融合压缩感知和SVM的SAR变形目标识别算法

为降低合成孔 径雷达(Synthetic aperture radar, SAR)图像目标识别中目标方位角的影响,并提高对SAR变形目标的识别率,本文提出了一种基于压缩感知和支持向量机决策级融合的目标识别算法。该算法首先基于稀疏表征理论将SAR目标识别问题描述为压缩感知的稀疏信号恢复问题,然后基于稀疏系数分别进行目标类别判别与方位角估计。对样本进行姿态校正后,利用支持向量机分别对经过姿态校正和未经姿态校正的样本进行目标分类。最后采用投票表决法对3种算法的分类结果进行决策级融合。实验结果表明,基于压缩感知结果进行目标方位角估计有效,且随着训练样本数的增加,提出的决策级融合算法提高了SAR变形目标的识别率。     

交互多模型扩展卡尔曼滤波算法的FPGA实现

对用于纯方位角度跟踪问题的交互多模型扩展卡尔曼滤波(IMMEKF)算法进行了研究,将其转换为适于硬件实现的形式。在此基础上,给出了基于现场可编程门阵列(FPGA)的实现方案,并讨论了硬件实现的资源优化和时间优化问题。软硬件仿真结果表明:IMMEKF硬件算法能够实现对单目标的纯方位角度跟踪,并且在保证与软件仿真具有相当精度的前提下能大幅减少运算时间。     

SAR图像目标方位角联合估计方法研究

为了精确估计任意角度的目标方位角,融合主导边界法与峰值拟合法,提出一种SAR目标方位角的联合估计方法。通过计算投影比以及目标区域同外接矩形面积之比,初步判断目标是否位于水平或垂直方位附近,自适应选择相应的估计算法进行处理。移动与静止目标获取与识别(MSTAR)公共数据库实测数据的仿真结果表明,该方法估计误差较小,可获得较高的估计准确度。方位角联合估计方法有利于增强目标方位角估计的适应性,提高目标分类和识别的效率。     

基于压缩感知理论的声矢量阵方位估计方法

水下目标在方位估计搜索空间中具有稀疏性,基于声矢量传感器阵空间稀疏模型实现小样本条件下的方位估计,结合压缩感知(CS)理论框架下方位估计的特点,通过对平滑l0范数快速精确的求解来估计目标方位角,该方法具有运算速度快、高分辨的特点.通过实验仿真从运算时间、分辨力等方面与常规波束形成(CBF)算法和最小方差无失真响应(MVDR)算法进行比较分析,验证了该方法的可行性与有效性.     

基于正交化算法的均匀圆阵空时二维谱估计

本文讨论了阵列信号的谱估计问题,将G-S正交化算法用于均匀圆阵的空时二维谱估计中,研究了目标信号频率与到达角联合估计问题。通过仿真结果可以表明该方法与MUSIC算法相比,能更精确的估计目标信号的频率与方位角。     

一种联合的SAR目标方位角估计方法

方位角估计是SAR图像自动目标识别中的重要问题,精确的方位角估计有利于提高目标分类的准确性和速度.主导边界法与包络盒法是两种常用且有效的SAR图像方位角估计方法,但是这两种方法存在各自的缺陷.在分析这两种方法优缺点的基础上,将两种方法结合,提出了一种主导边界与包络盒联合的SAR目标方位角估计方法.自动程度高,扩展了原算法的适应性,与原来的两种算法相比提高了SAR目标方位角估计的精度.最后利用MSTAR数据的实验结果验证了该算法的精度与适应性.     

十字阵的单基地MIMO雷达中一种低复杂度的二维DOA估计算法

提出了在单基地多输入多输出(Multiple-input multiple-output,MIMO)雷达中的基于十字阵的一种低复杂度的二维波达方向(Direction of arrival,DOA)估计算法。该算法利用传播算子法(Propagator method,PM)避免了协方差矩阵的构造及其特征值分解,也无需谱峰搜索,从而大大降低了运算的复杂度;同时该算法可实现方位角和仰角的自动配对。本文算法的性能在高信噪比下逼近借助旋转不变技术估计信号参数(Estimation ofsignal parameters via rotational invariance techniques,ESPRIT)算法。文中还推导了目标方位角和仰角的均方误差。仿真结果证明了该算法的有效性。     

基于超二次曲面模型的超声阵列成像算法

针对基于二维超声阵列的三维目标成像问题,提出了一种基于渡越时间法与超二次曲面模型的三维目标成像算法。利用改进的Unitary-ESPRIT算法得到特征点的方位角,利用渡越时间法(TOF)得到空间特征点的距离,将特征点的方位角与距离相结合,利用三角几何关系,将其转换为特征点的坐标。利用改进的Levenberg-Marquardt算法进行参数拟合,最终实现三维目标的成像。仿真结果表明:该算法能够实现基于超声阵列的三维目标的成像,且最终得到的拟合参数的误差基本控制在10%以内。     

一种基于目标主导边界的方位角估计算法

方位角估计是进行目标识别的重要步骤.本文首先介绍了一种基于CFAR的目标图像分割算法,并讨论了目标区域的抽取问题,然后提出了一种快速有效的方位角估计算法.该算法首先线性拟合目标的距离向主导边界,若直线倾角落在近水平的某个范围内,则拟合方位向主导边界.从拟合直线的倾角可以得到目标方位角.该算法能够检测并去掉主导边界上的毛刺,对分割误差具有一定的鲁棒性.用MSTAR公开数本库中的10类目标进行实验,结果表明该算法具有较高的估计精度.     

基于目标特征的SAR图像车辆目标的方位角联合估计*

针对SAR图像地面车辆目标方位角估计精度不高的问题,尤其是0度和180度估计误差大的问题,提出了一种地面SAR图像目标方位角联合估计方法。首先,分析了地面车辆目标在不同角度的成像特点和典型目标方位角估计方法的优缺点,然后,通过判断当前目标成像所具有的特点,利用目标阴影特征与目标轮廓特征,并结合目标主轴提取方法和Hough变换方法对SAR图像目标方位角进行联合估计,最后利用MSTAR目标切片数据对该方法进行了验证实验,绝对误差在5º范围内的准确估计率都在89%以上,目标误差均值都在4º以内。实验结果表明该算法的方位角估计精度比较高,算法是有效性的和可行的。     

求带单一限制条件的单源多权最短路径的一个算法

给出了带单一 限制条件的单源多权最短路径问题的一个算法，并证明此算法是正确的；该算法中借用了C语言的特点，设计了一些独特的数据结构，这使得该算法设计和实现非常简单.     

基于改进遗传算法的矩形件优化排样

论文利用遗传算法结合剩余矩形排样法求解矩形件正交排样问题。通过对排样问题已知解信息进行统计分析,并根据分析结果改进原遗传算法判断个体好坏的标准,对父代种群进行了优劣分类,针对不同的分类采用不同的遗传操作,构造出一种改进遗传算法。通过实例验证,该算法得到了排样问题的最优解,说明了其有效性。     

A novel algorithm for performance prediction of web-based software systems

Performance metrics can be predicted with appropriate performance models and evaluation algorithms. The goal of our work is to adapt the Mean-Value Analysis evaluation algorithm to model the behavior of the thread pool. The computation time and the computational complexity of the proposed algorithm have been provided. The limit of the response time and the throughput sequences computed by the novel algorithm has been determined. It has been shown that the proposed algorithm can be applied to performance prediction of web-based software systems in ASP.NET environment. The proposed algorithm has been validated and the correctness of performance prediction with the novel algorithm has been verified with performance measurements. Error analysis has been performed to verify the correctness of performance prediction.     

多尺度分割先验迭代重加权低秩恢复显著性检测

目的 现有显著性检测方法大多只关注显著目标的中心信息,使得算法只能得到中心清晰、边缘模糊的显著目标,丢失了一些重要的边界信息,而使用核范数约束进行低秩矩阵恢复,运算过程冗余。为解决以上问题,本文提出一种无监督迭代重加权最小二乘低秩恢复算法,用于图像视觉显著性检测。方法 将图像分为细中粗3种尺度的分割,从细粒度和粗粒度先验的融合中得到分割先验信息;将融合后的分割先验信息通过迭代重加权最小二乘法求解平滑低秩矩阵恢复,生成粗略显著图;使用中粒度分割先验对粗略显著图进行平滑,生成最终的视觉显著图。结果 实验在MSRA10K（Microsoft Research Asia 10K）、SOD（salient object detection dataset）和ECSSD（extended complex scene saliency dataset）数据集上进行测试,并与现有的11种算法进行对比。结果表明,本文算法可生成边界清晰的显著图。在MSRA10K数据集上,本文算法实现了最高的AUC（area under ROC（receiver operating characteristic）curve）和F-measure值,MAE（mean absolute error）值仅次于SMD（structured matrix decomposition）算法和RBD（robust back ground detection）算法,AUC和F-measure值比次优算法RPCA（robust principal component analysis）分别提高了3.9%和12.3%;在SOD数据集上,综合AUC、F-measure和MAE值来看,本文算法优于除SMD算法以外的其他算法,AUC值仅次于SMD算法、SC（smoothness constraint）算法和GBVS（graph-based visual salieney）算法,F-measure值低于最优算法SMD 2.6%;在ECSSD数据集上,本文算法实现了最高的F-measure值75.5%,AUC值略低于最优算法SC 1%,MAE值略低于最优算法HCNs（hierarchical co-salient object detection via color names）2%。结论 实验结果表明,本文算法能从前景复杂或背景复杂的显著图像中更准确地检测出边界清晰的显著目标。     

Bat Algorithm: A Survey of the State-of-the-Art

The area of metaheuristic optimization algorithms has been attracting researchers for many years. These algorithms have built in capability to explore a large region of the solution space, are computationally robust, efficient and can avoid premature convergence. They have been extensively tested and applied on many hard optimization problems where conventional computing techniques perform unsatisfactorily. They are capable of solving general N-dimensional, linear, nonlinear and complex global optimization problems. One of the latest entrants in this field is the Bat algorithm which is based on the echolocation behaviour of bats. It has been proven to have good convergence properties on different benchmark functions and seems promising for dealing with optimization problems. The aim of this paper is to provide a survey of the state of the art on Bat algorithm. A concise effort has been made so that the readers get a rapid insight into some of the applications upon which bat algorithm has been applied till date in specialized fields of science and engineering. Some of the variants of the bat algorithm as reported in the literature have also been discussed.     

一种增量更新算法在数据挖掘中的应用

引入扩展差别矩阵和扩展决策矩阵，提出了新的属性约简算法和增量更新算法，即基于扩展差别矩阵的属性约简算法和基于扩展决策矩阵的增量式规则提取算法，讨论了规则的增量更新算法。由于使用了增量更新算法和并行处理技术，从而提高了数据挖掘的效率，降低了时间复杂度。通过实验说明此算法是有效和可行的。     

Detecting community structure in complex networks using genetic algorithm based on object migrating automata

Community structure is an important topological feature of complex networks. Detecting community structure is a highly challenging problem in analyzing complex networks and has great importance in understanding the function and organization of networks. Up until now, numerous algorithms have been proposed for detecting community structure in complex networks. A wide range of these algorithms use the maximization of a quality function called modularity. In this article, three different algorithms, namely, MEM-net, OMA-net, and GAOMA-net, have been proposed for detecting community structure in complex networks. In GAOMA-net algorithm, which is the main proposed algorithm of this article, the combination of genetic algorithm (GA) and object migrating automata (OMA) has been used. In GAOMA-net algorithm, the MEM-net algorithm has been used as a heuristic to generate a portion of the initial population. The experiments on both real-world and synthetic benchmark networks indicate that GAOMA-net algorithm is efficient for detecting community structure in complex networks.     

基于人工免疫的图像聚类算法的研究

随着图像检索系统的发展,合理组织和管理图像数据库已渐渐成为用户检索的关键所在。因此提出了一种基于人工免疫的图像聚类算法,通过模拟抗体捕获抗原的机制,对由Internet上的60幅图像组成的图像库进行了聚类分析。聚类之前提取了图像的平均颜色特征,获得了每幅图像的mean值,同时,还比较了传统K均值聚类算法与本文算法的性能。实验结果表明,算法计算时间少、聚类误差低、聚类能力强,能有效地提高了检索效率。     

可重构制造系统的多Agent模型

论文在介绍可重构制造系统重构方法的基础上,给出了可重构制造系统多Agent模型的结构,并详细描述了基于该模型的可重构车间加工系统的重构算法,最后对重构算法进行仿真验证了该算法的可行性。     

多订单环境下的多资源优化配置

针对多订单环境下的多资源配置问题,以总流程时间为优化目标,以多种资源为配置对象,综合考虑成本和时间因素,建立了该问题的数学模型;设计了精英保护遗传算法。最后以实例验证了该问题数学模型的正确性和求解算法的有效性。结果表明,最优解的加工资源相对分散,避免了由于个别加工资源使用频率过高而导致总流程时间的增加。