基于ISE 的核密度估计和随机置换的单一或协同特征的选择方法

针对数据的特征存在单一和协同特征的选择问题,基于平方误差标准核密度估计和随机置换理论,首先提出一种针对单一特征的特征选择方法(FSKDE-RP);然后,针对协同特征的情况,通过拓展随机置换理论,提出多维协同特征选择算法(SFSKDE-MRP),并利用核神经网络(KNN)分类器的分类精度选择最优特征子集.在模拟数据和真实数据集上的实验结果表明了所提出算法的有效性.     

基于改进粒子群算法的时变系统辨识

针对时变系统辨识问题,在基本粒子群算法的基础上,提出了一种改进的粒子群算法对时变系统进行辨识的方法,实质是把辨识问题转换为参数空间上的函数优化问题,然后利用改进粒子群算法的并行搜索能力进行参数寻优。仿真实验表明,与其他算法相比,利用改进算法不仅提高了算法的辨识精度,改善了对时变参数的跟踪精度。     

基于分布估计的二进制人工蜂群算法

为了充分利用种群的全局统计信息,将分布估计算法引入二进制人工蜂群算法,提出一种基于分布估计的二进制人工蜂群算法。该算法利用分布估计算法获得的全局统计信息引导候选解的产生,提高了全局探索能力;采用直接针对离散域的多维邻域更新策略,加快了收敛速度,降低了计算复杂度。仿真结果表明,与传统二进制人工蜂群算法相比,改进算法在优化精度、收敛速度和鲁棒性方面均有明显改善。     

基于星座图的PSK、QAM信号联合识别算法应用

针对PSK、QAM信号的理论识别算法在实际应用系统中不能满足较高的识别精度这一问题,提出一种基于星座图的PSK、QAM信号联合识别算法.该算法首先对信号同步处理并恢复信号星座图,然后进行相位统计与星座图聚类,提取出星座图的中心点个数N、相位个数P以及最大半径与最小半径比R等特征参数,再构造评估函数C(N,R,P)以识别PSK、QAM信号的调制方式.实际应用表明,对码元数目大于800的PSK和QAM信号的识别准确率均高于94％;对信噪比为8.25 dB的860M数字集群TETRA信号的识别率高达94.12％.该算法流程清晰且不需要任何先验知识,非常适合实际应用,此方法已经在某公司的信号分析系统上得到了应用.     

一种面向自相似业务的新型主动队列管理算法

网络业务的自相似性对网络性能具有重要影响,可能导致严重的队列时延和分组丢失率.为解决这一问题,提出了一种考虑业务自相似性的主动队列管理算法.该算法基于小波方法对网络业务的赫斯特参数进行估计,并使用该参数的估计结果分析网络自相似过程和确定自相似性的程度.然后实时估计赫斯特参数,并基于此对网络业务进行实时分类.仿真用MATLAB生成网络架构,并使用帕累托分布模拟网络业务,将该算法和其他缓存管理算法的性能进行了比较,仿真结果验证了该算法具有更好的公平性,并且在网络拥塞的情况下,可以避免丢弃分组对其他队列造成影响.     

基于改进UKF的滚动时域估计方法及其在PVC聚合过程中的应用

聚合过程具有高度非线性和时变性等特点,参数在线估计有助于聚合过程控制性能和优化效果的改善。滚动时域估计(MHE)方法是一种用于聚合过程参数和状态估计的有效方法。本文提出了一种基于改进无迹卡尔曼滤波(UKF)的滚动时域估计方法,用于氯乙烯聚合过程机理模型时变参数的估计。滚动时域估计方法的关键问题之一是抵达成本(Arroval Cost)的近似估算,文中采用2种采样策略来实现抵达成本的自适应计算和更新。将提出的方法应用于氯乙烯聚合过程传热系数的在线估计,并与传统的滚动时域估计方法相比较,体现了该方法的有效性。     

PR状态方程二元相互作用参数的拟合及对柴油中氢气溶解度的预测

通过Aspen Hysys模拟计算了温度(323~623)K和压力(4~10)MPa条件下,氢气在0~#柴油、直馏柴油、催化柴油和焦化柴油中的溶解度。计算结果对比实验数据,得到氢气在4种柴油中溶解度的平均误差分别为17.49%、11.48%、20.09%和14.00%。因二元相互作用参数与柴油性质以及温度之间存在着一定的关联,为了得到更加准确的溶解度数据,提出了计算PR状态方程中二元相互作用参数的关联式,并用Matlab进行关联式参数的拟合和氢气溶解度的计算,得到溶解度数据的平均误差分别为8.12%、7.51%、5.73%和6.10%,有效地提高了数据的准确性。因此,提出的二元相互作用参数的计算关联式可以为更加准确地预测氢气在柴油中的溶解度提供有效的方法。     

基于6参数模型的6R串联机器人运动学参数辨识

为了避免运动学参数误差辨识中存在参数不连续、计算收敛速度慢的现象,基于一种6参数模型,在DH(Denavit-Hartenberg)法建立的杆件坐标系上建立了6R串联机器人的误差模型,并给出了参数转化公式.设计了计算机仿真实验,在存在驱动器、测量仪器随机噪声误差的条件下对比了使用MDH(改进DH)参数误差模型和6参数模型的仿真辨识效果.6参数模型和MDH模型辨识后定位平均误差分别降低了96.1%和52.9%.结果显示6参数模型具有良好的完备性、连续性.6参数模型的误差参数范围可以从制造公差中得出,辨识速度高于MDH模型,通过公差控制参数范围,消除了没有达到极小性要求对误差辨识的影响.应用此方法对一台SR165型机器人进行参数辨识,定位平均误差由2.5 mm降低至0.35 mm.     

基于视觉标记的增强现实系统建模及配准误差问题研究

针对当前基于视觉的增强现实系统标记大、成本高的缺陷,提出一套结合简单组合标记的增强现实系统的实现方案.基于弱透视模型,以色彩和形状作为融合特征,研究了利用冗余特征实现标记物体的3D位姿还原方法.为使配准方案能够适应普通的视觉采集设备,提出根据摄像机标定时得到的扭曲参数对渲染后的模型进行再扭曲的配准修正方法.结合OpenCV和OpenGL中的空间变换的概念,给出了虚拟和物理世界配准融合的解决方案,并基于统计学数学模型,提出降低配准时的误差以及提升配准稳定性的方案.实验结果表明,提出的算法能有效地将静态标签的抖动降低至亚像素级.     

基于人脸图像的年龄估计

年龄是人固有的生物特征,随着年龄的变化,人脸特征也不断变化.近年来基于人脸图像的年龄估计方法的研究不断深入.基于人脸图像的年龄估计主要有两个阶段:特征提取和估计方法.针对以上两个阶段,分别提出相应的方法.在特征提取方面,为了更好地描述年龄变化,特别是针对未成年人,引入了方向梯度直方图(Histogram ofOriented Gradient,HOG)特征,并将其与局部二元模式(Local Binary Pattern,LBP)特征进行融合;在估计方法方面,提出了软双层估计模型,其采用由粗到细的策略.首先,在第一层将人脸分成“未成年人”与“成年人”两类;然后,在第二层通过在两类的边界设置重叠区域,分别对其建立年龄估计模型,以对第一层的错误分类进行补救.通过实验发现,融合的特征具有更强的年龄判别性,同时,软双层模型也进一步提高了年龄估计的准确度.