Adaptive Safety Motion Control for Underactuated Hovercraft Using Improved Integral Barrier Lyapunov Function

International Journal of Control, Automation and Systems - In this paper, we investigate the problem of safety motion control for an underactuated hovercraft from subject to safety constraint on...     

对混合属性数据表可行的差分隐私保护方法

为加强隐私保护和提高数据可用性,提出一种可对混合属性数据表执行差分隐私的数据保护方法。该方法首先采用ICMD（insensitive clustering for mixed data）聚类算法对数据集进行聚类匿名,然后在此基础上进行
-差分隐私保护。ICMD聚类算法对数据表中的分类属性和数值属性采用不同方法计算距离和质心,并引入全序函数以满足执行差分隐私的要求。通过聚类,实现了将查询敏感度由单条数据向组数据的分化,降低了信息损失和信息披露的风险。最后实验结果表明了该方法的有效性。     

基于Filter Wrapper模式的特征选择算法*

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,本文提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合Filter和Wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择（Sequential Forward Selection, SFS）策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,本文算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。     

基于多重约束的OpenXML复合文档内容源数据区容错定界算法

在高误码率条件下,接收到的OpenXML复合文档往往因数据含错而无法打开,而在文档修复过程中,对信源中每个源文件内容源数据区的定界经常容易出错,针对该问题,提出了一种基于多重约束的OpenXML复合文档内容源数据区容错定界算法。通过对文档协议冗余的分析与归类,将内容源数据区定界问题转化为对起始位置序列的最佳估计问题。在通过适当放宽匹配条件完成粗定界的基础上,利用冗余信息中的约束关系构建代价函数对观测数据进行筛选,有效地剔除“虚警”情况,进而实现对内容源数据区起始位置序列的最佳估计。仿真结果表明,在参数设置合理的情况下,该方法具有较好的容错定界能力。     

In situ study of the mechanical properties of airborne haze particles

Particulate pollution has raised serious concerns regarding its potential impacts on human health in developing countries. However, much less attention has been paid to the threat of haze particles to machinery and industry. By employing a state-of-the-art in situ scanning electron microscope compression testing technique, we demonstrate that iron-rich and fly ash haze particles, which account for nearly 70% of the total micron-sized spherical haze particles, are strong enough to generate abrasive damage to most engineering alloys, and therefore can generate significant scratch damage to moving contacting surfaces in high precision machineries. Our finding calls for preventive measures to protect against haze related threat.     

未知观测噪声时机器人同步定位与地图构建

对未知观测噪声的机器人同步定位与地图构建问题,提出基于神经网络PID自适应学习观测噪声的机器人同步定位与地图构建算法.已知系统噪声为高斯分布,噪声的方差未知,但其真值是在某个有限集合内.设计一个由神经网络PID控制器、观测噪声调整以及中值滤波构成的噪声在线辨识单元.通过自适应在线辨识观测噪声,并进行新息协方差平均值滤波,迭代修正观测噪声协方差,实现机器人同步定位精度的在线提高.实验表明,该算法可降低观测噪声先验信息不足的影响,减小定位误差.