车辆导航中的地图自学习系统

运用曲线拟合和预测算法实现了车辆导航系统中电子导航地图的自学习功能 ,从而提高了车辆的定位精度 ,完善了电子导航地图 ,并在文中建立了相应的数学模型。     

一种在线自学习的移动机器人模糊导航方法

针对现有移动机器人模糊导航对未知不确定环境缺乏自适应性的缺点,提出了一种具备在线自学习能力的模糊导航方法.通过设计模糊规则并确定动作先验值,完成初始模糊导航系统的构建.利用Q强化学习算法对模糊规则中各行为的值函数进行在线增量学习,实现模糊决策的逐步求精.仿真实验表明,移动机器人导航系统能够在运行过程中不断调整导航策略,实现对未知不确定环境的自适应.同时由于导航先验知识的引入,有效地克服了强化学习初始阶段进行盲目搜索导致的学习速率低、收敛速度慢的缺点,实现了移动机器人可靠导航.     

一种基于个人知识地图的电子学习辅助系统的构建

本文试图在数字图书馆电子资源的基础上构建出一种个人知识地图,以便利用它来进行电子资源管理并辅助学习者的电子学习。     

车辆监控导航运营服务系统

天泰雷兹科技（北京）有限公司是卫星导航定位综合服务运营商,为政府部门和企业提供专业的车辆监控管理解决方案。目前,公司的产品已经成功用于危险品运输、长途客运、出租车、邮政、电力、长途物流、车辆租赁、信贷购车等行业和领域。     

一种网络导航学习路径生成方法

该文提出了一种基于反馈的、满足全局优化和充分必要条件的网络导航学习路径生成方法。将知识单元及其依赖关系作为知识地图的顶点和边,全部存储于广义表中。测试学习者已经学过的知识单元,根据知识单元中心度和难度量化计算方法,生成知识地图总路径集合,基于不同的学习基础,学习者在集合中“按需所取”知识单元。该方法产生的知识地图导航不再是海量知识单元的不完备近似集合,而具有全局精确性;解决了学习路径的充分性和必要性难以同时满足的缺陷;针对学习者个性化要求,有效提高学习效率,具有教育学和计算机科学的双重价值。     

基于地图匹配的自主导航算法

已知环境下为弥补卫星信号丢失带来的导航精度下降问题,提出了基于地图匹配的组合导航算法。自主导航系统采取INS/GPS组合方案,在GPS信号有效时,建立基于道路约束的环境地图,GPS信号无效的时候利用已建立的环境地图辅助惯性导航,减少导航误差。通过实测数据,针对GPS信号无效的情况进行了计算机仿真,给出了实际路试结果。结果表明,新算法有效提高了导航精度。     

车辆组合导航监控系统原理与应用

GPS/DR组合导航定位技术能对定位导航精度要求较高的各类车辆进行实时准确跟踪、监控和指挥调度.分析了该系统的基本工作原理和相应的数学算法.车载终端使用四参数模型将WGS-84坐标转换成当地坐标,同时结合航位推算技术实现组合定位导航.系统在现有基础上改进监控中心平台功能,实现整体功能配置更加合理.最后结合银行运钞车对该系统应用加以说明,并进行可行性分析,给出系统所能达到的精度要求.结论表明系统能满足现阶段银行业对安全性、可靠性等方面基本要求.     

压力传感器自学习校准系统的设计

提出了用计算机提高压力传感器性能和精度的方法,设计了硬件电路及软件。在对传感器修正方法的分析基础上,提出了一种综合修正压力传感器的温度误差和非线性误差的方法,并详细介绍了放大器自调零方法和系统自学习方法     

用于车辆导航仪中的自动快速寻北系统

本文是陆地车辆导航仪中快速自动寻北系统研制结果的一个总结报告，包括系统的组成原理、硬件设计、软件设计．本文最后还给出了系统的误差分析．     

基于3G技术的智能车辆导航与无线互连系统

3G移动通信技术能够使移动终端设备实现随时随地高速上网,而美国QUALCOMM公司的GpsOne技术能够实现移动设备的快速准确定位.结合这2种技术并应用于智能交通系统,给汽车的功能带来革命性的变化.在阐释以上技术的基础上,探讨了基于这种技术的智能车辆导航与无线互连系统的工作原理和硬件组成.     

用于视觉导航自动车辆的统计数字识别方法

通过对图像特征选择不同方法的分析,考虑到图像的全局特征更易被检测到,而且更不易受到噪声和较小的局部失真影响,提出了以全局特征为立足点,即从图像的总体出发,采用图像的灰度均值为主要特征量的特征选择与提取方法。在此基础上,全面分析了数字分块的机理,并采用投影的方法得到了10个数字的特征值。为实现对数字的快速识别,对得到的数字投影值采用了方向特征的处理方法。试验结果表明:有噪声的情况下,通过利用统计原理获得数字特征值能够实现对数字的快速、准确识别,该方法具有较好的抗干扰能力。     

基于随机时间的车辆导航路径规划研究

根据车辆导航中各路段行车时间具有随机性特点,运用不确定性规划理论建立了行车时间随机的车辆导航路径随机规划模型,模型以车辆出行中行车时间最短为目标函数.并设计了基于随机模拟的遗传算法求解该模型.通过数值仿真,证明模型的可行性.     

远程学习中优化课程路线导航算法研究

远程学习中，为提高学生的学习效率并满足个性化需求，网络课件需要根据学生的不同特征进行有益导航。为此目的设计的课程路线导航算法，是基于课程概念间的前提后续关系的。当学生学习概念时，系统根据收集到的学生信息与概念的权重计算出一条优化的单元路线，作为下一步学习推荐单元。此外，该算法同样适用于概念间存在的其它偏序关系如整体部分关系等。     

非线性系统的梯度变分迭代自学习控制

研究了一类非线性系统的梯度变分迭代自学习算法,以提高此类非线性系统的控制品质.梯度变分迭代自学习算法是针对符合某一类范式的周期性或重复性输出控制的非线性系统而设计的一种自寻优自学习算法.该算法针对一类非线性系统的数学描述模型,给出了性能指标函数,通过梯度变分的方法寻找性能指标函数梯度的负方向,并利用迭代自学习得到性能指标函数的最小值,使系统收敛于目标输出.将该算法应用于极端环境模拟装置的压力控制系统,取得了比传统控制算法更高的效率与更快的收敛速度.梯度变分迭代自学习算法是符合一类数学模型的非线性系统的一种高效控制算法.     

GVN50／51 车载导航模块

GVN50／51是集成了GPS全球卫星定位系统、电子地图和导航地图以及导航软件的车载卫星智能导航模块，可实现车辆位置的精确定位．并给驾驶员提供最合理的行驶路线建议和语音导航提示等功能。     

路面路标高精度地图构建与多尺度车辆定位

为提高智能车定位精度,提出一种利用路面标志构建高精度地图的方法,并在制作的地图基础上提出多尺度车辆定位算法.以路面路标为核心构建高精度视觉地图,地图中每个路标均包含路标视觉特征、几何结构信息,以及其在参考坐标系的精确的位置关系.在定位过程中,首先通过GPS粗匹配计算车辆位置在地图中的位置范围;然后匹配地图中的视觉特征实现路标级定位;最后通过地图中的路标的几何结构信息与参考位置关系实现车辆位置的精确计算,从而实现基于路面路标高精度地图的车辆多尺度定位.针对某大学校园约3.4 km的道路路面标志(包括路面直行箭头、右转箭头、井盖等)进行高精度地图构建,并以之为基础实现车辆定位.定位实验结果表明:算法平均定位误差为12.5 cm,最大定位误差为23.3 cm.定位采取先制图后定位以及多尺度匹配的策略为高精度智能车定位建议了一种新的方法.     

“学习地图”与实用文写作教学

“加速学习革命,改变现有的以落伍、错误、过度简化的心理原则为基础的教育制度;利用‘学习地图’快速有效地学习”是时下教育界的一个热门话题。 “学习地图”创始人东尼·博仁(Tony Buzan)提倡的放射式思考模式是对人类线性思考模式的一场革命。它的放射式表达方式反映了生命活动的自然状态,为人类进行思考提供了最广阔的物理空间。在知识社会兴起的今天,人们已把读写能力概念的重点转为有实际目的或为个人兴趣而进行的有意义沟通;读写能力不再是语文的结构形式,它已被视为一种思想模式和终身学习的基础。这正契合了“学习地图”所蕴含的核心理念。为此,笔者近年来一直关注能否把加速学习的法则纳入我们的写作教学,以及如何利用学习地图进行写作教学这一问题。 本文将介绍我们利用“学习地图”,教授实用文写作的情况,重点讨论怎样有效使用“学习地图”,希望能在实用文写作教学中找到另一片新天地。     

软件人协商中的自学习

首先提出了一个双边多主题的协商模型,给出了协商模型定义、协商要素及一个软件人双边协商框架,并详细讨论了协商主题、协商协议、效用函数、协商资源及协商策略,然后利用BP神经网络学习算法对协商策略中关键的最终结果集进行预测和学习,实现了软件人协商的自学习过程.与其他的相关研究相比,论文针对不完整信息环境下的协商交互过程,利用神经网络具有的网络自适应、自学习的能力,对协商最终结果集进行预测,提高了协商的效率.在协商交互中采用该框架的个体将得到更为有利的协商结果,因此更加适用于不完整信息环境下的协商.     

基于属性偏好自学习的推荐方法

推荐系统从海量数据中挖掘出有用信息来学习用户偏好．目前主流研究的推荐算法是在考虑 评分数据和社交数据的基础上执行协同过滤算法．协同过滤方法包括传统的用户、商品协同过滤算 法和经典的矩阵分解方法．用户、商品协同过滤算法具有可解释性但训练速度慢,矩阵分解模型虽 然训练速度快但缺乏解释性．此外,评分数据和社交数据在获取难度上高于属性信息．针对这些问 题,提出一种基于属性偏好的自学习算法．该算法在评分数据和属性信息的基础上,首先利用用户 对属性的初始偏好程度与属性对商品的评分构建预测评分模型,通过预测评分和实际评分的平方 差及正规化项构造损失函数,使用梯度递减方法对损失函数中预测评分模型的属性偏好程度进行 迭代训练,最后使用训练后的属性偏好程度和属性值评分来预测用户评分．实验在两个经典数据集 上证明了该模型运行时间较快,且在评分数据稀疏的情况优于传统的协同过滤方法和基本矩阵分 解模型．     

磁悬浮系统自抗扰广义预测控制

针对负载扰动以及轨道“台阶”现象可能导致磁浮列车失稳的问题,将自抗扰广义预测控制（LADRC-GPC）理论引入磁浮列车悬浮系统,设计了一种新型悬浮控制器。控制器采用分层控制策略,内层利用扩张状态观测器(ESO)对系统进行动态补偿,得到被控对象的受控自回归滑动平均模型(CARMA) ,降低了对被控对象数学模型的依赖程度。外层以内层控制为被控对象,采用广义预测控制（GPC）对系统进行动态优化控制,提高了控制器的跟踪性。通过仿真和实验与PID控制算法、线性自抗扰控制（LADRC）算法比较,结果表明:自抗扰广义预测控制算法具有较好的跟踪性与鲁棒性,在较大负载扰动时仍能保持较小的误差。