结合两种回归模型的图像插值算法研究

为了更好地保护图像的局部结构和提高图像插值算法的鲁棒性,结合基于几何对偶性的普通最小二乘和基于非局部均方的加权最小二乘来统计稳态区域形态,并基于该模型提出了一种改进的图像插值算法。算法首先采用非局部均方估计加权最小二乘模型系数,同时用核岭回归作为正则化项进行系数修正,考虑到核岭回归的有偏性,将基于边缘的普通最小二乘模型作为正则化项引进图像插值算法中,并对正则化参数进行自适应调整。与采用单一回归分析的插值算法相比较,该算法不但有效抑制了插值图像的边缘模糊和锯齿现象,而且插值结果具有较高的峰值信噪比和结构相似度。     

一种井下人员无线定位算法研究

针对传统井下指纹定位算法存在需要采集大量指纹数据和定位精度不高的问题,提出了一种差分鱼群优化最小二乘支持向量机(DEAFSA-LSSVM)的井下人员无线定位算法.首先将井下实验区域划分为多个小区域,并利用克里金插值算法建立指纹数据库;然后利用差分进化与人工鱼群混合智能算法优化正则化参数和核函数宽度,建立最小二乘支持向量机算法模型,利用无线采集接收终端采集待定位点的无线信息数据,通过最小二乘支持向量机算法模型计算出其所属小区域;最后利用小区域内无线信息数据,通过加权K近邻算法进行实时定位.实验结果表明:该定位算法的收敛速度快,分类准确,准确率达到98.87%;定位精度高,平均定位误差为1.51 m,比未经优化的最小二乘支持向量机算法的定位精度提高18.82%.     

基于PSR-LSSVM的网络流量预测

为了提高网络流量预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种遗传优化最小二乘支持向量机的网络流量预测方法。首先将相空间重构和最小二乘支持向量机参数作为遗传算法的个体,将模型预测精度作为个体适应度函数,然后通过遗传操作获得模型全局最优参数,最后通过网络流量仿真实验进行性能测试。结果表明,相对于传统预测方法,遗传优化最小二乘支持向量机提高了网络流量的预测精度,为网络流量预测提供了一种新的研究思路。     

一种基于改进遗传规划的泛函网络结构逼近模型

基于泛函网络的结构特点和遗传规划的全局搜索能力,提出了广义基函数概念,通过改进遗传规划的编码方式对广义基函数进行学习,用最小二乘法设计适应度函数,从而确定泛函网络的最佳逼近结构模型。最后,4个数值仿真实例表明,该方法是有效可行的,具有较强的泛化特性。     

三峡区间面雨量空间插值方法对比分析

空间插值是常用的面雨量计算方法,以三峡区间为研究对象,选取反距离加权、普通克里金、协同克里金3种空间插值算法,进行面雨量空间插值计算和对比分析,其中协同克里金插值将地形作为影响因素。三峡区间面雨量插值结果表明:克里金插值在精度上要优于反距离加权插值,插值效果也更平滑;协同克里金的插值精度优于普通克里金,平均绝对误差、误差均方根相对于普通克里金插值分别降低了19%,10%。因此,在山区或地形复杂区域的面雨量计算,将地形作为协同区域化属性的协同克里金插值更合适。     

一种应用约束优化理论的TOA定位算法

移动通信、声源探测等领域的应用要求通过分布在不同位置的信号接收站得到的TOA测量值实现对辐射信号源进行定位。针对这个问题,提出了一种应用约束优化理论的基于TOA的定位算法,将由定位方程得到的加权线性最小二乘函数作为目标函数,并选择未知矢量元素之间的关系作为约束条件。仿真实验中将该方法与两步加权最小二乘等方法和CRLB进行比较的结果表明,约束优化理论的应用有效提高了定位精度。     

加权最小二乘联合遗传算法的无源定位

针对复杂环境下运动通信辐射源的无源定位,闭式解方法对于时频差模型中的测量噪声敏感且存在定位均方根误差较大问题.为了改善大观测误差下的定位性能,本文提出一种加权最小二乘联合遗传算法的递推式混合TDOA/FDOA定位方法.该方法首先利用已知站点观测大量时频差数据并建立误差模型,基于模型对定位过程中的多组时频差序列进行数据处理;其次通过加权最小二乘求解目标位置的初始值;然后采用改进的遗传算法在初始值的基础上通过多组时频差序列不断迭代、递推求解,修正位置坐标;最后利用位置估计和频差模型完成对目标速度估计.仿真结果表明,本文定位算法相比于经典两步加权最小二乘法具有更低的均方根误差,在大观测误差下能保持较高精度.同时相比于其他混合定位算法收敛速度快,可以有效减少计算量.     

估计传递函数参数的误差校正法*

本文提出一种称为误差校正法的估计传递函数参数的方法,建立了目标函数与传递函数参数及其最小二乘估值偏差间的函数关系,在完成最小二乘估计的基础上,通过连续修正,使传递函数估值精度得到提高,算例表明,该法比普通最小二乘法和广义最小二乘法的精度高,而且,比广义最小二乘法收敛得快。     

压电智能结构损伤检测传感器优化配置的遗传神经网络方法

基于损伤检测的智能结构传感器优化配置的研究工作较少,问题在于难以找到理想的关联损伤物理力学特征的损伤检测目标函数.提出了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法.该方法采用最小二乘支持向量机(LS-SVM)网络建立损伤检测目标函数,运用改进的遗传算法对目标函数进行优化,从而实现不同数目传感器的优化布置,并综合考虑成本与效益的因素,确定传感器的最优配置数目.论文对该遗传神经网络方法的具体实现过程及其可行性进行了分析,结果表明,该方法是可行的,可用于实现传感器对应于其初始布置模式下的最优配置.对于更多传感器的初始布置模式,采用该方法可有效减少更多传感器的数量,从而降低成本.     

基于遗传优化的BP神经网络法在甲烷检测中的应用

针对传统的最小二乘法拟合红外传感器的输出特性曲线时存在误差大、计算复杂,传统的BP神经网络法拟合红外传感器的输出特性曲线时存在网络收敛速度慢、易陷入局部极小的问题,通过分析改进的最小二乘法和改进的基于遗传优化的BP神经网络法的拟合效果,指出改进的BP神经网络法拟合度较高,并给出了改进的BP神经网络法在甲烷体积分数检测中的实验结果。结果表明,该方法能够拟合出理想的曲线,有效提高了红外传感器的检测精度及响应速度。     

基于时空变异函数的Kriging插值及实现

Kriging（克里金）算法通常用于对空间变量进行插值,但不能直接应用于时空变量,它需要进行时空扩展。以月平均气温数据为例,运用时空Kriging方法结合R统计语言进行时空插值研究及其实现。通过时序分解去除气温数据中季节变化项,在分别得到空间变异函数和时间变异函数的基础上构建一类积和式时空变异函数来描述变量的时空相关结构,并给出基于R语言的具体实现步骤。将普通Kriging方法进行时空扩展,应用于气温数据的时空插值中。验证结果表明,基于时空变异函数的Kriging方法能提供较高精度的插值效果,这为时空变量的插值预测提供了有效的途径。     

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能,提出了根据各传感器量测数据品质对量测数据加权处理,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法.仿真结果表明,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法.     

基于混合并行的Kriging插值算法研究

普通Kriging方法是进行空间降水插值的一种有效方法。然而一方面由于海量数据插值计算量大,另一方面该算法的时间复杂度大,为减少空间降水插值的计算时间,采用OpenMP和MPI混合并行技术,实现Kriging并行算法。在Windows操作系统上搭建并行计算环境,实验数据表明,该并行算法能有效地节省计算时间。     

基于克里金空间插值的位置指纹数据库建立算法*

为解决室内定位系统中建立位置指纹数据库工作量庞大的问题,提出了一种融合信号衰减因素的普通克里金空间插值建库算法。该方法首先采用高斯滤波对有限预选参考点的信号强度采样数据进行预处理,并基于球状模型由参考点预处理数据拟合出空间变异函数,然后采用普通克里金插值法对其它位置的信号强度进行估值并生成相应的位置指纹,最后由有限实测数据生成大容量高分辨位置指纹数据库,并通过KNN_Filter算法和对数权重算法完成了定位仿真,验证了该建库方法的有效性。仿真实验结果表明,该算法在保证定位精度的前提下相比传统建库方法可降低40%左右的工作量,提高了室内位置指纹定位方法的工作效率。     

基于时空Kriging方法的时空数据插值研究

在对气象数据进行插值的过程中, 如果只考虑数据的空间信息而忽视数据在时间上的关联, 必然影响插值的精度.针对具有时空特性的气象数据, 提出一种将时空Kriging方法与弹性网方法相结合的新方法.该方法主要利用弹性网算法解决时空Kriging算法中的时空变异函数矩阵为病态矩阵而无法求逆的问题, 通过弹性网算法获得变异函数矩阵方程的稀疏解, 从而提高时空插值的精度.在实际观测的气温数据和AQI数据上的仿真实验验证了该方法对气象时空数据插值的准确性.     

基于Delaunay三角网的克里金并行算法优化

当采样点数据量较大时, 可以采用Delaunay三角剖分建立三角网来使用局部邻域采样点进行克里金插值. 但是该算法需要对每个插值点拟合半变异函数, 插值点规模大时造成巨大开销. 为此, 本文提出了一种以三角形为单位拟合半变异函数的克里金插值方法, 采用CPU-GPU负载均衡将部分计算优化, 充分考虑不均匀样本对克里金插值效果的影响. 结果表明, 本文算法能够保证不均匀样本集的插值效果, 提升了计算性能且能够保证较高的精度.     

空间插值分析算法综述

空间插值分析算法是一种应用于将离散点的测量数据转换为连续数据表面的算法,能够将连续数据曲面与其他空间现象的分布情况进行比较,它在空间信息方面具有广泛的应用场景,尤其是地理信息方面.对泰森多边形法、反距离权重插值法、样条函数插值法、克里金插值法等空间插值算法的插值原理和应用场景进行综述,对空间插值分析算法的进展和未来研究方向进行了探讨.     

基于Kriging方法的动态地形反向多级细化研究

针对层次细节模型（LOD）只能实现数据精度低于原始DEM数据的动态地形建模过程,提出了基于Kriging方法的动态地形反向细化方法（Levels Of Backward Detail,LOBD）。该方法提取出需反向细化区域,判断多级细化级别,分析区域的空间属性相关性,根据最优条件拟合变异函数,根据Kriging方法对目标区域进行插值,生成精度高于原始DEM数据精度的区域数据。设计了按独立树结构的插值数据动态存储方式。建模实验表明,新的动态建模方法的细节层次可以比LOD方法至少增加两级,并且保持渲染效率基本不变。     

Kriging方法在输电线路气象环境建模中的应用

由于气象测点个数有限、分布不均匀且与线路走廊不一致,无法为研究灾害引发的线路故障及其防御技术提供精确的输电线路气象环境数据模型.为此,本文分析了Kriging空间插值方法的实现原理,应用Kriging插值方法实现对输电线路气象环境数据的网格化建模,并制定插值结果校验方法及评价标准,选取江苏省级电网可获取的996个气象测点2017年某日的温度数据,通过Kriging法进行网格化插值并对结果进行分析比较,验证了适用于该区域输电线路的温度数据网格化插值的Kriging半变异函数模型的选取过程.