一种快速响应的AQM算法

基于主动队列管理(AQM)控制理论模型,针对PI(proportional integral)控制器响应速度方面的不足,在PI控制器基础上增加了归一化输入速率控制,提出了一种适应网络环境动态变化的AQM算法——P〖JP9〗I-〖JP〗R(proportional integral rate)控制器. 理论分析 和仿真实验证明,P〖JP9〗I-〖JP〗R控制器在保证队长稳定和链路利用率的同时实现了对 网络状态变化的快速响应,也可以提高缓冲区利用率.     

基于自适应发送波束成形的STB〖JP9〗C-〖JP〗OFDM系统

提出了一种基于信道特性的自适应发送波束成形空时分组码正交频分复用(STB〖JP9〗C-〖J P〗OFDM)系统方案. 给出了最大接收信噪比条件下最优发射权值的闭式解和性能仿真结果. 该系统能最大限度地利用所有的分集资源并对发射功率进行最优分配. 与传统的STB〖JP9〗C-〖JP〗OFDM系统相比，系统性能有明显的提高，而与系统较复杂的空时格码OFDM系统和TC〖JP9〗M-〖JP〗STB〖JP9〗C-〖JP〗OFDM系统相比，在高信噪比条件下能获得较大信噪比增益. 讨论了存在信道估计偏差时，自适应发送波束成形STB〖JP9〗C-〖JP〗OFDM系统的性能.     

空间机械臂输出反馈抗饱和PID控制算法设计

针对输入受限影响下的空间机械臂的输出反馈全局渐进稳定控制问题,采用一类正切双曲线作为饱和函数,提出了一种新的输出反馈抗饱和非线性比〖JP9〗例-〖JP〗积〖JP9〗分-〖JP〗微分（PID）控制算法,该算法能够实现饱和非线性影响下的空间机械臂闭环全局渐进稳定控制. 基于Lyapunov和LaSalle的不变集理论验证了闭环系统在平衡位置上的全局渐进稳定性,并确定保证全局渐进稳定的输入条件. 通过两自由度平面机械臂仿真验证了该算法的有效性.     

欺骗免疫秘密共享

为抵抗通常的攻击,用于密码体制的函数应具有高的代数次数. 基于Stinson的秘密共享模型,研究了无条件安全下的欺骗免疫秘密共享. 利用级联满足一定条件的线性函数,构造了代数次数大于2的〖JP9〗k-〖JP〗欺骗免疫秘密共享的定义函数,所给出的函数是关免疫度为k的平衡函数,而且满足〖JP9〗k-〖JP〗强扩散准则.     

基于Sobel边缘算子的H.264/AVC码率控制方案

提出了一种基于Sobel边缘算子的宏块层H.264码率控制方案. 该方案利用Sobel边缘
算子,提高了平均绝对误差预测准确性和头信息比特预测准确性,继而在Sobel边缘算子计
算结果的基础上采用一种新的历史数据点选择方法,进一步提升了码〖JP9〗率-〖JP〗量化
模型的准确性. 实验表明,与传统的H.264/AVC码率控制算法相比,该方案能更精确地控
制码率并获得最大08?dB的峰值信噪比增益.     

基于模糊c-均值与核Fisher判别分析的不平衡数据分类方法

为了解决传统分类方法对不平衡数据集中少数类的识别率较低的问题,提出一种基于模糊c-均值与核Fisher判别分析相结合的分类方法.该方法首先采用模糊c-均值算法对样本数据进行聚类,将聚类后的样本数据映射到特征空间中,再对映射后的样本数据采用核Fisher判别分析算法对数据进行分类.在UCI上选取8个不平衡数据进行仿真实验,就分类性能上与其他5种算法作了比较和分析.实验结果表明采用模糊c-均值与核Fisher判别相结合的方法可以获得较高的识别率,能有效地处理不平衡数据集的分类.     

利用边际谱Hurst参数检测DDoS攻击

为了有效检测分布式拒绝服务(DDoS)攻击,提出对网络流量信号进行希尔伯〖JP9〗特-〖JP〗黄变换(HHT),得到相应的边际谱,计算边际谱的Hurst参数. 以最大化综合指数为目标,训练实验数据的边际谱Hurst取值,得到检测阈值,通过与该阈值的大小进行比较判断是否有DDoS攻击发生. 实验结果表明该方法具有一定的检测效果.      

基于计算智能技术融合的故障识别方法

为了提高复杂系统故障识别的精度和降低误报率,利用粗糙集理论、遗传算法、神经网络等计算智能方法的优势,提出一种基于计算智能技术融合的故障识别方法.针对原始样本数据的不确定性和不完备性,利用粗糙集对原始样本数据进行数据归一化、离散化、属性约简等预处理,求得能够覆盖原始数据特征的具有最大完备度的最小规则集.利用具有全局搜索能力的遗传算法直接训练反向传播神经网络的权值,将规则集作为网络输入,形成优化网络模型.采用该模型对预处理的各种状态故障特征向量进行分类决策,实现故障识别.通过电机轴承故障识别实验表明,该方法能够优化网络结构,提高故障识别速度和准确率.     

基于GPU的高效并行l1最小化算法

多数l1最小化算法主要由稠密矩阵矢量乘(如〖WTHX〗Ax〖WTBZ〗和〖WTHX〗A〖WTBZ〗T〖WTHX〗x〖WTBZ〗)和矢量运算组成.为使其适应大数据环境下的性能需求,基于GPU,利用其新的特征,提出了两个新颖的基于GPU的并行矩阵矢量乘.这两个算法实现了全局内存的合并访问,对任意给定矩阵,通过所使用的自适应分配线程数或warp数的策略,增加了鲁棒性.基于这两个算法,并以两个流行的l1最小化算法为例：快速迭代收缩阈值算法(FISTA)和增广拉格朗日乘子法(ALM),提出了两个高效基于GPU的并行l1最小化算法.实验结果验证了提出的算法是高效的,并有良好的性能.     

放大重传协议下优化的MIMO中继预编码转发矩阵设计算法

提出了一种优化的多输入多输出（MIMO）系统两跳中继预编码转发矩阵的设计方法. 该方法基于目的节点估计信号的均方误差最小, 在迭代求解〖WTHX〗AX〖WTBX〗+〖WTHX〗XB〖WTBX〗=〖WTHX〗F〖WTBZ〗类型矩阵方程的基础上, 通过奇异值分解得到最佳的转发矩阵．在中继放大重传协议下采用了简单的基于迫零准则的检测算法和线性预编码算法．该算法和基于酉矩阵的方法相比, 在同等条件下遍历容量可以提高2 bit〖DK〗•s-1〖DK〗•Hz-1以上．     

基于特征空间降维的溶剂脱水分离过程监控

针对传统化工过程中检测变量具有的非线性和非高斯性等特点,提出将改进的核主元分析（KPCA）和支持向量数据描述（SVDD）相结合的化工过程故障诊断方法.根据Mexican hat小波在提取非线性非平稳信号细微特征方面的优势,将该小波函数引入到KPCA中以增强核函数的非线性映射和抗噪能力.在映射后的特征空间中进行均值聚类分析,选择每个聚类中展现特征中心的数据,使运算复杂度明显降低,提高了监控实时性.采用SVDD描述经过聚类降维后的特征空间分布,提出新的监控指标描述过程的非高斯特性.将该方法应用在一个实际的溶剂脱水化工精馏过程中,仿真结果验证了该方法能够及时有效地检测系统产生的故障.     

一种提高雷达HRRP识别和拒判性能的新方法

在支持向量域描述的基础上,提出了多核支持向量域描述．针对支持向量域描述核函数形式过于简单的缺点,将支持向量域描述由单个高斯核扩展为多个高斯核线性组合的形式．扩展后的多核支持向量域描述方法可以表述为半正定规划问题,因此可以收敛到全局最优解．新方法采用了更加复杂的核函数形式,能够更加灵活地描述训练样本在高维特征空间的边界分布情况,从而获得了比支持向量域描述更高的识别率和更低的虚警率．     

基于WWSVDD多分类的遥感图像病害松树识别

针对支持向量数据描述多分类中模糊数据域的误判问题,提出了一种改进的加权小波支持向量数据描述（WWSVDD）多分类方法,并应用于遥感图像病害松树识别.利用无人机搭载双光谱相机获取高分辨率遥感图像,提取地物特征,构建特征向量.用WWSVDD模型描述每类样本,根据待测样本在特征空间中的不同分布,分别采用最小相对距离法和隶属度函数法进行决策分类,从而实现病害松树的识别.实验结果表明,与传统的K近邻和支持向量数据描述多分类方法相比,所提方法在识别病害松树方面准确性更高.     

提高雷达HRRP目标识别和拒判性能的核学习算法

雷达高分辨距离像(HRRP)数据具有明显的多模分布特性．在雷达HRRP识别和拒判中,采用单个高斯核很难准确地描述HRRP数据的多模分布．针对该问题,将单个高斯核扩展到多个高斯核线性组合的形式,并将该组合形式应用到支持向量域描述(SVDD)中来处理识别和拒判问题．根据对组合系数自由度的不同限制,扩展后的多核支持向量域描述(Multi-kernel SVDD)方法可以分别表述为不同的凸优化形式:二阶锥规划(SOCP)和半正定规划(SDP),它们都可以收敛到全局最优解．新方法采用了更加复杂的核函数形式,能够更加灵活地描述HRRP数据在高维特征空间的多模分布,从而提高雷达HRRP的识别和拒判性能．仿真实验结果显示该方法的损失值仅为单核SVDD的88.6％~93.2％．     

Mine-hoist fault-condition detection based on the wavelet packet transform and kernel PCA

A new algorithm was developed to correctly identify fault conditions and accurately monitor fault development in a mine hoist. The new method is based on the Wavelet Packet Transform (WPT) and kernel PCA (Kernel Principal Component Analysis, KPCA). For non-linear monitoring systems the key to fault detection is the extracting of main features. The wavelet packet transform is a novel technique of signal processing that possesses excellent characteristics of time-frequency localization. It is suitable for analysing time-varying or transient signals. KPCA maps the original input features into a higher dimension feature space through a non-linear mapping. The principal components are then found in the higher dimension feature space. The KPCA transformation was applied to extracting the main nonlinear features from experimental fault feature data after wavelet packet transformation. The results show that the proposed method affords credible fault detection and identification.     

基于支持向量数据描述的高效异常数据检测算法

为了解决大规模数据中的异常检测问题,提出了基于支持向量数据描述(SVDD)的高效离群数据检测算法。该算法的核心思想为:首先利用SVDD获得包含单类数据的最小球形边界,然后通过该边界对未知样本数据进行分类,并利用最小闭包球算法对SVDD分类器进行优化求解。在UCI机器学习数据集和入侵检测数据集上将该算法与其他离群数据检测算法进行了实验比较,结果表明,该算法不仅获得了更高的检测准确率,而且具有较低的运行时间。     

齿轮裂纹程度识别的有序分类算法

为识别齿轮裂纹的严重程度信息,提出一种基于有序分类的故障严重程度识别方法.将故障严重程度识别问题视为不同严重程度之间存在序结构,并且部分特征和故障严重程度之间存在单调依赖关系的有序分类问题,从有序分类出发,建立有序分类的故障严重程度识别模型.研究故障严重程度识别中的特征评价和特征选择问题,利用排序互信息指标区分原始特征集中的单调特征和非单调特征,提出单调特征和非单调特征混合存在情况下的有序分类特征选择算法.齿轮裂纹程度识别实验结果表明:提出的有序分类特征选择算法可以降低特征空间维数,能选择出分类能力强的故障特征子集,提高了故障严重程度识别的准确性.     

基于多向核熵偏最小二乘的间歇过程监测及质量预测

针对间歇过程数据的批次不等长和强非线性的特点,结合核偏最小二乘和核熵分析,提出了多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)的过程监测及质量预测方法.该方法将三维历史数据沿新的展开方式展开,克服了批次不等长和数据缺失的问题,通过核映射将过程数据从低维输入空间映射到高维特征空间,实现变量之间非线性相关关系的线性转换,解决了数据的非线性特性;根据核熵的大小将特征值和特征向量进行排序并对数据进行降维,弥补了MKPLS方法只按照数据特征值的最大化进行降维的不足.同时,引入核特征提取算法降低核空间的计算量,使其能够在线应用.数值实例和实际工业过程数据的验证效果表明:MKEPLS方法不仅能对故障进行有效监控,提高故障的报警率,同时还能对最终产品质量进行预测.