一种基于群组判断离差的偏好集结方法

针对群决策偏好集结中违反Pareto 最优性的情况, 设计一种基于群组判断几何离差的同质性集结方法. 该方法在集结前进行几何离差测试, 以确定个体决策信息的离差水平. 离差较小时, 可基于几何平均集结; 对于离差较大且修正复杂度较高的决策信息, 采用主成分分析(PCA) 从高维决策信息中提取大多数相关信息, 在不依赖主观分析的情况下进行加权集结. 仿真实验表明, 所提出的方法能够在不违背Pareto 最优性的基础上集结离差较大的群决策信息.

     

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。     

基于变密度稀疏采样的微波辐射干涉测量反演成像方法

针对微波辐射干涉测量在频域中进行测量值具有低频信息较少、高频信息丰富,且低频信息和高频信息分布比较集中的特点,提出了一种基于变密度稀疏采样的微波辐射干涉测量方法.该方法将测量的频域信息进行分块,根据不同块所包含信息量的不同,利用变密度进行稀疏采样.考虑微波辐射图像本身具有的梯度稀疏性和局部光滑性特征,建立全变差正则化约束的成像模型,并采用交替迭代算法进行微波辐射图像最优重构.仿真和实验结果表明,结合变密度稀疏采样方法和交替迭代重构算法能够快速、准确地反演高分辨率微波辐射图像;在总采样率相同的情况下,该方法能够大幅度提高反演图像的分辨率,且对低采样率情况效果显著.     

改进的模块PCA人脸识别新算法

由于传统的PCA要求训练样本符合高斯分布,而现实中得到的图片往往由于光照、表情、姿态的不同,不符合高斯分布。为了使PCA不再局限于高斯分布,并且不影响其识别率,提出一种改进的模块PCA人脸识别新算法。一方面,新算法采取了分块方式,将具有同一姿态的图片划分进同一矩阵,以使训练样本更接近于高斯分布。另一方面,新算法对传统PCA算法中前三个主分量加小于1的权重系数,可以减少光照变化对识别率的影响。利用分块和权重系数的共同作用使得PCA不再局限于高斯分布,同时提高识别率。最后在ORL人脸库上进行实验,结果表明新算法优于传统的PCA算法。     

一种基于信噪比确定主元个数的方法

多段主元分析(MPCA)是针对间歇进行故障诊断一种行之有效的方法.在MPCA中主元个数的确定是模型的关键,关系到主元模型的可靠性、准确性、完备性.传统的累积方差贡献率(CPV)方法确定主元个数主观性较大并且没有考虑故障因素.为了提高检测性能,有效的提取主元,文中提出一种信噪比(SNR)与MPCA相结合选取间歇过程主元个数的方法,SNR表明的是故障诊断的灵敏度和主元个数的影响关系,在确保主元信息充分描述数据的基础上,该方法考虑了故障的信息对主元个数的影响来选取主元.将此方法应用于青霉素间歇发酵过程故障诊断中,仿真结果表明T2统计量和SPE统计量的响应曲线对故障更加敏感,有效地提高了故障诊断的准确率.     

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。     

结构健康监测系统的数据异常识别

结合机器学习方法对结构健康监测系统采集的原始数据进行初步的自动化分析,以达到降低进一步分析的计算量、提高分析子系统精度的目的.以上海中心和兰州西站监测系统为背景,利用机器学习方法研究数据异常识别问题,优化数据分析预警子系统.使用单变量特征选择提取利于识别的特征向量, 对比分析在结构健康监测中各类支持向量机（Support Vector Machine,SVM）的优劣,组合利用不同SVM的优势减少异常数据的漏报和误报.该方法已被应用于上海中心和兰州西站的结构健康监测系统中.