线性化过程是导致滤波性能降低的根本原因.提出了一种基于Runge-Kutta积分的不敏Kalman滤波(UKF)算法,该算法能够直观、方便地对运动模型为连续非线性常微分方程组的跟踪问题进行处理,避免了复杂的Jacobi矩阵运算和离散化过程,使预测模型更加精确.以弹道目标跟踪为例进行了仿真实验,通过与传统UKF算法和扩展Kalman滤波(EKF)算法比较,结果表明该算法具有更好的性能.     

基于灰色预测的网络控制系统H∞鲁棒控制研究

针对网络控制系统存在的不确定时延及丢包问题,提出基于灰色预测的H∞鲁棒控制器设计方法。将控制器输出端至传感器部分等价为灰色系统的被控对象,建立离散控制系统模型,引入灰色预测算法,运用等维新息模型GM(1.1),取时延输出序列,预测下一时刻时延,确定控制器的输出。构造Lyapunov-Krasovskii函数,结合LMI方法给出了系统稳定的充分条件及控制器设计方法。仿真实例说明预测的引入降低了系统随机性,有效的提高系统控制精度。     

首次积分与(n+1)维多重sine-Gordon方程的无穷序列新解

通过几种函数变换把(n+1)维多重sine-Gordon方程的求解转化为常微分方程组的求解.利用常微分方程组的首次积分与可求解几种常微分方程的Bcklund变换和解的非线性叠加公式,构造了(n+1)维多重sine-Gordon方程的无穷序列类孤子新解.     

动态不确定度原理及其在电感测量中的应用

本文从测量系统动态性的特点出发,结合实际计量检定工作的特点,分析了动态不确定度的原理.采用灰色GM(1,1)预测模型,对电感测量中动态不确定度的评价进行了研究.结果表明,采用GM(1,1)模型对动态不确定度的评价具有易操作、精度高的特点.     

基于遗传算法的GM(1,1,λ)改进模型

研究表明,灰色GM(1,1)预测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数λ和三点平滑法,提出了基于三点平滑的GM(1,1,λ)改进模型,并利用遗传算法对引入的参数λ进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

初始条件优化的近似指数序列灰色建模方法

灰色GM（1,1）预测方法仅针对累加生成满足近似指数特点的原始序列建立预测模型。为了拓宽传统灰色预测模型的应用范围,设计了通过优化初始条件提高灰色 GM（1,1）预测精度的新方法——DGM（1,1,c,β）模型。对满足近似指数的原始序列建立DGM（1,1,c,β）模型,利用粒子群算法求解模型参数。最后,通过实例验证了所提出的DGM（1,1,c,β）预测模型的有效性和实用性。     

基亏遗传算法的GM（1，1，λ）改进模型

研究表明,灰色GM（1,1）-N测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数入和三点平滑法,提出了基于三点平滑的GM（1,1,λ）改进模型,并利用遗传算法对引入的参数入进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

基于遗传新陈代谢灰色模型的电子设备故障预测研究

经过研究分析,序列光滑度和背景值构造是常规灰色GM(1,1)模型误差的主要来源。针对这一问题,提出了一种改进的方法:首先对建模序列进行对数平滑处理,而后利用遗传算法对背景值进行寻优,并形成改进的新陈代谢GM(1,1,λ)模型。最后通过实例验证,表明改进的新陈代谢模型具有更高的预测精度,可用于电子设备的寿命预测。     

GM(1,1)模型在装备维修保障成本预测中的应用

针对新装备维修保障成本数据较少的不足,运用灰色预测理论构建GM(1,1)模型对装备维修保障成本进行预测,并对模型精确度进行验证.结果表明,所建的模型能够准确地反映实际的情况,可以用来对未来儿年将发生的维修保障成本进行预测.     

PRESENT密码代数故障攻击

提出了一种新的PRESENT密码故障分析方法——代数故障攻击。将代数攻击和故障攻击相结合,首先利用代数攻击方法建立密码算法等效布尔代数方程组;然后通过故障攻击手段获取错误密文信息,并将故障差分和密文差分转化为额外的布尔代数方程组;最后使用CryptoMiniSAT解析器求解方程组恢复密钥。结果表明:在PRESENT-80的第29轮注入宽度为4的故障,故障位置和值未知时,2次故障注入可在50s内恢复64bit后期白化密钥,将PRESENT-80密钥搜索空间降低为216,经1min暴力破解恢复完整主密钥;和现有PRESENT故障攻击相比,该攻击所需样本量是最小的;此外该代数故障分析方法也可为其他分组密码故障分析提供一定思路。     

基于新陈代谢GM(1,1)模型的质心预测跟踪算法

针对红外成像制导跟踪系统转入预测跟踪状态,提出基于新陈代谢GM(1,1)模型的质心预测跟踪算法:首先采用目标丢失前的数帧目标质心坐标作为预测的原始数据序列;其次采用GM(1,1)模型进行预测;用预测出的新信息替换掉老的信息,对原始序列进行新陈代谢。该质心预测跟踪算法采用普通PC机在Matlab7.1仿真环境下进行仿真,用实际挂飞数据进行验证,其次还基于TMS320F2812DSP硬件平台进行了单帧仿真。仿真结果表明:新陈代谢GM(1,1)预测模型预测精度优于GM(1,1)预测模型。     

High precision approximate analytical solutions to ODE using LS-SVM

The problem of solving differential equations and the properties of solutions have always been an important content of differential equation the study. In practical application and scientific research, it is difficult to obtain analytical solutions for most differential equations. In recent years, with the development of computer technology, some new intelligent algorithms have been used to solve differential equations. They overcomes the drawback of traditional methods and provide the approximate solution in closed form (i.e., continuous and differentiable). The least squares support vector machine (LS-SVM) has nice properties in solving differential equations. In order to further improve the accuracy of approximate analytical solutions and facilitative calculation, a novel method based on numerical methods and LS-SVM methods is presented to solve linear ordinary differential equations (ODEs). In our approach, a high precise of the numerical solution is added as a constraint to the nonlinear LS-SVM regression model, and the optimal parameters of the model are adjusted to minimize an appropriate error function. Finally, the approximate solution in closed form is obtained by solving a system of linear equations. The numerical experiments demonstrate that our proposed method can improve the accuracy of approximate solutions.     

一种基于偏微分方程的图像分割算法

针对几何活动轮廓模型（GAC模型）在基于偏微分方程的图像分割领域中,算法复杂,计算量大导致演化时间长,演化速度在边界上通常不为零,引起演化曲线进入到目标的内部;或是当图像的对象有较深的凹陷边界时,曲线停在某一局部极小值状态,并不与对象的边界相一致等问题。本文提出了一种基于偏微分方程的图像分割算法,通过对停止速度场进行多尺度张量扩散,然后运用GACA模型进行分割。实验证明：本算法在不降低射线图像分割质量的前提下,可使演化时间比传统的GAC模型演化时间减少65%左右,还在一定程度上减少了边界泄露问题。     

基于随机微分方程模型的股票预测

金融时间序列是复杂的动态系统,是非线性、混沌和时变的[1],影响金融市场的因素众多,它们之间的相互作用复杂多变。为了更合理的解释经济运行的规律,本文提出了随机微分方程模型,该模型利用进化算法拟合时间序列数据,在常微分方程基础上加入随机项,模拟系统的运作。     

信息扩散在无线传感器网络中的应用

首先假定在一个动态、实时的大型楼宇式停车场环境中,使用无线传感器网来支持信息查询和导航系统。基于扩散方程和泊松公式,提出一种新颖的信息查询和导航方法,该方法能够更便捷、有效地完成导航系统进程。从信息导航理论研究的角度来分析,一般假定研究工作的环境是理想状态,受到很少的限制,同时假定实际中一些错误的导航进程可以得到更正。为了达到导航系统的精确性,首次应用了信息传播、电势场以及偏微分方程（扩散方程）的相关知识,同时将梯度下降法应用于该算法。在研究过程中,采用了完整的数学推导。模拟实验表明,该方法准确方便,并且高效地克服了典型传感器网络配置信息导航系统最优解较难快速获得和存在竞争冲突的弱点。同时,扩散方程的结构也更具灵活性和适应性。导航性能也有较大提高,还可避免甚至消除竞争冲突。另外,热扩散方程的灵活使用克服了原有调和函数方法强约束的缺点,取得了模型降阶的效果。