线性规划的可行解集合的几何特征

本文提出平凡解是基可行解,也是极点,对基可行解与极点是等价概念给出一种证明方法,指出E~n中的可行解集合有类似R~2中的凸多边形的一些特征。     

基于径向基函数的多目标回归特征构建算法

多目标回归（MTR）是一种针对单个样本同时具有多个连续型输出的回归问题。现有的多目标回归算法都基于同一个特征空间学习回归模型,而忽略了各输出目标本身的特殊性质。针对这一问题,提出基于径向基函数的多目标回归特征构建算法。首先,将各目标的输出作为额外的特征对各输出目标进行聚类,根据聚类中心在原始特征空间构成了目标特定特征空间的基;然后,通过径向基函数将原始特征空间映射到目标特定特征空间,构造目标特定的特征,并基于这些目标特定特征构建各输出目标的基回归模型;最后,用基回归模型的输出组成隐藏空间,采用低秩学习算法在其中发掘和利用输出目标之间的关联。在18个多目标回归数据集上进行实验,并把所提算法与层叠单目标回归（SST）、回归器链集成（ERC）、多层、多目标回归（MMR）等经典的多目标回归算法进行对比,结果表明所提算法在14个数据集上都取得了最好的性能,并且在18个数据集上的平均性能排序居第一位。可见所提算法构建的目标特定特征能够提高各输出目标的预测准确性,并结合低秩学习得到输出目标间的关联性以从整体上提升多目标回归的预测性能。     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

慢走丝线切割机床丝架的热误差建模

慢走丝线切割机床上下丝架的误差受环境温度影响变化较大,且其相对位置的改变直接造成电极丝的位姿发生变化,从而使加工精度降低. 针对某大型慢走丝线切割机床,用旋量理论建立其理论热误差模型,采用有限元的方法计算在环境温度改变时上下丝架在x、y、z方向上的变形量,并用MATLAB处理得出电极丝位姿在笛卡儿坐标系中的变化情况. 构建实验平台实测不同环境温度下线切割机床上下丝架的热变形,基于径向基函数( radical basis function,RBF)神经网络的M-RAN算法建立热误差模型. 结果表明:该误差模型残差小于1μm,可以良好地反映出热误差分布及变化的规律.     

基于神经网络的伺服机械手LuGre摩擦补偿控制

针对伺服机械手系统的LuGre摩擦模型参数辨识难,难以建立其精确的数学模型,利用径向基函数( RBF)神经网络的万能逼近特性逼近LuGre摩擦,并作为计算转矩控制器的补偿项。通过Lyapunov方法证明了系统的稳定性以及闭环系统跟踪误差的收敛性。仿真结果证明控制算法能对摩擦进行有效补偿,提高了伺服机械手系统的轨迹跟踪控制性能。     

基于空域追踪算法的基线漂移信号噪声修正

为了消除基线漂移信号噪声对信号的干扰影响,提出一种基于空域追踪的修正算法.通过非线性滤波器从原始信号中粗提出基线信号,利用多步迭代微分算子从基线漂移信号中分解出更加精准的基线信号,再从原始信号中移除基线漂移信号,完成基线漂移信号噪声修正.选取多种类型测试数据(包括心电信号与噪声数据)来验证算法的有效性,结果表明,同传统的四种基线漂移信号修正算法相比,所提出的算法可以高效去除基线漂移信号的干扰.     

国家自然科学基金项目（51769017、51969018）

针对现有碾压混凝土坝温度场预警多是基于单个测点进行分析这一不足,提出了利用多测点综合信息预警的模式和方法。采用概率原理对温度监测值的有序度和无序度进行了定义,基于投影追踪法,确定了各测点的权重分布;根据温度场有序到无序的演变规律,结合有序度和测点权重分布,构建了能描述碾压混凝土坝温度场有序性的权重熵;借助典型小概率原理,提出了碾压混凝土坝温度场预警准则。实例分析表明：权重熵的变化规律与温度实测值变化规律相吻合,从而验证了该方法的可行性和有效性。     

结合灰色理论的人工神经网络方法 在水质预测中的应用

针对现阶段水质监测中存在的水质变化响应滞后问题,提出了采用灰色预测法、人工神经网络(BP神经网络、径向基神经网络、广义回归神经网络)以及两者组合的方法对水质动态预测进行研究。以太湖流域嘉兴斜路港监测断面为例,并依据后验差检验比值c及小概率精度p对模型预测效果进行了分析。结果表明,对年内预测,通过广义回归神经网络的动态预测值平均相对误差为0.61%,后验差检验比值小于0.65,小误差概率大于0.7;采用灰色结合广义回归神经网络的方法对水质pH值进行预测,平均相对误差仅有0.85%,后验差检验比值小于0.65,小误差概率等于1。研究结果还表明,对年际预测,灰色结合BP神经网络和灰色结合径向基函数神经网络的动态预测值平均相对误差分别为0.57%和0.80%,其后验差比值都小于0.5,小概率误差都为0.9,大于0.8。     

基于萤火虫算法的投影寻踪地下水水质评价方法

针对水质评价中指标多样性的特点,提出了基于萤火虫算法的投影寻踪(PP)地下水水质评价方法,用于解决水质评价中的模糊性和指标的不相容性等问题.该方法根据地下水环境等级划分标准,构建了能够反映地下水水质状况的投影指标函数,引入萤火虫算法(FA)优化投影指标函数,寻求投影指标函数的最佳投影方向,求得最佳投影方向值,实现了地下水水质评价.以北京市朝阳区地下水为研究对象,运用该方法进行水质综合评价,并与综合评分法(F值法)、单因子评价法和基于实码加速遗传算法的投影寻踪模型(RAGA-PP)得到的结果进行对比.实例应用表明,该方法合理可行,可用于地下水水质评价.