PAC最优的RMAX-KNN探索算法

探索与利用的均衡是强化学习研究的重点之一。探索帮助智能体进一步了解环境来做出更优决策;而利用帮助智能体根据其自身当前对于环境的认知来做出当前最优决策。目前大多数探索算法只与值函数相关联,不考虑当前智能体对于环境的认知程度,探索效率极低。针对此问题,提出了一种基于状态空间自适应离散化的RMAX-KNN强化学习算法,算法根据当前智能体对于环境状态空间的离散化程度改写值函数形式,然后基于此值函数对环境进行合理的探索,逐步实现对于环境状态空间的自适应离散化划分。RMAXKNN算法通过将探索与环境状态空间离散化相结合,逐渐加深智能体对于环境的认知程度,进而提高探索效率,同时在理论上证明该算法是一种概率近似正确(PAC)最优探索算法。在Benchmark环境上的仿真实验结果表明,RMAX-KNN算法可以在探索环境的同时实现对于环境状态空间的自适应离散化,并学习到最优策略。     

基于AHTPSO的连续属性离散化算法

针对粗糙集不能较好地处理连续型属性的问题,结合粗糙集理论和粒子群算法,提出基于自适应混合禁忌搜索粒子群的连续属性离散化算法。首先,该算法通过对参数的自适应更新操作,从而避免了粒子群出现早熟的现象;然后将粒子群当代得到的全局最优粒子送入禁忌算法中进行优化,有效地提升了算法的局部探索能力;在兼顾决策表系统一致性的同时,将划分的断点初始化为一群随机粒子,通过改进后粒子群的自我迭代得到最佳的离散化划分点。实验结果表明,与其他结合粗糙集的离散化算法相比,该算法具有更高的规则分类精度和较少的离散化断点个数,对连续属性的离散化效果较好。     

小波去噪在智能引线键合机图像处理中的应用

针对小波去噪中硬阈值法和软阈值法存在的缺陷,提出了一种新的多尺度自适应阈值选择算法,该方法根据小波变换的特点和噪声信号的3σ,准则,对于不同的小波系数乘以一个与自身小波系数相关的降噪因子.在现有的图像去噪评估算法的基础上,提出了基于图像平滑度和匹配度的去噪效果评估算法.实验结果表明:多尺度自适应阈值选择算法能有效去除图...     

多尺度分类挖掘算法

多尺度分类挖掘多局限于空间数据,且对一般数据尺度特性进行分类的研究较少。针对上述问题,进行普适的多尺度分类方法研究,以扩大多尺度适用范围。从空间数据估计角度出发,结合层次理论和尺度特性,基于概率密度估计离散化方法,针对数据的多尺度特性进行分类挖掘。以非局部均值和三次卷积插值为理论基础,利用Q统计和不一致度量进行操作,提出多尺度分类尺度上推算法和多尺度分类尺度下推算法。采用UCI数据集和H省人口真实数据集进行实验,并与CFW、MSCSUA和MSCSDA等算法进行对比,结果表明,该算法可行有效。与其他算法相比,尺度上推算法正确率平均提高4.5%,F-score提高4.8%,NMI提高12.3%,尺度下推算法各个相应指标分别平均提高5.3%,6.6%和11.8%。     

改进的多尺度域变步长自适应算法在FOCT中的应用研究

为了更有效的提高光纤电流互感器FOCT(Fiber-Optical Current Transformer)的信噪比,在分析FOCT输出信号特性的基础上,结合变步长自适应算法和小波变换理论,提出一种针对处理FOCT输出信号的改进多尺度域变步长自适应滤波算法,并设计了一种基于ActiveX技术的变步长自适应滤波系统,通过该系统将改进算法与现有的变步长自适应算法进行了对比,结果表明此算法的收敛速度和稳态精度都得到了很大的改善.然后将此算法在FOCT中进行了应用测试,测试结果反映了该算法能有效提高FOCT的检测信噪比和抗噪声干扰能力.     

基于中值和多尺度的组合优化滤波器

考虑到一般机器人视觉导航滤波算法的通用性和有效性比较差的缺点,结合中值滤波器和多尺度自适应融合滤波器这两种算法的优点,提出一种基于中值和多尺度的组合优化滤波器。算法首先应用中值滤波,然后进行多尺度滤波处理,最后根据最小平均绝对误差准则,将滤波后结果进行融合处理。实验结果表明：该算法能很好地滤除机器人道路图像各种常见的噪声,从而提高算法的有效性和通用性。     

结合FT与NSCT的自适应阈值去噪算法

为更好地对图像进行稀疏表示,以改善去噪效果,提出一种傅里叶变换与非下采样轮廓波变换(NSCT)相结合的自适应阈值去噪算法。在傅里叶域中对含噪图像去噪,在NSCT域中利用分层噪声估计的贝叶斯阈值算法,结合多尺度多方向的能量阈值修正方案自适应地滤除剩余噪声。实验结果表明,该算法的去噪性能较好。     

Implementation of multi-rate model reference adaptive control for continuous systems via bilinear transformation based on block-pulse functions

The discretization or approximation techniques for continuous systems using the well-known delta operator and the bilinear transformation based on block-pulse functions or the trapezoidal rule are discussed. Then implementation techniques of multi-rate indirect model reference adaptive control for continuous systems purely using digital computers arc described. The scheme is composed of three components: a general recursive least-squares type parameter estimator, a continuous plant model and a controller designed in continuous-time domain. To reduce the computational burden, the algorithm is implemented in a multi-rate manner with a small sampling interval of the system signals and a relatively large parameter estimation interval. Comparisons of the discretization methods for the adaptive system using block-pulse functions, the trapezoidal integrating rule and the well-known delta operator are discussed through simulation study. It is shown that the block-pulse function method is the most effective one.     

On efficient simulation of non-Newtonian flow in saturated porous media with a multigrid adaptive refinement solver

Flow of non-Newtonian fluid in saturated porous media can be described by the continuity equation and the generalized Darcy law. Here we discuss the efficient solution of the resulting second order nonlinear elliptic equation. The equation is discretized by the finite volume method on a cell-centered grid. Local adaptive refinement of the grid is introduced in order to reduce the number of unknowns. We develop a special implementation, that allows us to perform unstructured local refinement in conjunction with the finite volume discretization. Two residual based error indicators are exploited in the adaptive refinement criterion. Second order accurate discretization of the fluxes on the interfaces between refined and non-refined subdomains, as well as on the boundaries with Dirichlet boundary condition, are presented here as an essential part of an accurate and efficient algorithm. A nonlinear full approximation storage multigrid algorithm is developed especially for the above described composite (coarse plus locally refined) grid approach. In particular, second order approximation of the fluxes around interfaces is a result of a quadratic approximation of slave nodes in the multigrid-adaptive refinement (MG-AR) algorithm. Results from numerical solution of various academic and practice-induced problems are presented and the performance of the solver is discussed.     

基于自适应改进粒子群优化的数据离散化算法

针对经典粗糙集只能处理离散型属性的问题,提出一种基于自适应混合粒子群优化(AHPSO)的离散化算法。首先,引入自适应调整策略,以克服粒子群易陷入局部解的缺点,提高了粒子群全局寻优能力;然后对每一代全局最优粒子进行禁忌搜索(TS),得到当代最佳全局最优粒子,增强了粒子群局部搜索能力;最后,在保持决策表分类能力不变的情况下,将属性离散化分割点初始化为粒子群体,通过粒子间的相互作用得到最佳的离散化分割点。使用WEKA平台上的J48决策树分类方法,与基于属性重要度、信息熵的离散化算法相比,该算法的分类精度提升了10%~20%;与基于小生境离散粒子群优化(NDPSO)、参数线性递减粒子群的离散化算法相比,该算法的分类精度提升了2%~5%。实验结果表明,该算法显著地提高了J48决策树的分类学习精度,在对数据离散化时也有较好的性能。     

二维自适应前沿推进网格生成

针对二维平面问题,通过曲率计算和基于中轴理论的邻近特征计算控制区域边界曲线的离散;修改经典的前沿推进算法,利用边界驱动的单元尺寸控制方式在区域内部布置疏密过渡合理的三角网格;结合几何和拓扑策略提升网格质量。实验表明,上述算法可生成单元质量高、尺寸过渡合理的计算网格。     

边缘检测滤波尺度自适应选择算法

为回避多尺度边缘检测中融合多幅图像涉及的启发性规则, 同时克服 Jeong 算法的局限性, 本文首先基于 Tan 的广义边缘定义设定一个适应度函数, 然后采用自适应遗传算法针对单个像素及其邻域结构的特征搜索最佳滤波尺度得到局部最佳边缘检测尺度, 最后由最佳尺度高斯滤波器得到最终边缘图像. 实验证明能够得到令人满意的结果.     

基于改进HRNet的眼底视网膜血管分割算法

针对现有眼底视网膜血管分割算法普遍存在的微小血管细节丢失和病灶信息误判等问题,提出一种基于改进HRNet的血管分割算法.在预处理阶段,利用限制对比度自适应直方图均衡化和自适应的Gamma矫正提高血管与背景对比度;在编码阶段,将HRNet原始卷积替换为可变形卷积,提升卷积对复杂血管形态结构的适应能力;在多尺度特征融合阶段,引入空间金字塔池化和多尺度卷积,扩大感受野同时增强对目标局部特征关注度,改善血管伪影和细微信息丢失的问题.该算法在DRIVE数据库上仿真实验,其准确率、灵敏度和特异性分别为95.79％、80.33％和98.12％.     

基于自适应显式互补滤波的姿态解算方法

显式互补滤波(ECF,explicit complementary filter)原理简单、计算量小,被广泛应用于低成本的姿态检测系统中.针对显式互补滤波中PI参数只能试凑的问题,给出了其PI参数设计规律及其离散化形式,并提出了自适应显式互补滤波(AECF,adaptive explicit complementary filter)算法.该算法根据加速计的输出,判断载体的运动情况,实时调整PI参数,从而提高姿态估计的精度.实验测试表明,自适应显式互补滤波的静态和动态性能均优于固定增益的显式互补滤波.     

基于BEMD和自适应阈值的多尺度边缘检测

利用了一种称为经验模式分解(Empirical Mode Decomposition,EMD)的技术,在多尺度下对图像进行分解,得到了多尺度信息并结合自适应阈值提取不同尺度下的边缘.将此技术应用于图像过滤和边缘检测中,发展了一种基于二维经验模式分解(BEMD)的算法,在多尺度下或空间频率中提取信号特征.这些特征,称为内蕴模函数,可通过一个过滤过程得到.在二维过滤过程中,利用形态学算子来检测区域极大值并通过径向基函数(RBFs)进行曲面插值运算,然后利用边缘信息的多尺度特征合成多尺度边缘,得到了单像素宽边缘.通过计算机仿真实验,结果表明这种方法不仅能准确地检测出图像边缘,而且还有效地抑制了噪声,这种算法的性能优于传统的边缘检测算法.     

平稳Tetrolet变换算法研究

为了得到有效的图像多尺度几何表达,提出一种有效的基于Haar小波变换的平稳Tetrolet变换算法.平稳Tetrolet变换是一种由四个单位正方形通过边连接起来的新的自适应Haar类小波变换,对应的滤波器组简单而有效.与标准二维小波变换相比,平稳Tetrolet变换是一种新型基于四格拼板的多尺度几何变换工具,能够通过多方向选择有效地捕获图像中各向异性特性.本文对平稳Tetrolet变换的分解和重构算法进行了详细描述,对利用平稳Tetrolet变换对图像的分解进行了仿真与分析.实验结果表明,与传统算法相比,提出的算法在保留原始图像边缘和纹理信息的同时,可以有效地取得较好的稀疏表达,能消除Tetrolet变换算法对图像融合存在方块效应的缺陷.     

粗糙集理论中的离散化问题

一引言数据分析及数据挖掘,是一个重要的正在迅速发展的研究课题。波兰科学家Z.Pawlak于1982年提出的粗糙集(Rough Set)理论正是解决这一问题的新理论,它可用于处理决策信息表中的不确定知识,并用规则的形式表达,是一种有效的知识获取工具。在Roughset中,数据约简是非常重要的,包括属性约简和值约简。运用粗糙集理论处理决策表时,要求决策表中各值     

A node-centric indirect boundary element method: three-dimensional displacement discontinuities

An indirect boundary element formulation based on unknown physical values, defined only at the nodes (vertices) of a boundary discretization of a linear elastic continuum, is introduced. As an adaptation of this general framework, a linear displacement discontinuity density distribution using a flat triangular boundary discretization is considered. A unified element integration methodology based on the continuation principle is introduced to handle regular as well as near-singular and singular integrals. The boundary functions that form the basis of the integration methodology are derived and tabulated in the appendix for linear displacement discontinuity densities. The integration of the boundary functions is performed numerically using an adaptive algorithm which ensures a specified numerical accuracy. The applications include verification examples which have closed-form analytical solutions as well as practical problems arising in rock engineering. The node-centric displacement discontinuity method is shown to be numerically efficient and robust for such problems.     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.     

一种深度回声状态网络的输入尺度自适应算法

深度回声状态网络是回声状态网络与深度学习思想的结合,合理选取不同谱半径的内部状态矩阵和弱积分参数能有效增强深度回声状态网络的多尺度时域特性。利用数据可视化分析输出矩阵在不同网络层中的分布关系,发现高层网络中部分神经元处于饱和工作状态且该状态抑制了网络动态预测能力。提出一种深度回声状态网络的输入矩阵自适应算法,在对网络内部状态的均值和方差进行递推估计的基础上判断神经元饱和状态,通过自适应调整各层输入权重的值来增强神经元动态性。数值计算结果表明,基于输入尺度自适应算法的深度回声状态网络相对同等规模的单层回声状态网络对于动态系统的预测精度有成倍提升。