一种水下群机器人路径规划算法的形式化研究

为了增强基于遗传算法的水下群机器人路径规划算法正确性的说服力,使用定理证明对其进行形式化研究,给出算法在定理证明器HOL4中的形式化模型。基于算法形式化的一般步骤,首先对算法的设计进行了详细的分析,指出算法设计的核心步骤与建模难点。在此基础上建立了总体形式化建模框架,然后对其进行化简,得到种群初始化、选择、交叉三个核心模块。接着给出模型中要用到的基本数据类型的形式化描述,并分别对三个模块进行形式化描述,最终得到算法的形式化模型。通过证明与模型相关的97条性质,说明了模型的合理性及有效性,在此模型的基础上,可以完成对算法的形式化验证,同时还能拓展HOL4的应用范围。     

动作识别中基于深度神经网络和GA合并算法的分类决策方法

针对人体动作识别中传统方法在分类决策方面存在问题和缺陷,提出了一种新颖的基于深度神经网络(DNN)和遗传算法(GA)合并算法的非线性分类决策方法。首先,提出的合并算法在整个训练集合上对特征提取器进行组合,进而组合成不同的两个独立网络;再利用DNN对两个独立网络进行初始化,进一步利用GA对两个网络进行合并。然后将网络的偏差和权重表示为每层网络间的一个矩阵;最后,利用DNN对网络的偏差和权重进行训练,并在合并过程中将矩阵中的每一行当作一个染色体。实验采用了标准MNIST数据集对提出算法的性能进行评估。评估结果显示实验过程中的交叉和突变操作增加了神经元节点,提高了识别性能,并且弱化了不相关和相关神经元节点。因此,提出算法的错误率更低,网络性能更优异。     

基于遗传蜂群算法的运动想象BCI系统导联选择*

在运动想象脑-机接口系统中,常采用高密度导联获取脑电信号,导致实验准备时间长,系统运行速度慢,性能变差等问题。针对上述不足,本文提出了一种基于遗传算子的蜂群算法用于导联优选,引入交叉和变异算子以提高蜂群算法的邻域搜索能力。通过对第四届国际BCI 竞赛 Dataset 1中四名被试者(a,b,f和g)的59导联运动想象数据进行导联优选,用多类CSP算法和支持向量机对优选导联数据进行特征提取和分类识别。结果表明所提出的算法在大大降低了导联维数的同时,也得到了比采用全部导联更高的分类识别率,验证了本文所提算法的实用性和有效性。     

基于K均值与WPA-RBF神经网络模拟电路故障诊断

针对模拟电路故障诊断进行了研究,提出了一种新的方法。该方法包括haar的小波分解,对数据的归一化处理,以及用K均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值。首先用haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最终得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,这里用K均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值,以提高网络训练稳定性与诊断成功率。最终通过两个电路的诊断实例,来论述该方法的具体实现过程,验证用该方法进行模拟电路故障诊断的可行性。     

组合锤置换墩极限承载力计算方法

为研究组合锤置换法加固软土地基的承载性能,需建立置换墩的极限承载力计算模型并验证该计算方法的可行性.首先,进行室内模型试验,研究置换墩墩体形态和墩体破坏模式.其次,在模型试验的基础上,根据能量法建立置换墩极限承载力的计算模型,代入模型相关参数,基于GA_PSO优化算法在Matlab平台研究各参数对墩体极限承载力的影响.试验和计算结果表明:置换墩典型的墩体形态为一轴对称的旋转体,纵向剖面为上大下小的梯形截面;极限状态下墩体的破坏模式为鼓胀破坏;墩径和墩周土体强度对提高墩体极限承载力影响显著,此与组合锤置换法设计理念相吻合.最后,通过一工程案例,验证了该计算方法应用于组合锤置换法初步设计是可行的.     

基于MLP和SPSO的机器人行为选择与运动控制方法

针对传统行为选择机制(ASM)不能很好地做出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中。首先,根据具体应用场景预定义多个机器人行为。然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为。另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数。机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物。     

基于特征矢量化的肺结节特征选择算法*

针对肺结节良恶性分类模型中特征选择过程无法避免特征多样性不受破坏的问题,提出一种将肺结节特征矢量化处理的特征选择方法。首先,假设每个肺结节特征都是由数据、类型构成的一个矢量。然后,按照特征类型添加特征到相应的特征子集,并分别利用Relief算法评价特征、特征子集的分类重要性。最后,通过动态阈值的方式筛选得到优化后的特征子集。在150个肺结节样本的分类实验中,采用本文算法所取得的敏感性为94.7%、特异性为93.7%、虚警率为5.2%、受试者工作特性曲线下面积为97.3%。分析表明,本文算法几乎不破坏肺结节特征的多样性,能够显著提高肺结节良恶性分类的准确性。     

基于Apriori算法的数据挖掘在移动医疗系统中的应用

针对医疗行业海量数据的数据挖掘应用少、基础差,数据分析的需求迫切等问题,提出一套创新型数据采集与挖掘方案.该方案选用Apriori算法就目前产科数据集展开关联分析,重点研究剖宫产与体征、药品之间的关联,并分析了产妇入院时间及新生儿出生时间分布与数量的关系.另外,还对关系到数据采集与传输效率的移动医疗系统进行研究,选用便携数字终端(portable digtital assistant,PDA)进行移动式数据采集,并阐述了基于新型分布式多层系统模型和SSH2框架的设计方案.在北京市某妇产医院的临床应用表明:该系统能够为医护人员提供精确、客观的数据支持,优化医护流程.数据挖掘分析结果对于药房的备药、发药,手术室准备,医护人员排班等具有指导意义和参考价值,可为后续医疗数据的统计和处理提供良好的技术基础.     

基于Delaunay三角剖分的有向传感器网络覆盖增强算法*

针对视频传感器网络的区域覆盖问题,提出一种基于Delaunay三角剖分思想的几何算法,选取围绕传感器的具有最大面积的Delaunay三角形重心作为决策方向。在此基础上,将Delaunay三角剖分的几何方法与分布式贪婪算法进行了融合,引入“贡献率”概念反映节点在其候选方向上可能覆盖区域的大小,以解决冗余覆盖的问题。仿真结果证明了该算法的有效性。     

加工中心部件故障相关度评估

为实现加工中心系统部件间故障相关度评估,采用相关故障机理分析与图论相结合建立系统部件故障传递有向图的方法,将系统部件相关度评估转化为复杂网络节点重要度计算,进而由邻接矩阵及其转置变换并结合pagerank算法,实现加工中心系统部件故障相关度求解.计算结果表明:故障相关度的大小与部件间故障关联关系成正比,存在故障相关的部件的故障相关度大于不存在故障相关的部件的故障相关度.若部件被影响度大,影响度小,说明该部件是故障表象部件;反之,影响度大而被影响度小的是故障源部件.提出的方法有助于故障诊断与维护.