MIMO非线性自适应模糊滑模控制

为了解决传统的自适应模糊滑模控制方法需经无穷长时间才能达到平衡点，不能对系统进行精确地跟踪控制的问题。提出一种具有快速收敛性的自适应模糊滑模控制方法。控制器用具有快速收敛性和稳定性的最终吸引子做自适应模糊调节率代替传统自适应模糊调节率，不仅具有稳定性且具有快速收敛性，从而使控制系统的输出能在有限时间内精确地跟踪参考信号。证明了所设计控制器是全局稳定的。并用该方法控制了二自由度机器手系统，仿真结构表明该方法能使机器手在有限时间内达到精确的位置和速度，从而证实了其快速性。     

Fuzzy sliding observer based synchronization of chaos

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｅｃｅｎｔｌｙｔｈｅｒｅｉｓａｇｒｅａｔｄｅａｌｏｆｒｅｓｅａｒｃｈｒｅｌａｔｅｄｔｏｓｙｎｃｈｒｏｎｉｚａｔｉｏｎｏｆｃｈａｏｓ[1] .Ｔｈｉｓｗａｓｍｏｔｉｖａｔｅｄｎｏｔｏｎｌｙｂｙｓｃｉｅｎｔｉｆｉｃｉｎｔｅｒｅｓｔｉｎｔｈｅｐｒｏｂｌｅｍ ,ｂｕｔａｌｓｏｂｙｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｓｉｎｄｉｆｆｅｒｅｎｔｆｉｅｌｄｓ ,ａｎｄｆｏｒｓｅｃｕｒｅｃｏｍｍｕｎｉｃａ ｔｉｏｎｉｎｐａｒｔｉｃｕｌａｒ .Ｔｈｅｓｅａｒｃｈｏｎｏｂｓｅｒｖｅｒｂａｓｅｄｓ…     

基于卷积词袋网络的视觉识别

近年来,卷积神经网络（CNN）凭借其强大的特征学习能力在视觉识别领域取得重要进展。针对CNN全连接层对图像平移、旋转、缩放等变换比较敏感的问题,提出了一种混合模型--卷积词袋网络（BoCW-Net）。它将BoW模型嵌入CNN结构中并代替全连接层,通过端到端的方式学习特征、字典和分类器。为实现BoCW-Net整个网络的有监督学习,提出基于方向相似度的BoCW编码。同时,为充分利用中层特征和高层特征的鉴别性,将中层辅助分类器与高层分类器集成,形成主-辅集成分类器。实验结果表明：相比全连接层,BoCW表示对各种变换具有更强的不变性;主-辅集成分类器能有效融合中层、高层特征,提高BoCW-Net的识别性能;相比新近发展的CNN模型,BoCW-Net在CIFAR-10、CIFAR-100和MNIST数据库上均取得了改进的识别性能,最终分别获得4.88%、22.48%和0.21%的测试错误率。     

基于H分量旋转的荔枝图像分割算法

自然场景下荔枝图像分割,因果实与背景之间的颜色特征以及本身的形状特性的差异,表面会出现亮度不均匀,对分割造成非常大的影响。为了减少亮度不均匀给荔枝图像分割带来的影响,选择HSV彩色空间中色调H分量,并对H分量进行旋转作为图像分割的特征;通过模糊聚类算法和马氏空间约束条件来进行图像分割,利用形态学滤波消除分割后的随机噪声,并对分割区域标记,利用图像标记来恢复分割区域的原始图像。结果表明,该算法能很好地解决亮度不均匀造成的影响,对成熟荔枝分割的正确率达到了90.4%。     

脊波网络的碳通量预测

碳通量（FC）作为全球二氧化碳循环与排放的重要指标,同各种生态因素有着密切的关系,因此可以通过各种生态因素预测碳通量,但迄今还缺乏有效的预测方法。研究脊波和神经网络结合的模型在碳通量预测中的应用,利用脊波处理碳通量数据的超平面奇异特性,从隐含层节点个数、误差、相关性等方面和小波网络进行了比较。实验结果表明,所采用的模型隐含层节点个数更少,拟合精度更高,预测能力更强,收敛速度更快。     

改进的自适应脊波网络的碳通量预测

碳通量同生态因素之间具有复杂的非线性关系,可以通过生态因素预测碳通量。为提高网络的训练速度和预测精度,针对碳通量数据高维、多样本、非线性、超平面奇异的特点,提出了一种改进的自适应脊波网络预测模型,采用高斯牛顿法调整激励函数的参数,运用矩阵分块法和伪逆矩阵计算脊波网络的权值和阈值。通过实验,比较了改进自适应脊波网络、自适应脊波网络和小波网络的训练收敛速度、隐含层节点个数和预测精度。实验结果表明,提出的预测模型预测精度更高,网络结构更稀疏,训练收敛速度更快。     

QR码图像几何校正算法的研究

用摄像机拍摄QR码图像时,由于拍摄角度的偏差,可能造成所采集到的QR码图像产生几何失真的情况,给QR码的识别带来了困难。对拍摄到的QR码图像进行预处理,把采集到的光照不均匀的QR码图像采用局部阈值法和数学形态学的方法进行二值化。通过Harris角点检测算法和凸包算法相结合找到QR码的轮廓以及轮廓上的点,再利用该角点检测算法找到QR码的角点,最后使用透视变化法对畸变图像进行恢复。实验结果证明,该方法有效解决了QR码的几何失真问题。     

基于压缩感知理论的RGB-D图像分类方法

三维图像分类能有效克服二维彩色图像分类易受光照变化、阴影、物体遮挡以及环境变化等因素的干扰。利用压缩感知的方法研究Kinect相机获取的带深度信息的RGB-D图像分类问题。该方法首先利用下采样和PCA的方法分别对RGB图像和深度图像进行特征提取;再将所提取的特征信息融合;然后利用压缩感知方法对融合后的特征信息进行稀疏分解并分类。最后,利用该方法对6类蔬菜、7类水果及文件夹和相机等共15类RGB-D图像进行分类实验,比较了压缩感知方法和SVM分类器的RGB-D图像分类精度,并对比分析了深度信息对图像分类精度的影响。实验表明,压缩感知方法对RGB-D图像分类精度高于SVM的精度,且加入深度信息的RGB-D图像分类精度高于RGB图像的精度。     

R（o）ssler系统的混沌控制

提出一种用输入－状态线性化来控制Ｒｏｅｓｓｌｅｒ混沌系统的有效方法,使该混沌系统实现了全局稳定（稳化）并能实现对原系统不稳定不平衡点和周期信号的稳态跟踪。该方法的特点是通过状态变换将非线性动态特性全部变成线性动态性,从而可以应用熟知的线性控方法。仿真结果证实了该方法的有效性。     

半监督学习算法在农用地分等中的应用

为了提高了土地评价模型的简易性、可解释性和准确性,以及克服传统土地评价模型中认为因素多的影响,提出利用关联规则挖掘算法从已知类别的训练样本提取其中的分类关联规则作为监督信息,结合非监督学习方法中的K-mean聚类算法,对大量未标定样本进行分类的半监督学习方法.该方法实现过程简单,分类准确率高,可推广性较强.对广东省土地资源的评价实验表明,利用半监督学习算法可得到较高的土地评价准确率94.0622%.