一种基于数字图像处理和最小二乘拟合的打孔水松纸透气度检测方法

针对烟草企业广泛存在的水松纸透气度检测问题,本文提出了一种基于数字图像处理和最小二乘拟合(Least Squares Fitting,LSF)的检测方法,用于对打孔水松纸进行在线检测。首先,采用数字图像处理技术提取测量区域内的打孔水松纸孔面积;其次,利用最小二乘拟合方法建立孔面积与打孔水松纸透气度之间的拟合模型,进而使用该模型计算透气度。基于实际生产数据的测试结果验证了所提方法的有效性。     

基于PSO-LSSVM的水松纸透气度软测量

针对打孔水松纸透气度检测问题,考虑到样本数据较少,相关性较强等因素,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法优化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)关键参数的软测量模型(PSO-LSSVM),用于拟合孔面积与水松纸透气度之间的关系,从而实现对水松纸透气度的检测。基于实际生产数据的仿真实验和算法比较验证了PSO-LSSVM的有效性。     

移动社交网络异常签到在线检测算法

随着智能手机、Pad等智能移动设备的广泛普及,移动社交网络的应用得到了快速发展。本文针对移动社交网络中用户异常签到位置检测问题,提出了一类基于用户移动行为特征的异常签到在线检测方法。首先,在基于距离的异常模型基础上,提出了基于历史位置（H-Outlier）和基于好友圈（F-Outlier）两种异常签到模型;然后,针对H-Outlier提出了一种优化的检测算法H-Opt,利用所提的签到状态模型与优化的邻居搜索机制降低检测时间;针对F-Outlier提出了一种基于触发的优化检测算法F-Opt,将连续的在线异常检测转化成了基于触发的异常检测方式;最后,在真实的移动社交网络用户签到数据集上,验证了所提算法的有效性。实验结果显示,F-Opt显著降低了H-Opt的异常检测错误率;同时,相比于LUE算法,F-Opt和H-Opt的效率分别平均提升了2.34倍和2.45倍。     

参数线性规划问题的新型光滑精确罚函数神经网络

针对不等式约束条件下,目标函数和约束条件中含有参数的线性规划问题,提出一种基于新型光滑精确罚函数的神经网络计算方法．引入误差函数构造单位阶跃函数的近似函数,给出一种更加精确地逼近于Ll精确罚函数的光滑罚函数,讨论了其基本性质;利用所提光滑精确罚函数建立了求解参数线性规划问题的神经网络模型,证明了该网络模型的稳定性和收敛性,并给出了详细的算法步骤．数值仿真验证了所提方法具有罚因子取值小、结构简单、计算精度高等优点．     

基于稀疏表示剪枝集成建模的烧结终点位置智能预测

烧结终点位置(BTP)是烧结过程至关重要的参数,直接决定着最终烧结矿的质量.由于BTP难以直接在线检测,因此,通过智能学习建模来实现BTP的在线预测并在此基础上进行操作参数调节对提高烧结矿质量具有重要意义.针对这一实际工程问题,首先提出一种基于遗传优化的Wrapper特征选择方法,可选取使后续预测建模性能最优的特征组合;在此基础上,为了解决单一学习器容易过拟合的问题,提出了基于随机权神经网络(RVFLNs)的稀疏表示剪枝(SRP)集成建模算法,即SRP-ERVFLNs算法.所提算法采用建模速度快、泛化性能好的RVFLNs作为个体基学习器,采用对基学习器基函数与隐层节点数等参数进行扰动的方式来增加集成学习子模型间的差异性;同时,为了进一步提高集成模型的泛化性能与计算效率,引入稀疏表示剪枝算法,实现对集成模型的高效剪枝;最后,将所提算法用于烧结过程BTP的预测建模.工业数据实验表明,所提方法相比于其他方法具有更好的预测精度、泛化性能和计算效率.     

基于云模型的QFD中工程特性重要度确定方法

针对质量功能配置（Quality Function Deployment, QFD）评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转换成精确数值,进而计算工程特性重要度。根据技术竞争性评估矩阵,基于最大偏差法的思想构建数学模型确定工程特性重要度修正因子,进而确定工程特性的最终重要度。最后以某企业的一款装载机工程特性重要度计算为例,验证了所提方法的有效性。     

基于参数反演的网络舆情传播趋势预测——以新浪微博为例

针对现有的舆情传播模型研究与实际舆情数据结合较少以及难以从舆情大数据中挖掘舆情传播内在规律的问题,提出一种基于实际网络舆情大数据采用神经网络的舆情传播模型参数反演算法。改进经典SIR传染病传播模型,构建一种网络舆情传播模型,基于该模型对实际案例进行参数反演,预测网络舆情的后续传播趋势,并与马尔可夫预测模型对比,所提算法可以精确预测舆情的具体热度值。实验结果表明,所提算法在预测性能上具有一定的优越性,可以用于网络突发事件传播的数据拟合、过程模拟和趋势预测。     

基于混沌量子粒子群的FHN神经元UWB信号检测

在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算法,提出了基于混沌量子粒子群算法的FHN神经元UWB-IR信号检测方法,分析了所提算法的收敛性,并对所提算法的性能进行仿真验证。仿真结果表明,所提算法与现有算法相比,可提高粒子群的多样性和算法的收敛速度,提高算法精度,实现多个系统参数同时最优,从不同噪声强度下自适应地检测出UWB-IR信号。     

基于FT-NIR光谱技术在线监测乙醇发酵过程的标定建模

针对在线检测乙醇发酵过程中葡萄糖浓度、乙醇浓度和生物量问题，提出了一种基于FT-NIR光谱技术在线检测这些参数的光谱标定建模方法.采用偏稳健M回归（PRM）的方法消除了采集光谱异常值对于标定建模的影响，给出了一种网格搜索寻优方法确定最优因子数和权重系数，并从准确性、稳定性和分辨度三方面给出评价模型指标.结果表明， PRM方法建立的模型具有较好的预测效果.最后，通过对一个乙醇发酵过程的在线监测实验，验证了所提标定建模和在线监测方法的有效性.     

饱和非线性维纳系统的可变遗忘因子梯度辨识

为了解决饱和非线性维纳(Wiener)系统的参数辨识问题,提出了基于辅助模型的可变遗忘因子随机梯度算法。首先,由于饱和非线性的特殊结构,采用了切换函数变换非线性表达式,使所有未知参数包含在一个向量中,将系统模型转换为线性回归形式。然后,为了获得未知的中间变量,构造辅助模型,运用辅助模型的输出替换信息向量中的未知内部变量。最后,为了提高随机梯度算法的收敛速度,在算法中引入了可变遗忘因子。仿真结果表明,与传统的随机梯度算法相比,所提算法的参数估计更精确,且收敛速度更快,验证了所提算法的有效性。     

基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法

为解决判别式相关滤波（DCF）跟踪算法在跟踪目标旋转或非刚性形变时的模型漂移、尺度粗糙、跟踪失败问题,提出一种基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法（DWOP-EFO）。首先,同时采用矩形框之间的重叠度和中心距离作为动态锚框质量评价的依据,能够缩小预测结果与目标区域之间的空间距离,缓解模型漂移问题;其次,为了进一步提高跟踪精度,采用轻量化的目标分割网络将目标从背景中分割出来,再利用椭圆拟合算法对分割轮廓进行优化并输出稳定的旋转矩形框,实现对目标尺度的精确估计;最后,通过尺度置信度优化策略对置信度高的尺度结果实现门控输出。所提算法能缓解模型漂移问题,同时有利于增强跟踪器的鲁棒性和提升跟踪精度。在两个最为流行的评测数据集VOT2018和OTB100上进行了实验,结果表明：在VOT2018数据集上,所提算法的期望平均重叠率（EAO）指标比基于重叠度最大化准确跟踪算法（ATOM）提高2.2个百分点,相较于基于可学习的判别模型跟踪器（DiMP）提高1.9个百分点;同时,所提算法在OTB100评测数据集上的成功率指标比ATOM高出1.3个百分点,特别是在非刚性形变属性上效果显著。所提算法在评测数据集上的平均运行速率均超过25 frame/s实现了实时跟踪。     

软测量技术在打浆过程中的应用

在制浆生产过程中,打浆度是一个很重要的控制参数;针对打浆过程中打浆度难于实时在线测量的问题,建立了一种基于改进BP算法神经网络的软测量模型;首先对实际生产中的原始数据,经过误差剔除及滤波处理后得到一套训练数据和校验数据样本,然后采用改进BP算法神经网络进行训练,加快了网络收敛速度。得到了打浆度的非参数模型;实践表明,该打浆度的神经网络模型能对打浆度进行较精确的预测,并为后续进行过程控制和优化控制、提高打浆质量提供了良好的基础。     

视觉传感网络分布式在线数据关联

数据关联是视觉传感网络监控系统的基本问题之一. 本文针对无重叠视域视觉监控网络的多目标跟踪问题提出一种 基于多外观模型的视觉传感网络在线分布式数据关联方法,将同一目标在不同摄像机节点上的外观用不同的高斯模型描述,由分布式推理算法综合利用外观与时空观测计算关联变量的后验概率,同时通过近似最大似然估计算法对各传感节点上的外观模型参数进行在线估计. 实验结果表明了所提方法的有效性.     

基于模糊算法的回流焊温度系统仿真设计北大核心CSCD

温度精确控制是SMT回流焊炉最重要的控制单元之一。针对回流焊炉温度控制系统的非线性、大迟滞和易受干扰等特点,提出了一种基于模糊免疫自整定的PID算法。通过采用模糊免疫算法自动调节比例系数、积分系数和微分系数,实现温度的快速和稳态控制。最后,利用Simulink仿真验证了所提算法的有效性。结果表明,该控制器能够明显改善温度控制系统的动态跟随性能,实现参数在线自整定,即使在10%的随机干扰下,依然能够快速恢复到稳定状态。     

基于霍夫神经网络模型的复材纹理方向检测

纹理方向是保证复材韧性和耐腐蚀性的重要参数，基于视觉的复材纹理方向检测方法具有非侵入式、成本低、精度高的特点而被广泛研究，但现有的复材纹理方向检测方法易受到背景干扰，且存在检测精度低和回归一致性差的问题，为此本文提出一种基于霍夫神经网络(Hough neural network, HNN)模型的复材纹理方向检测算法。针对图像中复材区域易受背景区域干扰而影响检测精度的问题，提出一种通道注意力残差网络模型来提取复材图像中的目标纹理区域。针对复材纹理方向检测精度低和回归一致性差的问题，提出一种由粗到精的纹理方向检测方法，基于HNN筛选出正确的纹理方向候选集，再根据候选集进行霍夫变换来回归出更精确的纹理方向。本文所提方法在建立的复材纹理方向检测数据集上进行了大量的测试和分析，验证了所提方法的可行性和有效性。     

改进回溯搜索算法解决光伏模型参数识别问题

为了准确、可靠地识别光伏模型参数,提出一种改进回溯搜索算法（MBSA）。该算法首先通过选取部分种群个体同时学习当前种群和历史种群信息,而其他个体向当前种群中最优个体学习并远离最差解,从而保持种群多样性并提高收敛速度;然后,通过概率来量化总体中的个体性能,进而每个个体基于概率自适应地选择不同的进化策略来平衡探索和开发能力;最后,采用基于混沌局部搜索的精英策略来进一步提高种群的质量。所提算法在单二极管、双二极管和光伏模块等不同的光伏模型上进行仿真实验。实验结果表明,所提出的策略极大提升了回溯搜索算法（BSA）的收敛速度和参数识别的准确性。将所提算法与逻辑混沌JAYA（LCJAYA）算法和多重学习回溯搜索算法（MLBSA）等八种先进的算法进行对比,结果表明,所提出算法参数识别的鲁棒性在对比算法中最优,在单、双二极管模型上的识别准确性明显优于JAYA、LCJAYA、改进的JAYA优化（IJAYA）和基于教学的优化（TLBO）算法,在光伏模块模型上的识别准确性明显优于MLBSA、JAYA、IJAYA和TLBO算法。在不同光照条件和不同温度下采用厂商真实数据对薄膜、单晶和多晶三种光伏组件进行的实际测试中,所提算法的预测结果与实测情况一致。仿真结果表明,所提算法能够精确稳定地识别光伏模型参数。     

基于超像素匹配的图像协同显著性检测

为了快速有效地完成多图像的协同显著性检测,提出了一种基于超像素匹配的检测模型。首先针对一般单个超像素特征匹配效果较差的问题,提出一种基于Hausdorff距离的邻域超像素集匹配算法来进行图像间超像素的精确匹配;然后构建图像内和图像间的双层元胞自动机模型,进行多幅图像之间的显著性传播,从而有效地检测出协同显著性。在公开的测试数据集上的实验结果表明,所提算法的检测精度和检测效率优于目前的主流算法,且具有较强的鲁棒性。     

基于集成学习的僵尸网络在线检测方法

针对现有的僵尸网络研究工作所检测的僵尸网络生命周期的阶段较为单一的问题,提出基于集成学习的僵尸网络在线检测方法。首先,细粒度地标记僵尸网络多个阶段的流量,生成僵尸网络数据集;其次,结合多种特征选择算法生成包含23个特征的重要特征集和包含28个特征的次重要特征集,基于Stacking集成学习技术集成多种深度学习模型,并针对不同的初级分类器提供不同的输入特征集,得到僵尸网络在线检测模型;最后,将僵尸网络在线检测模型部署在网络入口处在线检测多种僵尸网络。实验表明,所提基于集成学习的僵尸网络在线检测方法能够有效地检测出多个阶段的僵尸网络流量,恶意流量检测率可达96.47%。     

一种自适应在线核密度估计方法

给定一组观察数据,估计其潜在的概率密度函数是统计学中的一项基本任务,被称为密度估计问题.随着数据收集技术的发展,出现了大量的实时流式数据,其特点是数据量大,数据产生速度快,并且数据的潜在分布也可能随着时间而发生变化,对这类数据分布的估计也成为亟待解决的问题.然而,在传统的密度估计算法中,参数式算法因为有较强的模型假设导致其表达能力有限,非参数式算法虽然具有更好的表达能力,但其计算复杂度通常很高.因此,它们都无法很好地应用于这种流式数据的场景.通过分析基于竞争学习的学习过程,提出了一种在线密度估计算法来完成流式数据上的密度估计任务,并且分析了其与高斯混合模型之间的密切联系.最后,将所提算法与现有的密度估计算法进行对比实验.实验结果表明,与现有的在线密度估计算法相比,所提算法能够取得更好的估计结果,并且能够基本上达到当前最好的离线密度估计算法的估计性能.     

遥控水下机器人模型辨识及预测控制算法研究

针对遥控水下机器人（remotely operated vehicle, ROV）因非对称结构布局、重心和浮心位置变化等因素造成的运动状态耦合和模型非线性问题,文章提出了一种考虑ROV典型非线性特性的在线模型辨识方法,研究并推导了基于所辨识模型的多维预测控制（model predictive control, MPC）算法及其基于算子分割二次规划的快速优化求解方法,搭建了包含ROV非线性数学模型、模型参数辨识算法模块和MPC算法模块的算法仿真系统。通过在辨识模型中分别考虑非线性特性和不考虑非线性特性,改变ROV数学仿真模型的ROV浮心位置参数,对比仿真验证了本文模型辨识算法的有效性和先进性;在上述辨识模型的基础上,对比仿真分析了4种情况下ROV的姿态控制效果,即MPC算法依托的辨识模型是否考虑ROV典型非线性特性,以及基于直接求解MPC算法和本文所提出的基于快速优化近似求解的MPC算法,验证了本文所提控制算法的有效性。