基于IGG抗差最小二乘法的三相配电网谐波状态估计

针对传统最小二乘法在谐波状态估计量测数据中混有粗差时的处理能力不足,提出了一种基于IGG法的抗差最小二乘法。抗差估计是统计学里面常用的一种针对数据中含有粗差的处理方法,而抗差最小二乘法就是将抗差估计和最小二乘法相结合的一种新的估计方法。该方法对量测数据进行降权、保权和淘汰,改善量测数据的权重,从而抵御了粗差对估计结果带来的恶劣影响。同时,目前大多数的配电网谐波状态估计模型采用简化的单相模型,并未考虑配电网三相不平衡的特点,本文建立了配电网的三相数学模型,并采用IEEE33节点系统进行仿真分析,在量测数据中混有粗差时分别运用抗差最小二乘法和传统最小二乘法求解并对估计结果进行误差对比,算例结果表明了抗差最小二乘法具有较强的抗差能力且估计精度优于传统最小二乘法。     

基于修订矩阵的最小二乘法多传感器融合障碍物位置估计

在障碍物位置检测时,由于传感器测量误差等不确定因素的存在,希望通过多传感器融合降低不确定性使得位置估计值更为可靠.提出了一种基于修订矩阵的最小二乘法多传感器融合估计新方法.根据红外传感器得出的先验信息建立修订矩阵,再由最小二乘法的原理得出线性可信度加权方程.分别对加入和不加入修订矩阵进行仿真和"未来之星"移动机器人实验...     

基于最小二乘和纠错输出编码的多类分类

多类分类是目标识别中必须面对的一个关键问题,现有分类器大都为二分器,无法满足对多类目标进行分类,为此,提出利用纠错输出编码方法对多类问题进行分解,即把多类问题转化成二类问题;同时讨论一种基于最小二乘法对二分器结果进行融合的策略。实验分别对UCI数据集和三种一维距离像数据集进行测试,结果表明与经典的多分类器相比,提出的多类分类策略有较高的分类正确率。     

基于多速率传感器数据融合技术的最小二乘估计

将多速率传感器数据融合技术与传统最小二乘估计方法相结合,可以得到一种基于多速率传感器数据融合技术的最小二乘估计新方法。它通过有效地融合各个传感器的观测数据,最终获得了基于全局测量信息的在极小化估计误差方差的迹的准则下最优的无偏参数估计结果。针对具体应用实例,计算机仿真不仅说明了这种方法的实用性,而且进一步验证了其有效性。     

基于最小二乘支持向量机的多属性决策

分析多属性决策问题, 提出了基于最小二乘支持向量机的多属性决策方法。该方法从决策问题本身出发,构造学习样本,再通过最小二乘支持向量机拟合出多属性效用函数,从而实现对方案的排序。该模型与支持向量机相比,参数少,算法简单、可靠。最后通过算例表明方法的可行性与有效性。     

Combined learning and pruning for recurrent radial basis function networks based on recursive least square algorithms

This paper discusses a way to combine training and pruning for the construction of a recurrent radial basis function network (RRBFN) based on recursive least square (RLS) learning. In our approach, a RRBFN is first trained using the proposed RLS algorithms. Afterwards, the error covariance matrix which is directly obtained from the RLS computations is used to remove some unimportant radial basis function (RBF) nodes. We propose two algorithms: (1) a “global” version which is suitable for low dimensional input space situation, and (2) a “local” version which can be applied in situations when the input dimension is large. In both cases, it is shown that the error covariance matrix, obtained from the RLS algorithms, can be used as a means for pruning the trained RRBFN. Simulation examples are presented to illustrate the proposed approaches.     

基于递推最小二乘与互补滤波的姿态估计

针对基于微机电系统(MEMS)的惯性导航系统中陀螺噪声较大导致姿态漂移的问题,本文基于递推最小二乘(RLS)与互补滤波器提出一种提高姿态估计精度的方法.该方法从陀螺去噪算法和姿态解算原理两个方面提高姿态估计精度:在陀螺去噪方面,为克服传统递推最小二乘的不足,提出一种随机加权的递推最小二乘法,利用随机加权实现对偏差的估计;在姿态解算方面,在传统互补滤波器的基础上通过自适应调整比例-积分(PI)参数来调整滤波器的交接频率,最终得到陀螺积分值的高通滤波和加速度计的低通滤波的叠加.转台静态和动态实验结果表明,使用本文所提方法后,有效降低了陀螺噪声,姿态估计精度明显提升.     

Pattern synthesis for opportunistic array radar using least square fitness estimation‐genetic algorithm method

Pattern synthesis in three‐dimensional (3D) opportunistic array radar becomes complex when a multitude of antennas are considered to be randomly distributed in a 3D space. To obtain an optimal pattern, several freedoms must be constrained. A new pattern synthesis approach based on the improved genetic algorithm (GA) using the least square fitness estimation (LSFE) method is proposed. Parameters optimized by this method include antenna locations, stimulus states, and phase weights. The new algorithm demonstrates that the fitness variation tendency of GA can be effectively predicted after several “eras” by the LSFE method. It is shown that by comparing the variation of LSFE curve slope, the GA operator can be adaptively modified to avoid premature convergence of the algorithm. The validity of the algorithm is verified using computer implementation. © 2011 Wiley Periodicals, Inc. Int J RF and Microwave CAE, 2011.     

基于稳健最小二乘支持向量机的测深激光信号处理

针对浅海探测中激光回波噪声源多、信噪比低,传统非加权最小二乘支持向量机和加权最小二乘支持向量机对低信噪比信号滤波不足的问题,提出将稳健最小二乘法与加权最小二乘支持向量机相结合的滤波方法(HW-LS-SVM)。首先采用强淘汰权函数计算先验权值、残差和均方误差,然后采用权函数模型计算最小二乘支持向量机的权值,最后通过迭代计算实现回波信号滤波。通过仿真实验结果表明, HW-LS-SVM方法较最小二乘支持向量机、贝叶斯最小二乘支持向量机和传统加权最小二乘支持向量机滤波效果更加稳健,在噪声率为45%的情况下,滤波效果较为理想,水面和水底回波提取正确率为100%;对实测4组深水区和4组浅水区数据滤波后提取的海水深度均与背景资料的深度吻合。由此表明, HW-LS-SVM方法具有更好的抗噪性,更适合于对信噪比低的测深激光信号的滤波处理。     

改进递归最小二乘RBF神经网络溶解氧预测

为提高溶解氧预测的准确性,将基于改进型递归最小二乘算法优化的径向基函数（ RBF）神经网络方法应用于溶解氧预测。利用K均值聚类算法进行隐层单元中心选择;利用改进型递归最小二乘算法优化RBF神经网络隐含层到输出层的权值。仿真结果表明：该方法对溶解氧的预测具有较好的非线性拟合能力,预测精度优于RBF神经网络和递归最小二乘算法优化的RBF神经网络。     

基于最小均方算法的自适应有限长滤波器设计仿真

本文主要介绍最小均方算法的性能特点。基于最小均方算法的自适应滤波器电路结构简单且实时跟踪性能好。自适应滤波器的重要特性就在于它能够在未知环境申有效工作并能够跟踪输入信号的时变特性。理论分析和仿真结果表明，在低信噪比的前提下，自适应滤波器具有良好的信号处理性能，并对系统发生的突变表现出较强的鲁棒性。     

应用谱回归和图正则最小二乘回归的数据降维

数据降维对于提高高维数据处理的效率具有重要意义,稀疏编码是目前受到广泛关注的主流降维方法。针对该方法在降维过程中不能保持样本空间几何结构信息的不足,提出一种基于谱回归和图正则最小二乘回归的改进方案,以2个图像数据集和2个基因表达数据集为样本的实验表明该方法优于未加改进的稀疏编码降维法。     

联合多通道特征与最小二乘决策的人脸反欺诈方法

为了应对大量的欺诈攻击,如照片攻击和视频攻击,提出了一种基于多通道特征与最小二乘法决策的人脸反欺诈方法。一方面,将人脸在不同颜色空间分量上的梯度特征进行加权融合。另一方面,为了提高实验的鲁棒性,引入BSIF纹理特征与CNN的卷积特征,并用最小二乘法对分类的结果进行最优的决策判断。实验在replay-attack和CASIA两个数据集上进行测试,其中在replay-attack数据集上的EER和HTER分别降低到了3.52%与4.63%,在CASIA数据集上的EER和HTER分别降低到了6.02%和6.45%,与目前最优的算法有一定的竞争力,表明该方法对不同方式的欺诈攻击有较好的检测效果。     

Direct and indirect least squares methods in continuous-time parameter estimation

The discrete-time least squares approach is extended to the estimation of parameters in continuous nonlinear models. The resulting direct integral least squares (DILS) method is both simple and numerically efficient and it usually improves the mean-squared error of the estimates compared with the conventional indirect least squares (ILS) method. The biasedness of the DILS estimates may become serious if the sample points are widely spaced in time and/or the signal-to-noise ratio is low and so a continuous-time symmetric bootstrap (SB) estimator which removes this problem is described. The DILS, SB and ILS methods form a three-stage procedure combining the robustness and numerical efficiency of direct methods with the asymptotic unbiasedness of ILS procedures.     

基于智能遗传算法与复合最小二乘支持向量机的长江水质预测与评价*

由于水质的非线性、不确定性等特性,水质预测与评价是很复杂的一个问题;最小二乘支持向量机已经成功地应用于解决非线性问题和时间级数问题。提出一种新的IGALSSM模型,即基于一种新型遗传算法——智能遗传算法参数优选的最小二乘支持向量机模型,并且将提出的模型应用于长江水质的分类识别和预测。实验结果表明,所提出的模型比神经网络有更准确的识别率和更高的预测精度,具有较强的实用价值。     

基于改进GVF和最小二乘法的弱边界椭圆提取

提出一种新的基于改进GVF模型和最小二乘原理的快速、抗噪、弱边界椭圆提取算法。该方法首先通过中值滤波和弱边界梯度增强进行图像预处理，然后利用区域灰度的先验知识，引入高斯型模糊贴近度，与气球力结合形成模糊气球力和GVF场共同形成外力。模糊气球力在压痕区内形成很大推力使控点向边界快速移动，在边界处力很小，在边界外形成迅速加大的斥力，将控点推回边界。控点每迭代一定次数后，利用最小二乘原理，估算出椭圆准确位置，对椭圆边界采样作为新的初始轮廓，重新进行迭代，形成有约束形变。此方法应用到赤足足迹分析系统中，能够对常规方法很难处理的存在模糊、纹理噪声、大斑点噪声的弱边界图像，准确提取出椭圆轮廓，而且将经典GVF迭代次数减少一半以上，结果令人满意。     

A circular stability test for general polynomials

We extend a new stability test proposed recently for discrete system polynomials [1] to polynomials with complex coefficients. The method is based on a three-term recursion of a conjugate symmetric sequence of polynomials. The complex version has the same relative improved efficiency as the real version in comparison to the classical Schur-Cohn formulation for counting the number of zeros of a polynomial with respect to the unit circle. Furthermore, if desirable, the complex text can be carried out using only real polynomials and arithmetic.     

改进块式递推偏最小二乘建模方法及应用

针对传统偏最小二乘(PLS)模型的在线更新问题,提出了带有自适应遗忘因子的块式递推PLS建模方法.通过Hotelling-T2和Q统计量确定遗忘因子的大小,并且进行模型递推更新,确保模型跟踪过程特性的变化.将所提出的方法应用于管坯斜轧穿孔能耗过程,表现出较强的模型在线更新能力.测试结果表明,带有自适应遗忘因子的块式递推PLS方法的性能优于传统的迭代偏最小二乘方法的性能.     

基于四传感器方阵的地震动目标方位角估计

针对地震动目标定位中的信号传播速度不确定性问题,提出了基于到达时间差的四传感器方阵目标方位角估计方法.从理论上推导出四传感器方阵下的目标方位角估计带边界及其最大带宽值,证明了信号传播速度与目标方位角估计之间的弱相关性.根据仿真计算深入探讨了信号传播速度和时延测量误差对目标方位角估计精度的影响.外场实验结果证明：这一方法的地震动目标方位角平均估计误差小于采用三轴地震动传感器的方法,具有一定的实用价值.     

基于非线性最小二乘的图像自适应SR重建以及运动估计

图像超分辨率（SR）重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。为了扩展SR技术的应用范围,提出了一种同时进行图像超分辨率重建和全局运动估计的方法。该方法首先基于最大后验概率(MAP)给出了图像SR重建和运动估计框架,该框架不仅考虑了前后两次迭代所得的HR图像差值对最终重建图像的影响,而且引入了不同LR图像对重建图像的重要性权值,使得算法具有自适应性;然后将总体框架转换为图像SR重建模型和运动估计模型;最后基于非线性最小二乘法对模型进行优化求解,得出了SR重建图像及其全局运动域。实验表明,该方法不仅图像重建效果良好,并有着良好的收敛性。