基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法

贝叶斯网络分类器的精确构造是NP难问题,使用K2算法可以有效地缩减搜索空间,提高学习效率。然而K2算法需要初始的节点次序作为输入,这在缺少先验信息的情况下很难确定;另一方面,K2算法采用贪婪的搜索策略,容易陷入局部最优解。提出了一种基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法(CMI-PK2算法),该算法首先利用条件互信息生成有效的节点次序作为K2算法的输入,然后利用概率突跳机制改进K2算法的搜索过程来提高算法的全局寻优能力,学习较为理想的网络结构。在两个基准网络Asia和Alarm上进行了实验验证,结果表明CMI-PK2算法具有更高的分类精度和数据拟合程度。     

接收机运动情况下天线简谐运动对信道循环平稳性影响的分析

在均匀散射环境下,当天线做简谐运动时,信道中会引入循环平稳.通过分析信道循环平稳的产生机理,定义了循环平稳度来衡量引入的循环平稳.首先当接收机以恒速做直线运动且接收机上的天线做简谐运动时,研究了信道的自相关特性,包括循环平稳性;然后用Matlab仿真工具绘出有关曲线,仿真实验结果更加清晰地显示了信道的循环平稳性;最后揭示了信道循环平稳的研究意义,并对其在该领域的应用前景进行了展望.     

生物事件触发词识别方法研究

从生物文献中抽取生物事件对于生物领域的知识挖掘起着重要的作用,而事件触发词的识别是生物事件抽取的一个关键步骤。系统分别采用词汇及其上下文特征、短语标记特征、词聚类特征以及统计的词典特征构造不同的基于词级的CRF模型,用于生物事件触发词的标记。然后针对不同的触发词类型选择对应最优的标记模型,构造了一个混合CRF模型。在BioNLP 2009 ST语料库上进行了实验评估,结果表明提出的方法取得了很好的性能,为生物事件的抽取建立了良好的基础。     

微博检索的研究进展

随着微博的快速发展,微博检索已经成为近年来研究领域的热点之一。该文首先以TREC Microblog数据为基础,从分析微博文档和微博查询两方面出发,得出微博检索与传统文本检索之间的两点不同: 一是微博文档相较于网页具有很多独有的特征;二是微博查询属于时间敏感查询,即在排序时除了考虑文本的语义相似度,还需要考虑时间因素,将这类方法统称为时间感知的检索技术。这两点差异使得已有的信息检索技术不能满足微博搜索的需求。该文主要介绍了近年来这两方面的相关研究: 首先描述了微博本身的多种特征以及基于这些特征提出的检索方法;然后以传统信息检索过程为主线,分别介绍了将时间信息用于文本表示、文档先验、查询扩展三方面的排序模型,最后总结了已有工作并且对未来研究内容进行了展望。     

基于改进PIDNN滑模控制的电压型PWM整流器

针对传统滑模变结构控制在三相电压型PWM整流器中应用时参数摄动所引起的抖动现象,提出一种改进PID神经网络的滑模变结构在线控制方法,将PID三个参数作为神经网络隐藏层的神经元,利用PID算法响应快、无静差的特点以及神经网络的在线自学习能力,实时对滑模趋近律参数进行修改,从而缩短系统状态进入滑模面的时间并减小抖动。对选取的价值函数进行改进,使算法不会陷入局部最优而逼近全局最优解,并对系统的全局稳定性进行分析。通过仿真和实验验证,结果表明该方法能使系统全局稳定,抖动有明显削弱且具有更好的动态响应。     

求解带时间窗车辆路径问题的动态混合蚁群优化算法

为求解带时间窗车辆路径问题,针对传统蚂蚁遗传混合算法中参数静态设置、冗余迭代及收敛速度慢等缺点,提出一种动态混合蚁群优化算法( DHACO)。该算法首先借助最大最小蚁群得到初始解,利用蚁群优化算法求解带时间窗车辆路径问题的基本可行解。然后采用遗传算法交叉和变异操作对局部解和全局最优解进行二次优化,从而得到最优解。最后利用蚂蚁遗传混合算法融合策略,动态交叉调用蚂蚁算法、遗传算法,根据云关联规则自适应控制蚁群算法参数。 DHACO有效减少无效迭代次数,加快收敛速度。仿真结果表明,与其他相关的启发式算法相比,DHACO优于某些实例的已知最优解。     

壳体振动测量方法及实例分析

该文介绍了壳体振动测量原理,并针对现场具体实例,结合测量原理分析测量偏差的原因,通过具体实例说明了从测量原理人手分析现场实际问题的必要性.     

主从结构超精密运动平台的宏微控制系统设计

本文对超精密运动平台宏微控制系统进行了设计,并分析对比了两种主从结构的宏微策略,确定了宏动跟随微动的设计方案.针对光刻机宏微模型耦合部分引起的平台运动控制误差,本文引入了线性状态观测器对其进行补偿,并针对微动台音圈电机位置伺服系统设计了线性扩张状态观测器来实现对干扰的抑制.实验结果表明,加入线性状态观测器能够提高宏微控制系统的控制性能.     

高精度光散射气溶胶质量浓度测量系统的信号处理研究

气溶胶质量浓度是评价大气环境变化的关键参数,光散射法是测量该参数的有效方法。但现有反演模型多采用散射光信号积分量反演质量浓度,导致颗粒物细化信息丢失,且未考虑颗粒形貌因素。针对上述问题,本文提出了一种采用散射光信号幅度分布反演气溶胶质量浓度的分形模型,充分利用了颗粒散射光的信号幅度信息与数目信息,有效提高了反演精度。实验结果表明：对于烟尘和空气样品,分形模型质量浓度反演值与实际测量值吻合,拟合直线斜率与1的绝对差为0.034和0.016,相关系数高于0.999,实验平均相对误差均小于7.7%,而电压积分量反演的质量浓度平均相对误差则在18.7%以内。该研究为光散射法应用于在线监测气溶胶质量浓度提供了一种新的精确反演方法。     

基于测地距离的KPCA人脸识别

针对人脸检测数据集中的信息均为高维特征向量且人脸识别易受表情变化影响等问题,本文提出一种基于测地距离的KPCA人脸识别方法,该方法利用非线性方法提取主成分。先采用KPCA方法把人脸数据映射到高维空间,进而在高维空间中提取人脸的主成分,其中核函数为多项式核函数;然后引入测地距离替换原来的欧氏距离进行相似度量,其能更准确地测量出两像素点间的实际距离,使得人脸识别率受表情变化影响小。该方法不但可以实现降维,而且还能达到有效提取特征的目的。在ORL人脸库上的实验结果表明,该方法的识别率明显优于PCA、KPCA等方法的识别率。