非线性常微分方程的迭代算法

提出了求解非线性微分方程的一种变分迭代算法，这种方法不受小参数的影响．对于线性方程，应用该方法只需迭代一次即可得到其精确解；而对于非线性方程，由于拉氏乘子只能近似识别，因此只能通过不断迭代才能得到问题的一致有效的近似解．     

地震动未知情况下迭代类复合反演算法比较研究

输入信息测试不完备是结构动力测试中常遇到的问题.在以往研究的基础上,重点对地震动未知情况下的迭代类复合反演识别算法进行了研究,分析比较了统计平均算法和迭代识别法的异同点,并对迭代识别的算法做了进一步的收敛性理论分析,指出了该算法收敛存在的不稳定性,回答了长期以来对该算法提出的疑问.     

基于平移、转动和大小变动对象的不变性识别

IOR（不变对象识别）是基于对象在平移，转动，大小变化等情况下的识别方法。该方法分两步：第一步，预处理阶段，通过归一化转动惯量和采用一种新的编码方法来抽取对象的不变拓扑特征，并存入一个数据库中。第二步，识别阶段，采用了一种亲笔最近相邻算法（HNN），首先自学习预处理得到的数据，并得到对象的总的特征，再通过HNN算法来识别对象。该方法用于实际车牌识别，能得到满意的结果。     

非线性常微分方程的迭代算法

提出了求解非线性微分方程的一种变分迭代算法，这种方法不受小参数的影响。对于线性方程应用该方法只需迭代一次即可得其精确解，发于非线性方程，由于氏乘子只能近似识别，因此只能通过不断迭代和能得到问题的一致有效的近似解。     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.     

地震动反演及参数识别的广义统计平均法

针对结构参数未知条件下的地震动反演或基底输入未知时的结构系统参数识别问题进行研究.依据地震作用的力学性质可以转化为一类关于估计输入的修正条件，并考虑到动力方程中的相对量与测量中的绝对量之间的关系，依据统计平均的思想，具体讨论了地震动反演及参数识别的广义统计平均法的实现步骤，形成新的迭代过程.该迭代过程在给出识别参数的同时，也反演得到了地震动时程，其核心意图是将地震动的影响计入测量信息中去.理论分析及算例表明了该算法的可行性、有效性、实用性、稳定的收敛特性和良好的反演效果.     

一种基于GPS载波单差相位的鲁棒快速迭代定姿算法

针对基于GPS载波单差相位的迭代定姿算法对初值敏感的事实,研究了一种对初值鲁棒的快速迭代定姿算法.基于载波单差相位观测的姿态确定可以归结为一个带约束的参数优化问题.通过拉格朗日乘子法求解该优化问题将参数优化问题转化为一个微分方程的数值积分问题.采用特征向量迭代算法确定迭代初始点,再由4阶龙格库塔算法迭代求解该微分方程得到了快速收敛的迭代定姿算法.在不同天线布局、初值条件下对该算法进行了仿真,仿真结果表明天线布局和初值对算法的收敛精度影响不大.同其它迭代算法进行了对比,结果表明在相同条件下本算法可更快收敛.     

基于PCNN的图像最佳二值分割实现

设计了一种脉冲耦合神经网络(PCNN)结合最小交叉熵理论的图像二值分割算法,可提高监管码识别过程中字符图像二值分割的准确度,并适合于在FPGA上实现.根据不同灰度图像点火时刻不同的特性,使用PCNN算法对图像进行迭代处理,并计算每次处理后的交叉熵.再利用最佳分割图像与原图像的交叉熵最小的理论,确定最佳迭代处理次数,从而得到最佳的二值分割图像.该方法实现了图像的自动分割,效果由于传统的大津(OSTU)算法.提出了该算法在FPGA上实现方案,实验结果验证了方案的可行性.     

计算机图象识别中的最小模糊方差法

根据模糊划分和模糊聚类中心二个基本概念，提出了以模糊方差为目标函数的图象识别最优化方法及相应的迭代算法。根据该算法和最小范数判决对１００个脉搏图样本进行分类和识别，所获得的结果与实际情况完全符合。只要事先完成对图象的特征提取和选择工作，本方法可适用于任何图象的分类和识别。     

图像重建的统计自适应子集算法

有序子集算法大大提高了图像重建迭代算法的收敛速度.增加子集的数目可以加速收敛,但图像质量会由于子集内缺少统计信息而下降.提出了一种基于假设检验的子集划分方法,建立了检验统计量,给出了算法的迭代公式.该算法可以根据用户定义的显著性水平,在每次迭代时自动调节子集的个数,生成含有相同统计信息量的子集.实验结果表明:该方法可以在少数次迭代后得到较高质量的重建图像.     

配电网实时潮流算法——改进迭代法

提出了配电网实时潮流计算方法.以"前推回代"潮流迭代算法为理论基础.对算法的收敛速度、算法的稳定性和实用化程度进行了研究.计算结果表明,该算法能够利用实测节点冗余的测量数据对网络中负荷预测数据进行修改,提高其准确度,进而得到趋于真实、合理的潮流分布.     

移动机器人的可变遗忘因子离散迭代学习控制

为了提高迭代学习控制方法在移动机器人轨迹跟踪问题中的收敛速度,提出了一种带有可变遗忘因子的离散迭代学习控制算法.该算法是在开闭环离散迭代学习控制律基础上,通过可变遗忘因子对上一次的控制量进行调节,并增加了带有可变遗忘因子的初始修正项.通过适当选取学习律中的初始控制输入,带遗忘因子的初始修正项可以避免迭代轨迹的大幅度摆动,从而可以使迭代学习的收敛速度得到显著提高.并利用范数理论对算法的收敛性进行了严格证明,得到了使算法收敛的范数形式的充分条件.最后通过仿真实验验证了所提算法的有效性.     

复杂背景下的篮球识别

针对篮球比赛视频分析应用,提出了一种多层次的篮球对象识别方法.利用篮球颜色一致性较好的特点,通过彩色训练提取篮球颜色的统计范围,根据该统计范围得到图像中可能的篮球区域;根据篮球轮廓为圆的特点,采取方向滤波器和Hough变换相结合的方法提取可能轮廓区域中的圆形轮廓,得到候选篮球;最后,利用篮球典型的纹理特征,采用模板匹配的方法对候选篮球进行确认.实验结果证明了该算法的有效性,且多层次算法可推广应用于其他球类对象识别.     

矩阵方程AXB＋CXD=F的广义中心对称解的算法析

应用共轭梯度迭代算法求解方程AXB＋CXD=F的广义中心对称解及其最佳逼近．应用此迭代算法,在迭代过程中方程的相容性可以自动地判断．当矩阵方程AXB＋CXD=F有解时,在有限的误差范围内,对任意初始广义中心对称矩阵X1,运用迭代算法,方程的广义中心对称解可经过有限步迭代得到;选取适当的初始矩阵,可以迭代出极小范数广义中心对称解．并且,对任意的矩阵瓦,矩阵方程AXB＋CXD=F的最佳逼近解可以通过迭代求解新的矩阵方程AXB＋CXD=声的极小范数广义中心对称解得到．     

一种基于不平衡样本集的摩托车识别算法

提出了一种基于HSV(Hue-Saturation-Value)空间的Haar小波特征和多SVM(Support Vector Machine)分类器的摩托车识别算法,以解决因样本比例不平衡所导致的对摩托车识别性能差的问题.首先在HSV颜色空间基于无符号小波系数构造特征提取算法,然后对训练数据应用所提出的样本重构方法得到若干训练子集,基于各个训练子集训练相应的SVM分类器,识别时将各SVM的输出结果进行融合即可得到最终识别结果.实验结果表明:该方法识别性能高,鲁棒性好,对于受数据的不平衡性严重影响的对象识别具有较好的应用和推广价值.     

哼唱曲调识别与记谱的迭代改进算法

哼唱记谱是音乐创作谱曲的重要方法与过程。该文分析了受多种环境因素影响的复杂哼唱音频基本特征;基于加窗傅里叶变换方法,以音符为单位对哼唱音频进行区域性的划分、定义和特征提取,提出了以相对振幅为依据快速提取基频的方法,设计出一种可变区域的傅里叶变换迭代算法。采用Python 3.6编程实现了上述迭代算法,自动获取哼唱音符的音高和音长并形成数字乐谱,实验测试准确率达到84.3%。上述结果表明,该算法能更加精确地识别哼唱曲调,为开发精准辅助作曲软件提供了一种可行的识别与记谱算法,具有较好的应用前景。     

加入正则技巧的非线性反演方法的研究

对非线性参数用梯度正则化方法反演做了进一步研究。借鉴模型信赖域的思想，给出了确定正则因子的具体办法，并建立了算法的迭代过程。以识别四边简支矩形板荷载的作用点为例，阐明了该方法的应用。算例结果表明迭代过程收敛速度较快，精度高，且稳定性好，具有较强的抗噪音能力。     

复模态参数识别的递推算法

根据现代控制工程中的最小二乘递推算法原理,本文提出了复模态参数识别的非线性最优化递推算法.通过数字算例表明该算法具有节省内存、迭代时间短,能直接识别复模态参数等优点.     

LIDAR点云数据全自动滤波算法研究

提出了一种基于移动最小二乘法的点云数据全自动滤波算法,该方法首先对LIDAR点云数据进行合理分块,并建立分块网格的动态四叉树空间索引,便于数据操作和管理.对分块网格中的点云数据利用精简移动最小二乘法拟合出参考地形,将拟合得到的参考地形用于LIDAR点云高程阈值的迭代计算,将每次迭代前后高差小于阈值的点划为地面点,其余点划分为非地面点,迭代运算直至阈值满足要求为止.实验表明,精简移动二乘法效率高,计算量小,并且精度高,适合点云数据DEM(digital elevation model)拟合,利用该算法对LIDAR点云数据进行滤波的速度快、精度高,能够有效地识别地面点和非地面点,并保留地形的细节信息.     

基于支持向量机的针对ATM机的异常行为识别

针对广泛存在的ATM机中安装假门禁、闲逛等行为,提出一种基于支持向量机(Supportvector machine,SVM)的针对ATM机的异常行为检测方法.首先对所获取全景视频图像进行透视展开,用基于高低更新率的自适应混合高斯算法提取出前景人体对象;其次对前景人体对象用块匹配跟踪算法进行跟踪并提取出运动轨迹,接着按照一定的语义规则对运动轨迹进行预处理得到有效跟踪轨迹;最后用SVM算法对有效跟踪轨迹信息进行异常行为识别.实验表明:该方法具有较好的鲁棒性,能有效的识别出多种针对ATM机的金融犯罪行为.