磷虾群算法优化支持向量机的威胁估计

为提高目标威胁估计的预测精度,在传统支持向量机优化方法的基础上,提出了采用磷虾群算法优化支持向量机的威胁估计方法。介绍了磷虾群算法和支持向量机的原理,并基于此采用磷虾群算法对支持向量机中的惩罚参数和核函数参数进行优化,寻找最优的惩罚参数和核函数参数;建立磷虾群优化支持向量机的目标威胁估计模型,并实现基于该模型的目标威胁估计算法。采集90组原始数据组成训练集、30组数据组成测试集,对该目标威胁估计算法进行仿真实验。实验结果显示,磷虾群算法优化支持向量机的预测误差为0.002 91,小于采用粒子群算法或萤火虫算法优化的支持向量机。结果表明,磷虾群优化支持向量机的目标威胁估计方法可以有效地完成目标威胁估计。     

基于改进支持向量机的目标威胁估计

针对信息融合中目标威胁估计的特点,分析了传统目标威胁估计方法和支持向量机(SVM)的不足。采用粒子群算法(PSO)对SVM中惩罚参数c和核函数g进行优化,建立了改进的SVM(PSO_SVM)目标威胁估计模型及算法。介绍了粒子群算法和支持向量机的原理,建立了一种新的PSO_SVM目标威胁估计模型;基于该模型,实现了PSO_SVM目标威胁估计算法。为适应该算法,对数据进行了预处理,包括数据量化和归一化。交叉验证寻找最佳参数时,采用PSO算法进行优化。采集75组原始数据用于仿真实验,其中60组作为训练集,15组作为测试集。仿真实验表明,该算法预测误差为0,达到了预期目标。实验结果真实、准确地反映了实际情况,证明了该方法的有效性。     

基于支持向量机的交叉重叠目标分割

针对两个目标的交叉重叠,一般分割算法会将其分割为同一个目标的问题,提出了基于支持向量机的分类分割算法。通过分析支持向量机线性可分与线性不可分的分类原理,研究了两个交叉重叠目标的特征属性,提出了提取目标的边缘点坐标作为输入空间的特征向量;分析了支持向量机的训练样本、核函数等对分割的影响,设计了基于支持向量机的分类分割算法。通过实验表明,该算法有效地解决了交叉重叠目标的分割问题。     

传感器网络中基于相关性的协同目标检测算法

目标检测是传感器网络的重要应用方向之一,也是对目标进行定位、跟踪的基础和前提。现有的目标检测算法大多属于局部判决融合算法,对噪声干扰的影响考虑较少,在检测性能方面存在不足。提出了一种基于相关性的协同目标检测算法,各传感器节点将一小段时间内的测量值序列发送给局部中心节点,构成一个检测矩阵;局部中心节点对检测矩阵中列向量的相关性进行计算和评估,从而判定目标是否存在。仿真实验和应用验证的结果表明,该算法能够很好地抑制噪声干扰的影响,检测结果的准确性较高。     

采用核相关滤波器的长期目标跟踪

针对核相关滤波器(KCF)跟踪算法在目标跟踪中存在尺度变化、严重遮挡、相似目标干扰和出视野情况下跟踪失败等问题,提出了一种基于KCF的长期目标跟踪算法。该算法在分类器学习中加入空间正则化,利用基于样本区域空间位置信息的空间权重函数调节分类器系数,使分类器学习到更多负样本和未破坏的正样本,从而增强学习模型的判别力。然后,在检测区域利用Newton方法完成迭代处理,求取分类器最大响应位置及其目标尺度信息。最后,对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪。采用OTB-2013评估基准50组视频序列验证了本文算法的有效性,并与30种其他跟踪方法进行了对比。结果表明:本文提出的算法跟踪精度为0.813,成功率为0.629,排名第一,相比传统KCF算法分别提高了9.86%和22.3%。在目标发生显著尺度变化、严重遮挡、相似目标干扰和出视野等复杂情况下,本文方法均具有较强的鲁棒性。     

基于稀疏正则约束的子空间视觉跟踪

针对子空间表示跟踪算法处理遮挡问题的能力不足,以及稀疏表示跟踪算法无法满足跟踪实时性要求等问题,本文提出一种稀疏正则约束的子空间视觉跟踪算法。该算法结合了子空间表示与稀疏表示的优势,提升了对于遮挡问题的处理能力,并且降低了算法的计算复杂度。首先,该算法利用PCA子空间基向量集、子空间均值以及表示残差对目标进行表示,同时算法采用L2范数作为表示系数以及表示残差的稀疏约束函数。其次,算法采用了一种分步循环迭代的方法求解表示模型的系数与残差。然后,为了保证子空间基向量与空间均值能够持续准确的描述目标在跟踪过程中出现的变化,算法根据经过开运算处理后的表示残差中非零元素的不同比率构建不同的更新模板,并结合增量主成分分析方法在线学习新的基向量与均值。最后,在实验部分,本文将提出算法在10个实验序列上的跟踪结果与8个现今主流跟踪算法进行对比,同时从定性与定量两个方面对实验结果进行分析。本文算法在全部10个实验序列上的平均中心误差为5.3pixel,平均覆盖率为77%,相比于其他算法,本文算法取得了较高的跟踪精度。本文算法具有更好的鲁棒性,并且满足更多场景下的跟踪需求。     

基于颜色的足球机器人视觉跟踪算法

针对机器人足球比赛环境中彩色视觉系统的实时性要求,利用了一种基于YUV色彩空间的利用改进的阈值向量的颜色判断方法,采用种子点区域生长的填充算法,并在此基础上运用卡尔曼滤波算法对目标进行跟踪,提出了一种新的测量值获取方法,该方法大大减少了计算量.实验结果证明该算法具有较好的实时性和抗干扰性.     

基于应用偏好模糊聚类的网格资源选择

提出了在网格环境中为应用选择合适资源的策略,设计了相应的资源选择算法和资源选择架构,实现了该策略的网格应用.该策略将应用偏好定义为一个向量,向量的每个分量对应着应用对资源某方面性能的偏好,使用模糊聚类技术结合应用偏好将网格资源划分为不同性能的集合,然后应用资源选择算法评估各个集合的平均性能并从中选择合适资源.应用该策略选择资源,可以满足应用需求,缩小资源搜索空间,降低资源分配开销,也有助于实现网格环境的负载平衡.     

集成环境中产品装配仿真过程快速显示算法的研究

除包括产品装配模型外 ,当装配场景引入装配工艺、工装乃至工人作业模型时 ,产品装配仿真若继续保证较理想的可视化效果 ,对仿真实现算法、尤其是装配过程显示算法的运算效率提出了更高的要求。本文拟对在这种虚拟的集成环境中开展装配仿真的过程显示算法的专门研究 ,提出了基于向量的过程插补算法。首先 ,引入工作空间和元件空间等概念 ,提出用元件空间表示元件在运动中的位置 ,以此作为建立算法的基础和依托 ;接着 ,介绍基于向量的过程插补算法的核心———元件空间的位置和坐标轴向的插补方法及元件的空间变换算式 ;然后 ,简述此算法在自行开发的飞机装配型架CAD(FixCAD)系统中的实现以及在飞机装配过程仿真中的应用 ;最后 ,总结本算法的特点。     

基于 DPC 指纹子空间匹配的室内 WiFi 定位方法

针对无线接收信号强度 (RSS) 受传播环境突发噪声影响从而引起指纹定位较大误差的问题,本文提出了一种指纹子 空间匹配结合密度峰值聚类 (DPC) 的定位算法,有效避免大误差点。 首先通过在线阶段目标 RSS 信号的接入点 (AP) 覆盖 向量,确定有效的参考位置点,并划分多个指纹子空间,利用改进的 WKNN 算法估计目标在每个子空间内的位置;最后利用 DPC 算法选取决策值最大的 S 个估计位置确定目标。 所提算法简单,不需要离线阶段的学习过程训练定位模型,尤其适合存在 大量 AP 的大范围室内定位区域。 实际环境中的定位实验表明,基于 DPC 的指纹子空间匹配算法比 WKNN 算法的定位精度提 升了 25% 左右,且在参考点分布密度为 1. 8 m × 1. 8 m 的实验条件下基本消除了 4 m 以上的大定位误差,有效提高了定位方法 的整体性能。     

基于SVPWM的永磁同步电动机系统建模与仿真

为实现永磁同步电动机（PMSM）的电压空间矢量控制,在分析永磁同步电动机数学模型的基础上,利用Matlab／Simulink建立了永磁同步电动机矢量控制系统的仿真模型。介绍了矢量控制的坐标变换。重点介绍了电压空间矢量脉宽调制（SVPWM）的控制原理和算法,给出了电压空间矢量脉宽调制在Simu．1ink环境下的实现方法。最后对整个控制系统进行了仿真研究,仿真结果证明了该控制模型的有效性。     

基于幅值立方和BP神经网络的表面肌电信号特征提取算法

传统特征向量提取算法得到的特征向量无法识别手指不同角度动作,将幅值立方法引入特征向量的提取算法之中,并对立方计算后信号的特征量进行降数量级处理。实验表明,提出的特征向量提取算法对表面肌电信号微小特征差异的零偏差识别率达到75%,且大偏差保持在5%以下。设计的基于BP神经网络的手指运动模式分类器,能有效地提高手指运动形式的正确识别率。     

计算制造中的几个定位问题

介绍了计算制造,将制造过程中的定位与检测问题归纳为设计定位、加工定位、规划设置和构件定位四类定位问题,研究了几个定位问题的理论和方法,包括对称特征位形空间、基于位形空间的零件几何建模方法、工件定位算法、公差的数学定义及其评价算法等。     

数控弯管的空间转角数据转换算法

应用矢量弯管原理,推导和比较了数控弯管的空间转角数据转换的三种算法;并基于空间三角形算法,采用可视化编程软件VC＋＋6．0开发了三维弯管数控系统软件,实现自动弯管。     

优化预测运动矢量的快速运动估计算法

提出了一种优化预测运动矢量的快速运动估计算法。在对预测运动矢量研究的基础上,根据序列图像中运动矢量的中心-中值偏置分布特性和矢量间的时空相关性,结合运动矢量的相似度分析,选用中心、中值和时间相关的三个矢量作为基本预测矢量。设置相似门限来减少由三个空间相邻块预测矢量带来的大量冗余信息,对算法中关键的门限技术进行了改进。实验结果证明,本文算法对各种类型的运动序列都有很强的自适应性,在保持搜索准确度的同时,可大幅度提高运动估计的速度,其平均搜索速度是FS的208倍,明显优于PMVFAST的146倍、MVFAST的77倍、DS的55倍,提高了视频压缩中现有的运动估计算法的性能。     

神经网络响应面逼近在飞机总体优化设计中的应用

介绍了响应面方法的概念及其数学描述形式。分析了通过神经网络来实现响应面模型构建的方法。结合飞机设计的复杂过程，采用基于响应面的多学科优化方法解决不同的学科之间存在着的各种耦合关系、以及多个学科的综合协调问题。通过神经网络响应面来完成各个子学科空间之间的数据交换与协调，以此来逼近设计空间上的最优解。给出了一个飞机总体方案设计中解决飞机概念尺寸的算例，在子空间和系统层中均采用遗传算法进行优化，并与单一采用遗传算法解决同一问题的结果进行了对比。研究表明，应用神经网络构建的响应面模型能够减少系统的分析次数并能够很大程度上提高模型的精度，最终在设计空间内寻找出较好的设计方案。     

单矢量水听器的几种DOA估计方法

针对单矢量水听器,将旋转不变技术(estimation of signal parameters via rotational invariance techniques,ESPRIT)等参数估计算法用于直方图统计,并提出了基于单矢量水听器的多重信号分类(multiple signal classification,MUSIC)算法,推导出波束形成的功率谱公式和半功率波束宽度公式以及不同声压振速组合情形下定向性能的理论下界,同时也对其他波达方向(direc-tion of arrival,DOA)估计方法进行了总结。理论分析和实验结果表明:ESPRIT等用于直方图统计后能够获取更为全面准确的目标信息;MUSIC算法可获得比最小方差无畸变响应(minimum variance distortionless response,MVDR)更高的分辨率,而且同样满足实时处理要求;MVDR的半功率波束宽度与信噪比大致呈现反比例关系,而常规波束形成(conventional beam-forming,CBF)的半功率波束宽度收敛于131.06°,两者都只与信噪比有关;声能流法等适用于较高信噪比情形,而波束形成和子空间方法的定向精度在较低信噪比情形下仍能接近理论下界,尤其是波束形成具有良好的宽容性;功率谱估计的3种算法具有相同的估计误差边界;各定向算法的时间花销都较小,均可应用于实时系统。     

基于LVQ神经网络的混沌时间序列分类识别

学习向量量化 (L VQ)是一种自适应数据分类方法 ,文中研究了利用这种神经网络对 Jeffcott转子碰摩模型的非线性混沌时间序列进行分类识别 ,得到了满意的效果。分析结果表明 ,该方法可以实现对这类混沌信号和其它响应信号数据的聚类 ,对非线性信号分类识别提供了一种较为直接的处理方法     

用支持向量回归法实现单帧图像超分辨率重建

由于一些传统的超分辨率重建算法学习多幅不同类别的图像仍无法获得好的重建效果,本文提出了一种基于支持向量回归机和光栅扫描的单帧图像超分辨率重建算法。该算法首先采用光栅扫描法对一组高低分辨率训练图像提取图像块,从块中分别抽取输入向量和标签像素。利用Log算子判断这些块是属于高频空间还是低频空间,从而构建高低频空间向量对并对其进行优化。然后,用支持向量回归机(SVR)工具训练优化后的向量对,得到高低频空间下的两个字典;抽取测试低分辨率图像中的块并得到高低频空间下的输入向量,利用SVR工具回归对应的属于超分辨率图像块的标签像素并得到回归后的图像。最后,对图像进行后处理得到最终的超分辨率图像。与其它算法的对比实验表明:提出的算法具有较好的视觉效果。特别在放大倍数为2时,提出的算法在不同图像上的峰值信噪比(PSNR)和结构相似度(SSIM)值较双三次插值法分别提高了3.1%~5.3%和1.5%~8.1%。得到的结果显示提出的算法获得了更好的重建效果。     

基于快速在线支持张量机的柴油机智能诊断方法

柴油机状态监测信号众多且多为非平稳信号,相互干扰较大且具有非线性和复杂耦合的特征,导致基于向量模式的故障诊断方法难以准确诊断其工作状态。提出一种张量模式下的柴油机智能诊断方法。首先,结合线性支持高阶张量机的学习框架和在线随机梯度下降法的思想,设计带核函数的快速在线支持张量机算法。然后,构建“信号类别×曲轴转角×转速”的三阶张量形式的柴油机状态样本,分别以在线支持向量机、线性支持高阶张量机和快速在线支持张量机三种算法,对某柴油机的失火样本进行故障诊断,以“测试精度”“学习时间”“存储空间”作为评价指标对三种算法进行对比分析。分析结果表明,所设计的快速在线支持张量机算法测试精度较高,学习时间显著降低,所需存储空间很小,解决了超大样本、非线性和高维数据的分类问题,满足了柴油机智能故障诊断的工程应用要求。