基于随机森林和粒子群优化的SVR的混合气体分析方法研究

为了解决混合气体检测准确性较低的问题,提出了一种新型的混合气体分析方法。该方法通过PCA提取到的特征对随机森林建模,实现了混合气体的定性识别,并在此基础上利用粒子群优化的SVR对各类别气体浓度进行定量分析,解决了SVR超参数选择困难的问题。最后通过样本数据对算法的有效性进行了验证,实验结果表明随机森林的平均识别准确率最高达到了95％,粒子群优化的SVR模型对各类别气体浓度的估计准确率均比SVR高10％以上。     

正则化的加权不完全鲁棒主成分分析方法及其在 无线传感器网络节点轨迹拟合中的应用

针对稀疏矩阵奇异值分解（SRSVD）方法和半精确增广拉格朗日（SEALM）算法在采样比例小且稀疏噪声大,以及存在高斯噪声时不能准确拟合无线传感器网络（WSN）节点轨迹的问题,提出一种正则化的加权不完全鲁棒主成分分析（RWIRPCA）方法。首先,将不完全鲁棒主成分分析（IRPCA）应用于节点轨迹拟合;然后,在IRPCA的基础上,为了更好地刻画矩阵的低秩性和稀疏性,以及增强模型的抗高斯噪声性能,分别对低秩矩阵和稀疏矩阵进行加权;最后,将高斯噪声矩阵的F范数作为正则项,应用于节点轨迹拟合。仿真结果表明,IRPCA和RWIRPCA在采样比例小且稀疏噪声大时拟合效果均优于SRSVD和SEALM方法,特别是所提的RWIRPCA在稀疏噪声和高斯噪声同时存在时,仍能取得准确且稳定的拟合效果。     

基于改进QPSO算法的阵列天线方向图综合

 针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在基于量子位概率幅编码的量子粒子群优化算法(QPSO)的基础上,设计一种进行收敛停滞检测,并对粒子选择性变异的新量子粒子群算法,然后将其应用于阵列天线方向图综合.仿真结果表明,在多零点和低旁瓣约束情况下新算法均可以取得良好的优化效果,而且该算法相对于近邻粒子群算法(NPSO)和免疫克隆选择算法(ICSA)来说,在方向图综合中精度更高,速度更快,具有很好的推广能力.     

高精度超声波液位测量系统的设计与实现

文中针对现有的液位测量系统功耗较大、精度有待提高等问题,设计了一种基于MSP430F149单片机的高精度低功耗超声波液位测量系统。该系统实现了硬件电路的设计和软件算法的开发。文中重点分析了系统组成、提高精确度的设计方法和实验结果。实验表明:在环境温度为25℃的空旷实验室内,该系统测量范围为20～1 500 cm,测量精确度可达2 mm.相比于其他设计,该系统有更高的精确度,并且有较高的可靠性和实用性,可以更好地满足各种工业现场的需求。     

煤层气井注入／压降测试中常见问题探讨

单项注入／压降测试是目前煤层气勘探开发中最常用、最有效的试井方法。针对测试施工过程中诸如施工时间的安排、压力计的选择、采点密度的确定、微破裂的施工、注入施工及关井施工中常见的问题,提出了见解及相应的解决方案。     

基于QPSO算法的信道分配方法

由于传统的信道分配方法存在频率利用率低下和处理速度慢的缺点,为此,提出基于量子计算的PSO算法（QPSO）来快速实现信道最优化分配方法。这种优化方法利用了量子计算的并行计算能力强、全局收敛、运算速度极快等特点,主要包括初始化代表每个信道的粒子的速度和位置,根据信道分配的教学模型计算保证信道各种约束条件的适应度函数,根据量子粒子群的规律进行粒子位置更新,直至找到最佳信道分配方案等步骤。仿真结果表明其方法是行之有效的,优化效果优于基于遗传算法和PSO算法的信道分配方法。     

基于波前像差的图像质量评价方法研究

图像质量评价的研究已成为图像信息工程的基础技术之一。由于图像的最终接受者是人,所以评价图像质量应反映出人类的主观视觉感知。为构造一种符合人眼视觉特性的图像质量评价方法,利用点扩散函数针对人眼建立了含有波前像差信息的图像视觉评价模型,并用此模型分别对添加不同噪声的图像进行图像质量评价。实验结果表明,该方法是可行的、有效的,不同的人眼对同一幅图像的评价存在有差异,人眼波前像差越小观察到的图像越清晰。该方法不仅能够在评价图像质量时准确反映人眼的主观感知,而且能够直观地呈现不同人眼实际看到的图像。     

感应测井的最小平方反滤波

感应测井响应是地层非线性时变滤波的结果。获得地层真电导率的方法就是将感应测井响应进行非线性时变的反滤波处理。本文用最小平方法设计出了一种非线性的反滤波因子,并对模拟的感应测井响应曲线进行了处理。结果表明,与传统的处理方法(包括三因子反滤波和趋肤效应提升)相比,该方法可大大地改进感应测井的精度。     

使用二次特征选择及核融合的语音情感识别

为提高语音情感识别精度,对基本声学特征构建的多维特征集合,采用二次特征选择方法综合考虑特征参数与情感类别之间的内在特性,从而建立优化的、具有有效情感可分性的特征子集;在语音情感识别阶段,设计二叉树结构的多分类器以综合考虑系统整体性能与复杂度,采用核融合方法改进SVM模型,使用多核SVM识别混淆度最大的情感。算法在Berlin情感语音库五种情感状态的样本上进行验证,实验结果表明二次特征选择与核融合相结合的方法在有效提高情感识别精度的同时,对噪声具有一定的鲁棒性。     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。