自适应噪声定界的改进集员辨识算法

集员辨识所需的系统噪声边界在现实应用中往往难于精确确定, 通常采取的过估边界将导致算法性能的退化. 本文针对缺乏足够先验噪声边界知识下的集员辨识问题进行了相应的研究, 通过对输入干扰和测量误差的有界假设, 将系统噪声边界建模为一个依赖于模型参数的时变量, 由此提出了一种根据估计参数自适应调定噪声边界的改进最优定界椭球辨识算法, 避免了过估噪声边界假设引起的保守性增大的缺陷, 提高了算法的收敛速度. 仿真中将本文提出的改进算法和带固定过估噪声边界的原始算法进行了比较, 表明了该方法的有效性.     

基于贝叶斯准则的航天器故障判决方法

研究航天器故障准确识别问题,由于多种因素干扰造成的航天器遥测参数观测值误差,导致故障诊断系统误判航天器状态.如何正确地从噪声信号中提取出关键的故障信号,并且根据故障发生概率及影响因素对故障进行判决,是目前航天器故障诊断领域面临的一大难题.在可获得先验的故障概率和代价系数的条件下,通过对高斯环境中故障信号误差的分析,建立了错误判决代价的贝叶斯准则判决方法,设计了高斯白噪声情况下采用贝叶斯准则进行故障判决的算法.通过某航天器实际遥测数据的实验结果表明,改进方法可显著提高系统的故障诊断准确性.     

动态噪声影响的三维重构几何估计算法

提出针对概率分布参数时变的噪声空间的双目视觉几何估计问题,由于Hartley三维重构几何估计算法是针对双目视觉受到同等噪声影响下所采用的.因此,对于受到不同噪声影响的情况而言,这个方法不能有效、准确地估计实时变化的测量点位置.通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的噪声样本空间概率模型变化演进的规律,这样可以较准确、平滑地估计出噪声对摄像头的影响,并以此来改进Hartley三维重构几何估计算法.     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类。以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像。实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7%,Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

先验形状力场参数活动轮廓模型及其医学图像分割

先验形状参数活动轮廓模型是一种抗噪声干扰稳定的图像分割方法．它具有对弱边缘、凹区域进行分割的能力，同时有较大的边缘捕捉范围．通过引入一种非距离性的先验形状力场，构建一种新的能反映先验形状的参数活动轮廓模型．新的先验形状活动轮廓模型避免了曲线之间距离的计算，减少了模型的复杂性．新的方法可以较好地解决传统型参数活动轮廓模型的一些本质缺陷.实验对带噪声且为弱边缘的医学CT图像和超声图像进行分割能得到理想的边缘轮廓.     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一，而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识，提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况，提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元，在图斑约束空间内实现了分类样本的自动化区域选择和特征提取，并获得了高置信度知识，然后利用这些分类样本训练深度残差网络，从而实现大区域影像的精确分类。以常州市新北区为例进行实验，选用该区域2009年土地利用现状数据作为先验数据，2014年Landsat 8 OLI影像作为待分类影像。实验结果表明，所提方法可融合不精准先验知识，对大面积连片LULC信息分类精确，主要地类图斑界限准确，全图分类图斑精度达到了88.7%，Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

一种改进的增量式贝叶斯文本分类算法

针对难以获得大量有标签的训练集问题,将增量式贝叶斯学习用于小规模训练集上,并提出了一种新的序列学习算法以弥补其学习序列中存在的不足:无法充分利用先验知识导致噪声数据不断传播。在增量学习的样本选择上,算法引入了配对样本检验和类支持度的知识,分别从横向和纵向角度充分利用先验知识来选取最优增量子集优化分类器,使分类器参数在动态学习过程中得以强化。实验结果表明,该算法能有效弱化噪声数据的消极影响,提高分类精度,同时能大幅度减少增量学习时间。     

基于粗糙集的加权KNN数据分类算法

粗糙集是处理不精确、不确定性问题的基本方法之一。采用粗糙集理论与方法进行数据分析具有不必具备数据集的先验知识、不需人为设定参数等优点,因而它被广泛应用于模式识别与数据挖掘领域。针对粗糙集训练过程中从未遇到过的样本的分类问题进行了探讨,根据条件属性的重要性确定加权系数,采用加权KNN的方法来解决无法与决策规则精确匹配的样本分类问题,并与加权最小距离方法进行了对比实验;同时对其他一些现有的粗糙集值约简算法进行了分析与研究,提出了不同的观点。对UCI多个数据集的大量数据进行了实验,并与近期文献中的多种算法进行了性能对比,实验结果表明,提出的算法的总体效果优于其他算法。     

支持向量学习机在点云去噪中的应用

在解决非线性、高维模式识别以及小样本等问题中,支持向量机表现出许多独有的优势.提出将支持向量机学习分类方法应用于点云去噪中,能够稳定地进行机器学习,训练得到判别模型,快速、准确地识别出噪声点与非噪声点.通过对小样本数据的统计学习,能够推广到大规模数据中去进行结果的预测估计.用SVM对点云数据样本进行学习训练、测试,识别分类,从而达到去噪光顺的目的.实验表明,此方法在有效去除噪声的同时能较完整地保留点云数据信息.     

基于模型的旋转冠状动脉造影三维重建

本文提出了一种基于模型的稀疏角度投影图像冠状动脉体数据重建方法,本文的工作主要包括：1）提出了一种血管结构参数化算法,该算法在保证不同节段血管表面的空间连续性的基础上,对血管分支分叉不为进行自动识别和连接;2）建立了一种基于投影数据匹配的血管半径估计方法,用于设定血管初始半径;3）在参数优化过程中引入了包含利用血管结构先验知识和弹性先验进行约束,保证了血管结构的的平滑性和弹性先验以此来并排除降低噪声的干扰和,增大对初始坐标位置误差的容许度,并利用算法利用梯度下降法进行迭代优化。实验表明该重建方法对冠状动脉X射线造影重建能够收敛并具有较精确的重建结果。     

高海情下全浸式水翼艇姿态控制的研究

本文根据随机最优跟踪控制理论,对高海情下全浸式水翼艇翼航姿态的控制问题进行了研究。讨论了跟踪信号为海浪这样的随机输入信号的跟踪控制问题,研究了水翼艇的爬浪控制,提出了具有积极意义的准爬浪控制规律。最后,对PCH水翼艇在五级海情下的翼航姿态进行了数学仿真,结果表明:本文的研究结果是正确的,采用本文的准爬浪控制规律,全浸式水翼艇在高海情下的翼航姿态控制可获得令人满意的效果。     

基于PIDNN的六旋翼无人机飞行控制算法研究

针对六旋翼无人机比例-积分-微分(PID)控制器参数优化困难的问题,采用了PID神经网络(PIDNN)控制方法,利用其非线性映射和自学习的特性,实现了姿态控制参数的动态调整,增加了系统的自适应性.为验证方法的有效性,通过Matlab的Simulink模块构建了六旋翼无人机数学模型;利用S函数实现了基于反向传播(BP)算法的PIDNN控制器;将仿真结果与传统PID控制效果进行对比,结果表明:在缩短姿态调整时间与减少超调量方面,PIDNN方法控制效果优于PID方法.     

加强大学生计算机自学能力培养之我见

文章提出加强大学生计算机自学能力的培养可以从以下几个方面着手:学校树立正确的办学宗旨和建设优良的办学条件;教师正确引导学生自主学习;学生树立正确的学习态度和采用科学的自学方法。     

Control of knowledgeable manufacturing cell with an unreliable agent

Aiming at the task control problems existing in the knowledgeable manufacturing system, the concept of state jump system is proposed to analyze a knowledgeable manufacturing cell with an unreliable agent. The uncertain factors of the knowledgeable manufacturing cell are addressed in the task control model by utilizing a self-learning method of probability distribution parameters of stochastic events. With the state jump system given, the task control problem is greatly simplified that the optimal task control strategy of the manufacturing cell can be obtained by the combination of the uniform technology and the stochastic dynamic programming. The objective function can be stabilized to a certain extent for different initial conditions, which verifies the feasibility of the control strategy. Compared to the random control and maximum control principles, the objective function value of the optimal control strategy in this paper is relatively low, which confirms the validity of the control strategy.     

漂浮基双臂空间机器人系统的模糊神经网络自学习控制

讨论了载体位置、姿态均不受控制的情况下自由漂浮双臂空间机器人系统的高斯基模糊神经网络自 学习控制问题．此类空间机器人系统严格遵守动量守恒和角动量守恒,所以其动力学方程表现出强烈的非线性性 质．将神经网络与模糊控制相结合,即利用神经网络进行模糊推理, 可使模糊控制具有自学习能力．在此基础上, 设计了双臂空间机器人系统关节空间的高斯基模糊神经网络自学习控制方案．系统的数值仿真证实了该方法的有 效性．     

具有随机多跳时变时延的多航天器协同编队姿态一致性

针对存在随机多跳时变时延的多航天器协同编队的姿态一致性问题,本文设计了可消除随机多跳时变时延影响并能够实现多航天器协同编队姿态角速度一致及姿态角有效跟踪的静态控制器.首先基于有向图论推导出领航者一跟随者误差系统的动态方程,然后通过构造合适的Lyapunov函数将误差系统调节器问题转化为了线性矩阵不等式解的存在性问题,其次通过求解线性矩阵不等式完成了协同编队姿态控制系统的静态控制器设计.理论分析表明,所设计的控制器能够有效消除随机多跳时变时延影响,实现了多航天器协同编队的姿态一致性.数值仿真验证了所提方法的正确性和有效性.     

基于神经网络前馈补偿的欠驱动机器人越障控制

针对欠驱动巡检机器人相对于传统机器人控制量少于控制对象的特点,依靠Lagrange定理建立机器人系统动力学模型和电缆弯曲数学模型.根据障碍物外形特点给出障碍物特征量的提取方法;根据障碍物较大,常规的运动控制输出量不宜变化过大的特点,以及机器人越障过程中要保持机体平衡,依据动力学模型提出了基于神经网络补偿的前馈-反馈控制器,以实现对系统姿态控制和越障控制.控制器具有自学习、自动补偿的能力,对非线性对象有较好的控制作用.仿真结果表明,该方法相对于常规PID控制、普通模糊控制具有超前调节、超调量小、抗扰动能力强的特点.通过实验,验证了基于神经网络补偿的前馈-反馈控制器的合理性.     

轮廓随机序列模型及其分级检测技术*

研究了运动目标图像随机轮廓模型,它包含四特征模型和三参数非平稳随机序列描述,进而拟订了轮廓检测定理;然后建立了轮廓分级检测系统,根据轮廓分割了目标图像.系统包含二阶时差分变换、全域自学习的高信噪比轮廓点二元聚类检测;中信噪比轮廓点自学习的局域检测;在时空域基于封闭和Markov关联准则的低信噪比轮廓点检测.实验仿真给出了良好的结果.     

Optimal bang-bang control of linear stochastic systems with a small noise parameter

This study considers the problem of determining optimal feedback control laws for linear stochastic systems with amplitude-constrained control inputs. Two basic performance indices are considered, average time and average integral quadratic form. The optimization interval is random and defined as the first time a trajectory reaches the terminal regionR. The plant is modeled as a stochastic differential equation with an additive Wiener noise disturbance. The variance parameter of the Wiener noise process is assumed to be suitably small. A singular perturbation technique is presented for the solution of the stochastic optimization equations (second-order partial differential equation). A method for generating switching curves for the resulting optimal bang-bang control system is then developed. The results are applied to various problems associated with a second-order purely inertial system with additive noise at the control input. This problem is typical of satellite attitude control problems.     

模糊操作条件概率自动机仿生自主学习系统和机器人自平衡控制

为了实现两轮机器人的自平衡控制, 利用Skinner操作条件反射机理, 以概率自动机为平台, 融入模糊推理, 构造了模糊操作条件概率自动机(OCPA)仿生自主学习系统. 该学习系统是一个从状态集合到操作行为集合的随机映射, 采用操作条件反射学习机制, 从操作行为集合中随机学习作为控制系统控制信号的最优行为, 并利用学习到的操作行为取向值信息, 调整操作条件反射学习算法. 此外, 学习系统还引入行为熵, 以验证其自学习和自组织能力. 应用于两轮机器人自平衡控制的仿真结果, 验证了模糊OCPA学习系统的可行性.