驾驶员疲劳状态生理信号的DFA

通过去趋势波动分析(DFA)研究驾驶员疲劳状态的心率变异性信号和脑电信号特征.22名被试在驾驶模拟器上进行模拟驾驶作业,采集驾驶过程中的心率变异性和脑电信号并进行离线分析.Wil-coxon符号秩检验用于分析清醒和疲劳两种状态间DFA标度指数的差异,受试者工作曲线(ROC)分析用于确定DFA区分疲劳驾驶和清醒驾驶的能力.结果表明:疲劳状态时,心率变异性和脑电信号的标度指数显著增加(Wilcoxon符号秩检验,p＜0.01);心率变异性和脑电信号标度指数的ROC下面积最大分别为0.75和0.78.DFA的标度指数具有应用于驾驶疲劳监测系统的前景.     

改进型预测函数控制在感应电机功率优化中的应用

在对感应电机效率优化问题进行研究的基础上,考虑到传统方法在电机动态时无法同时兼顾响应性能和效率优化的缺陷,设计了一种新型分数阶PI(FOPI)预测函数控制策略.该控制策略将预测函数控制和分数阶PI两种算法相结合,构建具有分数阶比例、积分性质的多变量预测函数控制器,兼顾了感应电机动态效率与转速响应速度的优点.应用于电动机效率优化的最大转矩电流比控制方面,采用前馈补偿解耦设计的思路,将系统分解成两个具有可测扰动的子系统.仿真实验表明新型控制策略具有在线识别模型识别模型参数,跟踪效果好,抗干扰能力强,无超调,稳态误差小,取得了良好的控制效果.     

平滑度欧式聚类算法分割点云数据

提出一种平滑度欧式聚类点云分割算法,用于实现对Kinect点云的快速、准确分割.首先介绍了Kinect点云的采集和滤波方法,然后在传统欧式聚类算法基础上提出了一种平滑度欧式聚类分割算法,通过加入平滑阈值的约束来防止过度分割或分割不足的问题,并保持了较快的分割速度.通过对工业机器人获取的阀门点云数据进行实验,证明了算法的有效性.     

邻域结构为复杂网络的粒子群算法*

为避免早熟收敛和局部最优,设计了一种基于复杂网络进行个体交互的粒子群算法(CNS-PSO)。该算法在粒子与网络节点间建立映射关系,并根据节点的邻居集合,获得粒子的动态飞行邻居。每个飞行邻居集合是一个独立又彼此联系的进化小社会。在CNS-PSO中,每个粒子的位置更新策略不仅考虑了认知部分及社会的信息共享,还考虑了小社会内和小社会间的信息交流。在8个测试函数上,将CNS-PSO与标准PSO进行了对比,在不同维度的大多数函数上,前者的性能均优后者。说明具有无标度网络邻域结构的CNS-PSO算法具有较强的避免早熟和逃逸局部最优的能力。     

一种基于四变量模型的系统安全性建模与分析方法

近年来,基于模型的系统安全性分析与验证方法是安全关键系统工程领域中的一个重要研究方向。提出了一种基于四变量模型的系统安全性建模与分析验证方法,该方法利用AltaRica建模语言对系统进行建模。通过对四变量模型及AltaRica进行语义研究构建二者之间的映射规则,以民用飞机中机轮刹车系统(Wheel Brake System,WBS)为例来说明整个验证过程,即首先利用四变量模型从系统的需求层次上对WBS进行需求分析并根据映射关系构建AltaRica模型,接着利用故障树分析方法对WBS进行安全性研究,最后基于AltaRica配套工具ARC对系统的安全性属性进行验证。验证结果表明了该方法在系统安全工程领域中的实用性。     

一种基于GPU的高精度体系结构级功耗模型

随着硬件功能的不断丰富和软件开发环境的逐渐成熟,GPU开始被应用于通用计算领域,协助CPU加速程序运行。为了追求高性能,GPU往往包含成百上千个核心运算单元,高密度的计算资源使得其性能远高于CPU的同时功耗也高于CPU,功耗问题已经成为制约GPU发展的重要问题之一。在深入研究Fermi GPU架构的基础上,提出一种高精度的体系结构级功耗模型,该模型首先计算不同native指令及每次访问存储器消耗的功耗;然后根据应用在硬件上的执行指令和采样工具获得采样结果,分析预测其功耗;最后通过13个基准测试应用对实际测试与功耗模型测试结果进行对比分析,该模型的预测精度可达90%左右。     

一种基于改进谱熵的语音端点检测方法

针对常规谱熵端点检测法在非平稳噪声环境下检测效果差的缺陷,提出了一种基于子带谱熵幅度积参数的语音端点检测方法。该方法利用非平稳信号处理技术将语音信号的时域分析和频域分析相结合,在常规谱熵的基础上计算出子带谱熵,再结合时域中的短时平均幅度进行端点检测。仿真结果表明,与常规谱熵端点检测算法和短时平均幅度算法相比,该方法在各种噪声环境下的检测效果都比较好,鲁棒性增强,其有效性得到验证。     

预测信息传播中的转发选择

在信息传播中,用户在重复接收同一信息的情况下其转发行为会具有一定的倾向性。对这种转发的倾向性建模是影响力分析、传播动力学、社会推荐等一系列信息传播相关应用研究领域中的一个关键问题。本文假设用户的转发选择行为主要由用户间的人际影响力决定。人际影响力的大小由信息传播者的影响力和信息接收者的易感性共同作用。本文从真实的信息传播记录中推断出用户隐式的影响力和易感性,进而提出了一种转发选择模型。该模型能够有效解决目前方法存在的对转发选择行为建模不充分和模型泛化能力差的问题。本文选取典型的转发选择建模方法作为比较,将所提的转发选择模型在新浪微博数据上进行对比验证。实验表明,本文所提的模型在两种评价指标上均取得更好效果,证明了所提模型的有效性。     

基于概率交易模型的线下百货推荐

该文提出了一种新颖的概率交易模型PTM,针对线下百货进行个性化的推荐。传统的推荐模型,如K-近邻算法、矩阵分解等,或者仅利用局部的数据,使得模型面临线下数据极大的稀疏性挑战,或者忽略百货数据中的交易维度,使得模型损失了同一交易中多商品共现的强相关信息,最终导致它们在面对线下百货推荐问题时性能低下。针对以上的问题,本模型从交易的维度出发,建模交易记录中的共现模式,并利用全局的交易数据来学习商品的相关分量,在此基础上推断出用户的兴趣分布,实现个性化的推荐。在真实的线下百货交易数据上的实验结果表明,该模型能够极大地提高线下百货领域个性化推荐的准确性。
     

P2P网络中基于动态贝叶斯网络可信度量模型

本文针对P2P网络中节点匿名、动态导致安全性下降,现有信任度模型计算动态性不足等问题,提出了基于动态贝叶斯网络的可信度量计算模型,模型依据历史交互记录数据,从直接信任度与推荐信任度两个方面进行信任度量计算,并考虑到时效性与恶意节点等问题,引入时效因子与惩罚因子.最后通过仿真实验验证了模型的有效性与可行性.