基于主元分析的径向基神经网络预测模型研究

结合主元分析(PCA)和径向基函数(RBF)神经网络,建立了地下水动态模拟与软测量预测模型。通过主元分析法提取主要成分,实现数据预处理;将选取的主要成分作为RBF神经网络的输入;采用k均值聚类算法确定RBF网络隐含层参数,并用递进最小二乘法确定输出层权值。仿真结果表明,该模型优化了网络结构,提高了预测精度。     

特征主成分算法再探

对作者之前设计的求语言特征主成分的“距离法”做了深度解析,指出了“距离法”在应用过程中,切分成两个集合的“断点”会影响计算结果的精度。借助聚类分析的思想重新设计了语言特征主成分算法——“聚类法”来弥补“距离法”的缺陷。最后指出两个方法的缺陷可以相互弥补,在实际应用中应结合使用。     

一种基于目标圆的有向强栅栏构建算法

K-栅栏覆盖是有向传感器网络覆盖控制的研究热点之一。提出一种基于目标圆的分布式有向强栅栏构建方法（DBCTC）。首次构建了节点目标圆和能耗比2个模型。以节点感知区域内横坐标最大的点为圆心,以感知半径为半径的圆就是目标圆。节点的运动能耗和栅栏增益的比值就是能耗比。前一个节点根据目标圆模型选择后一个节点的最佳目标位置。从附近移动节点中选择能耗比最少的移动节点构建有向强栅栏。仿真结果证明,该栅栏构建方法比其他算法降低60%左右的能耗。     

同振式三轴向矢量水听器设计与实现

根据实际工程需要,设计、制作同振式三轴向矢量水听器,其外形为柱体两端带半球帽的圆柱体,声压通道和矢量通道在结构上结合为一体。矢量水听器外形尺寸为Φ54×72 mm、工作频带为20 Hz~2000 Hz。在国防科技工业水声一级计量站驻波管对研制的矢量水听器进行了测试,测试结果表明：声压通道声压灵敏度级为-192.7 dB（0 dB=1 V/mPa）、具有全指向性;矢量通道声压灵敏度级为-185.3 dB（测试频率500 Hz,0 dB=1 V/mPa）、具有余弦指向性。设计、制作的矢量水听器灵敏度高、通道一致性好、使用方便,满足工程应用需求。     

一种分区域多方向数据融合图像插值方法

为满足高端工业检测中对检测精度和检测时间的严格要求,针对现有图像插值方法在插值速度与精度方面的矛盾,本文提出了一种分区域多方向数据融合图像插值方法。在灰度平坦区域,采用双线性插值算法进行插值。在边缘纹理区域,则选取待插值点在源图像中对应点的4×4邻域内4个插值方向上距离最近的12个像素点,基于距离平方反比计算估计值;然后结合方向灰度梯度和插值距离两个权 重因子,进行数据融合,获得最终插值。实验表明,新提出的插值方法运行速度快,并且在图像任意级别变换时都具有较高的插值精度,能够很好地保持图像的边缘纹理细节。     

鲁棒主成分分析的运动目标检测综述

目的 运动目标检测在许多计算机视觉任务中发挥了重要的作用。背景建模是运动目标检测中传统而又常用的方法。然而,许多背景建模方法是基于像素点的,对背景方面的考虑过于简单,难于处理真实视频。最近,将基于低秩和稀疏分解的鲁棒主成分分析应用于运动目标检测成为计算机视觉领域内的研究热点。为使更多国内外运动目标检测的研究者对鲁棒主成分分析方法进行探索和应用,本文对其进行系统综述。方法 融入最新研究进展,基于误差抑制、贝叶斯理论、时间和空间信息、多特征和多因素耦合,对各种国内外的鲁棒主成分分析模型进行归纳,并理论分析其优缺点。结果 本文采用变化检测数据集（change detection dataset）中不同场景的视频序列来对不同算法进行对比实验。从实验结果可知,属于第3类方法的DECOLOR 的检测效果优于其他算法,在均值对比中得到的召回率、精确率和F-measure分别为0.7、0.706和0.66。总体来说,当前改进算法都能有效地弥补最初鲁棒主成分分析方法的缺陷,提高了运动目标检测的精度。结论 鲁棒主成分分析在运动目标检测上取得了较多的研究与应用成果,在智能视频监控应用领域拥有广阔的应用前景。但是,其仍需针对鲁棒主成分分析存在的一些局限性进行深入的研究。融入前景运动目标在视频中的先验知识是基于鲁棒主成分分析的运动目标检测的发展趋势。     

基于块稀疏快速重构的MISO活跃用户集与信道联合估计

针对多用户多输入单输出（Multiple input single output, MISO)系统的用户选择与信道估计问题,引入基于用户分布式自选择的信道接入策略,设计一种新的结合该策略的时分双分复用（Time division duplex, TDD)模式数据传输帧结构。利用用户活跃模式自然稀疏性和信道冲激响应时延域稀疏性,将基站接收上行随机导频序列建模为块稀疏线性模型。基于凸松弛的l2/l1模型提出一种快速的块稀疏重构算法求解问题模型。算法首先对目标函数进行变量分裂,然后利用交替方向法对各变量进行交替更新,直至满足收敛条件。交替更新中,对于无法获得闭式解的信号变量项,采取块坐标下降法求解。计算机仿真表明,与块正交匹配追踪和块压缩采样匹配追踪比较,新算法能够在保持高重构精度的前提下获得更快的计算速度。     

基于主应力删除准则的ESO法及其应用

为促进渐进结构优化（Evolutionary Structure Optimization,ESO）法在桥梁找型方面的应用,阐述基于主应力删除准则ESO法的基本原理,研究不同M值对优化结果的影响,并建议在应用该法进行拓扑优化时取M≥10.应用基于拉应力占优删除准则的ESO法分析高跨比对缆索支承桥形式的影响,结果表明：当高跨比大于等于1/7时缆索支承桥的最优形式为斜拉桥;当高跨比低于1/7时最优形式为悬索桥.     

模块主成分分析在人脸重建中的应用

模块主成分分析是人脸重建中一种重要的子空间学习方法,鲁棒性不足是传统的基于L2范数的模块主成分分析(BPCA-L2)的主要问题。为此,提出了一种新的基于L1范数的模块主成分分析(BPCA-L1)方法。该方法使用了对奇异值不太敏感的L1范数。基于L1范数的模块主成分分析方法简单并易于实现,在一些人脸数据集上的重建实验验证了其有效性。     

基于气象大数据的台风强度预测统计模型研究

台风是一种破坏力极强的灾害性天气系统,做好台风路径和强度预报是防灾减灾的关键。除了气候性因子、台风持续性因子以及环境背景场因子,文章还考虑了在近海时,受陆地影响下,台风强度演变的情况,引入了新变量,即海陆比。将2000—2014年西北太平洋的所有台风样本分成海盆样本和近海样本,研究它们在12、24、36和48小时间隔的强度演变规律。本研究利用1°×1°美国国家环境预报中心/美国国家大气研究中心提供的 FNL全球再分析资料(Final Operational Global Analysis)数据,采用逐步回归和主成分分析法的多元统计回归模型预测台风强度,并比较了两种模型在台风强度预测上的表现。综合深海盆和近海台风强度的预测结果可以看出,文章提供的近海台风强度预报方法,比国内外的其他研究更具有防台减灾的实际应用价值。