基于双目视觉模型的运动参数测量

通过建立双目测量的数学模型,由标志点在双摄像机成像平面上的坐标求得运动物体的运动参数。在不考虑摄像机内外参数标定误差的情况下,研究了标志点像元的测量精度对运动参数测量的影响。通过分析图像分割求取标志点形心引起的误差,利用窗口中心迭代算法提高标志点形心测量的精度,从而提高了运动参数的测量精度。由空间飞行器自动交会的仿真试验验证了算法的有效性。     

SAW器件测试的误差修正

讨论描述两端对网络的导纳矩阵(Y矩阵)与作为网络分析仪描述两端对网络的散射矩阵参数（S参数）之间的对应关系，分析在SAW器件的测试系统中误差模型以及修正方法，讨论在实际测量中如何选择合适的误差修正以及它们对测试结果的影响。     

平板显示器件的参数测量及标准

对平板显示器件的测量参数和标准及测量方法进行了分析研究，讨论了各种不同类型的平板显示器件的特点，并对显示器件的测量方法和评估标准进行了比较。     

一种5G网络下部署2.6G频段大气波导相关参数的方案

某通信公司为了提高5G网络性能,针对5G网络的2.6G频段大气波导相关参数进行了精细部署和调整。部署后,各项KPI指标中,接通率、掉线率、切换成功率以及平均干扰底噪等指标皆有明显的改善。本文详细描述了部署2.6G频段大气波导改善参数的方法及部署后的改善情况,进一步提升了网络的性能,让用户获得了更稳定的网络连接,从而享受更流畅的网络体验。     

小样本目标识别问题下的BN参数学习

目标识别问题中存在大量不确定信息, 利用BN可以对不确定信息及其相互关系进行学习与推理。但是, 目标识别问题的样本量较小, 在参数学习过程中, 常因观测数据不足产生误差, 需要引入单调性信息等专家经验, 针对这一问题, 提出最小元算法。首先, 利用最小元表达单调性信息, 将其转化为参数学习可以直接利用的先验信息; 然后, 基于保序回归思想, 对参数学习结果进行优化, 消除误差, 得到相对准确的网络参数。以空中目标识别为仿真背景, 与最小子集算法比较, 验证了该算法在准确度与复杂度等方面的优势。     

基于正交试验的细菌觅食算法的全局最优化

细菌觅食算法在求解全局最优化问题时的性能大部分依赖于参数的设置,各参数的值不同,则细菌觅食算法的收敛速度和得到的最优解也不同。本文主要介绍了用正交试验的方法设置细菌觅食算法的参数来求解全局最优化的问题,通过正交试验方法来检测多组参数对细菌觅食算法效率的影响,用经典的测试函数数对这种组合方案进行检测对比,通过对实验结果数据分析可得出参数的最佳组合方案。最终实验结果表明用正交试验法设置的细菌觅食算法的参数组合方案可以提高算法的效率和收敛速度,使算法能够更快更好的得到测试函数的近似最优解。     

基于智能算法的机械加工参数优化方法研究

将BP神经网络预测模型应用于电火花加工参数优化方法中,从而针对不同的加工工艺要求预测出最佳的脉冲间隔t0和宽度t1以及峰值电流ie组合。由于常规的BP神经网络存在容易陷入极小值以及学习速率低等缺点,而常规GA优化算法存在容易陷入局部最优解、容易早熟等问题,提出一种对GA算法的染色体结构和遗传算子进行改进并引入自适应交叉和变异概率优化BP神经网络结构参数的改进型GA-BP神经网络算法。最后通过实验,对电火花加工参数优化模型性能进行评价,与常规GA-BP神经网络算法建立的参数优化模型相比,提出的参数优化模型的预测结果更加接近真实值,预测的平均准确率达到96.13%,高于常规GA-BP神经网络算法建立预测模型5.2%。     

基于参数优化的支持向量机战场多目标声识别

针对网格搜索支持向量机(SVM)参数的方法存在复杂度高、运算量大等不足,提出了一种改进的网格搜索SVM分类器的最佳参数选择算法。将其应用于战场多目标SVM分类器中,对该分类器与KNN分类器和改进BP神经网络分类器进行的分类对比实验表明,改进的网格搜索SVM分类器参数选择算法可以有效地减少SVM分类器的运算量、改进学习性能并提高识别率。