基于隐函数模型的光学微腔传输光谱拟合算法

光学微腔品质因子高、灵敏度高,在精密生物传感方面有广阔的应用前景。针对洛伦兹拟合算法不能很好地拟合光学微腔输出端非对称波形和劈裂模式波形的问题,提出了隐函数模型算法。该算法首先建立模板波形,然后经平移、放缩理论实现模板波形操作,利用Levenberg-Marquardt (LM)算法优化参数值,能够实现对称波形、非对称波形和劈裂模式波形数据拟合。通过搭建光学微腔数据采集系统,采用高斯、洛伦兹和隐函数模型算法对不同折射率溶液的实验数据进行拟合。结果表明：隐函数模型算法比前两种算法的MSE低1个数量级,且拟合优度(R2)达到了0.99,拟合效果较好;隐函数模型算法谐振频率误差最小,谐振频率偏移量最大,对应的灵敏度最高,有利于提高光学微腔灵敏度。     

基于PMP的钢轨三维形貌在线测量模糊条纹复原

在线相位测量轮廓术(PMP)中,当被测物体运动速度较高时,所采集的变形条纹往往为运动模糊图像,使得复原误差增大,严重时可能导致三维重建无法进行。将在线PMP运用于钢轨外形及表面缺陷的在线三维测量时,为了实现钢轨表面模糊变形条纹的清晰化,本文对维纳滤波法、点扩散函数算法、盲解卷积算法和Richardson-Lucy算法等几种模糊图像复原算法进行了对比分析,用峰值信噪比对模糊条纹图像的复原效果进行评估。同时,研究了车辆运行速度和图像复原效果之间的关系,得出了复原效果与运行速度之间的关系曲线,进行了误差分析,并用在线PMP实现了钢轨外形的三维重建。理论及实验结果表明：在对钢轨外形轮廓及表面缺陷的在线三维测量时,Richardson-Lucy算法的复原效果最佳,图像复原程度与车辆运行速度呈多项式关系。     

面向大数据分析的在线学习算法综述

大数据时代,越来越多的领域出现了对海量、高速数据进行实时处理的需求.如何对大数据流进行抽取转化成有用的信息并应用于各行各业变得越来越重要.传统的批量机器学习技术在大数据分析的应用中存在许多限制.在线学习技术采用流式计算模式,在内存中直接进行数据的实时计算,为流数据的学习提供了有利的工具.介绍了大数据分析的动机与背景,集中展示经典和最新的在线学习方法与算法,这种在线学习体系很有希望解决各种大数据挖掘任务面临的困难与挑战.主要技术内容包括3方面: 1) 线性模型在线学习;2) 基于核的非线性模型在线学习;3) 非传统的在线学习方法.各类方法尽量给出详细的模型和伪代码,讨论面向大数据分析的大规模机器学习研究与应用中的关键问题;给出大数据在线学习的3种典型应用场景,并探讨现今或将来在线学习领域进一步的研究方向.     

Self-adaptive Green-Ampt infiltration parameters obtained from measured moisture processes

The Green-Ampt(G-A) infiltration model(i.e., the G-A model) is often used to characterize the infiltration process in hydrology. The parameters of the G-A model are critical in applications for the prediction of infiltration and associated rainfall-runoff processes. Previous approaches to determining the G-A parameters have depended on pedotransfer functions(PTFs) or estimates from experimental results, usually without providing optimum values. In this study, rainfall simulators with soil moisture measurements were used to generate rainfall in various experimental plots. Observed runoff data and soil moisture dynamic data were jointly used to yield the infiltration processes, and an improved self-adaptive method was used to optimize the G-A parameters for various types of soil under different rainfall conditions. The two G-A parameters, i.e., the effective hydraulic conductivity and the effective capillary drive at the wetting front, were determined simultaneously to describe the relationships between rainfall, runoff, and infiltration processes. Through a designed experiment, the method for determining the GA parameters was proved to be reliable in reflecting the effects of pedologic background in G-A type infiltration cases and deriving the optimum G-A parameters. Unlike PTF methods, this approach estimates the G-A parameters directly from infiltration curves obtained from rainfall simulation experiments so that it can be used to determine site-specific parameters. This study provides a self-adaptive method of optimizing the G-A parameters through designed field experiments. The parameters derived from field-measured rainfall-infiltration processes are more reliable and applicable to hydrological models.     

双抽样均值—标准差联合控制图的构建及参数设计

在参考双抽样均值控制图及双抽样标准差控制图的基础上,构建了双抽样均值一标准差联合控制图.建立了控制图参数设计的优化模型,用以监控生产过程质量,并通过遗传算法完成了模型求解.采用马尔科夫链方法,完成了联合控制图平均运行长度性能指标的计算.基于该指标,通过两阶段抽样和可变抽样样本及抽样区间均值-标准差联合控制图的性能对比,分析验证了该控制图的性能优势.     

时间序列分形特征的判别

研究了判断时间序列是否具有分形特征的几个参数:庞加莱映射、李雅普诺夫指数、关联维数、功率谱及赫斯特指数,分析了它们各自的优缺点,认为:在已知动力学系统时,使用庞加莱映射和李雅普诺夫指数就能准确地判断该时间序列是否分形;在不知道动力学系统时,使用功率谱及赫斯特指数更好些,最后给出了分形在时间序列分析中适用的场合。     

一种新的混沌识别方法(Ⅰ)

为了识别混沌信号和随机信号,针对G-P算法及其改进算法的不足,提出了一种新的改进算法.该算法不仅能简化无标度区的确定过程,而且能客观地判断系统的关联维数是否饱和.仿真结果表明,新的改进算法对于混沌信号的识别是有效的.     

基于知识工程的智能优化软件系统IOPS

根据知识工程理论研究了一种智能型的优化设计软件系统IOPS。该系统集成了连续、离散、随机变量的14种优化算法程序,并通过模型诊断、算法选择、多目标决策、参数设计等专家系统的并行操作,实现了优化设计过程自动化。     

钢包精炼炉的电极系统智能建模及控制

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性.     

通用顺序即位素因子FFT算法

本文从一维到多维的下标变换出发,得到了一种通用顺序,即位素因子FFT算法。与现在的素因子FFT算法相比较,这种算法不仅节省了约一半内存,而且有更高的计算效率。此外,这种算法能很方便地将逆变换也包括在同一程序内。