基于模糊自适应免疫算法的非线性系统模型参数估计

复杂生产工艺中非线性系统的模型参数估计是系统建模优化问题中的难点, 为避免优化算法过早收敛于错误的参数估计值, 根据生物免疫机理和模糊逻辑原理提出了一种新颖的模糊自适应免疫算法, 该算法采用混沌超变异操作增强算法搜索能力, 并用免疫网络调节策略保持抗体群的多样性, 同时采用模糊逻辑调节算法参数以提高算法的自适应能力. 函数优化仿真结果表明其具有较好的收敛性能, 并能够克服早收敛问题. 最后将其成功应用于重油热解非线性模型参数估计中, 验证了该算法解决实际建模问题的可行性和有效性.     

一种基于GPU加速的细粒度并行蚁群算法

为改善蚁群算法对大规模旅行商问题的求解性能,提出一种基于图形处理器(GPU)加速的细粒度并行蚁群算法.将并行蚁群算法求解过程转化为统一计算设备架构的线程块并行执行过程,使得蚁群算法在GPU中加速执行.实验结果表明,该算法能提高全局搜索能力,增大细粒度并行蚁群算法的蚂蚁规模,从而提高了算法的运算速度.     

一类非线性时滞系统的鲁棒间接自适应控制

针对一类不确定非线性时滞系统,基于变结构控制原理,利用多层神经网络逼近的能力,提出具有投影算法的间接自适应控制方案。该方案通过监督控制器保证闭环系统所有信号有界,并引入综合误差的自适应补偿项来消除建模误差的影响。理论分析证明跟踪误差收敛到零,仿真结果表明该方法有的效性。     

基于加权最小二乘的卡尔曼滤波算法

为了将卡尔曼滤波(KF)应用于非线性系统中,利用了离散采样点将非线性模型线性化.通过加权最小二乘原理.得到近似的线性化模型,再将KF算法应用于这个线性模型中.结果表明,加权最小二乘与KF结合的方法在非线性模型中的计算结果同扩展卡尔曼滤波(EKF)算法接近,且不需要EKF那样求偏导就能很容易地应用到非线性系统中.这种方法实现容易,预测可靠,具有实际应用的价值.     

高/低通复合多通道系统辨识的测试信号设计

从频域的角度研究了二进制多频序列(Muhifrequency Binary Sigal).从该信号的基本特点入手,通过对信号变化疏密的设计,调整信号的频谱分布.当已知待测系统的频谱集中在某些频段时,选取适当的二进制多频序列信号,能使测试信号的频谱也集中在那些频段,能充分地利用测试信号.大大提高了信噪比.设计出高频和低频复合的二进制多频序列信号.应用于一个通道是高通的,另一个通道是低通的二输入系统,能同时充分激励2个通道,取得较好的辩识效果.仿真算例可以看出有效性.     

搭建网络服务器实验室环境

随着招生规模和高等教育的深化改革的急剧扩大,许多高校都陷入了实验教学的困境。该文利用目前流行的虚拟机软件VMware作为建立虚拟机的工具,以Web服务器为例,最后对所构建的虚拟网络服务器实验环境进行测试,达到与在真机上实验的效果相似。     

基于完备抽象解释的模型检验CTL公式研究

在模型检验中,抽象是解决状态空间爆炸问题的重要方法之一.给定具体Kripke结构和时序描述语言CTL,基于抽象解释框架以及完备抽象解释和性质强保留之间的关系,抽象模型最小精化使得CTL性质强保留,可转换为抽象解释中抽象域的最小完备精化,并且总是存在抽象域的最小完备精化.根据状态标签函数确定初始抽象域,然后通过不动点求解,获得对CTL标准算子完备的最小抽象域,并依据此抽象域求得CTL性质强保留的最优抽象状态划分,最后构造出CTL性质强保留且最优的抽象状态转换系统.并指出了抽象域对CTL标准算子是完备的当且仅当抽象域对补集和标准前向转换是完备的.     

基于校准靶的C形臂相机模型自动校准方法

根据校准靶标志点影像的特点,提出一种自动的离线C形臂相机模型校准方法。应用聚类算法实现标志点信息的自动识别,通过行列索引表简化标志点网格姿态的识别,自动建立标志点在影像坐标系和空间坐标系下坐标的对应关系,经几何变形校正后,实现C形臂相机的校准。实验数据证明,该方法具有良好的鲁棒性,误差小于1 mm,可应用于基于术中C形臂X线影像的手术导航系统。     

基于自证明公钥和零知识证明的身份认证协议

在分析几种典型零知识身份认证协议的基础上,利用Girault自证明公钥原理、结合椭圆曲线公钥密码的优点提出一种基于自证明公钥和零知识证明的身份认证协议,并为协议增加了密钥协商功能。分析表明该方案具有较高的安全性,与同类方案相比,该方案对存储空间、网络通信量和计算开销的要求较低,有较高的效率。     

基于流形学习和SVM的Web文档分类算法

为解决Web文档分类问题,提出一种基于流形学习和SVM的Web文档分类算法。该算法利用流形学习算法LPP对训练集中的高维Web文档空间进行非线性降维,从中找出隐藏在高维观测数据中有意义的低维结构,在降维后的低维特征空间中利用乘性更新规则的优化SVM进行分类预测。实验结果表明该算法以较少的运行时间获得更高的分类准确率。